Felo API PlatformFelo API Platform
Retour aux modèles
Z.aimessages

GLM 5.3 API

GLM-5.3 de Z.ai est un modèle de langage à poids ouverts orienté codage et agents, doté d'un mode réflexion à trois niveaux d'effort et d'un contexte allant jusqu'à 1 million de tokens.

GLM-5.3 est un modèle de Z.ai publié le 14 août 2026. Il accepte du texte en entrée et produit du texte en sortie, avec un contexte pouvant atteindre 1 million de tokens. Il embarque un mode réflexion à trois niveaux d'effort (low, high et max) qui ne peut plus être désactivé, prend en charge les messages en streaming, l'appel de fonctions, la mise en cache du contexte et les sorties structurées comme JSON. Le modèle repose sur la même architecture Mixture-of-Experts de 743 milliards de paramètres que GLM-5.2 : toutes les améliorations proviennent du post-entraînement, sans changement d'architecture.

Ses points forts concernent surtout le travail en plusieurs étapes plutôt que les réponses en un seul passage. Z.ai le présente comme le modèle à poids ouverts le plus capable pour le codage, avec des résultats de pointe parmi les modèles open source sur Terminal Bench 3.0 et Agents' Last Exam, ainsi que sur CyberGym pour la découverte de vulnérabilités. Le modèle peut fournir un travail comparable avec environ 50 000 tokens au lieu de 120 000.

Il est adapté aux agents de codage de longue durée, aux tâches complexes d'ingénierie logicielle, aux travaux CLI multi-étapes comme les refactorisations et le triage de CI, aux boucles d'agents longues, au travail à l'échelle d'un dépôt, au diagnostic et à l'optimisation d'infrastructures ML, ainsi qu'à des tâches agentiques plus larges que le codage. Ses limites incluent des capacités encore nettement inférieures aux modèles frontières fermés actuels, des chiffres rapportés par le fournisseur non encore répliqués indépendamment, un avantage concentré sur le début de la chaîne d'exploitation, et des workflows offensifs et défensifs complets qui demandent encore des améliorations.

Mis à jour:

ID DU MODÈLE

glm-5.3
Contexte
1.049M
Sortie max.
943.718K
API recommandée
messages
Entrée
text
Sortie
text
GLM 5.3 : un pélican à vélo

Voir le pélican de ce modèle

Découvrez ce que GLM 5.3 a créé à partir de la même consigne.

Points clés

  • Contexte jusqu'à 1 million de tokens
  • Mode réflexion à trois niveaux d'effort
  • Appel de fonctions et sorties structurées
  • Mise en cache du contexte
  • Travail comparable avec 50 000 tokens
  • Poids ouverts attendus fin août 2026

Fournisseurs

Meilleur prix
12 fournisseurs

Comparez les prix des API entre fournisseurs. Sélectionnez un fournisseur pour voir tous les tarifs et conditions.

Fournisseur · Détails des tarifs
Disponibilité
$1.4$4.4$0.26
$0.7$2.2$0.13
$1.4$0.7$4.4$2.2$0.26$0.13
$0.9$0.72$4$3.2$0.2$0.16
$0.91$2.86$0.169
$1.4$0.98$4.4$3.08$0.26$0.182
$1.053$2.15$0.356
$1.19$3.74$0.238
$1.4$4.4$0.14
$1.4$4.4$0.26
$1.4$4.4$0.26
$1.68$5.28$0.312

Ce que $10 permettent d'acheter

Entrée
7,1 M tokens
Sortie
2,3 M tokens

Estimation d'après les prix actuels d'entrée et de sortie, hors remises.

Benchmarks

  • Code Bench

    amélioration par rapport à GLM-5.2, benchmark interne du fournisseur

    50%
  • Terminal Bench 3.0

    points ; GLM-5.2 obtenait 4.6, soit un gain de 23.7 points

    28.3
  • DeepSWE v1.1

    points ; en hausse depuis 46.2 sur GLM-5.2, soit une amélioration de 20.7 points

    66.9
  • Agents' Last Exam CLI

    points ; en hausse depuis 23.8 sur GLM-5.2

    28.5
  • ExploitBench

    en hausse depuis 24.4% sur GLM-5.2

    54.4%
  • CyberGym

    benchmark de découverte de vulnérabilités

    84.5%
  • GDPval-AA v2

    points sur 44 catégories professionnelles

    1769

Scores tels que publiés par le fournisseur du modèle.

Raisonnement

Niveau d'effort par défaut
max
Activé par défaut
Oui
Toujours activé
Oui
Niveaux d'effort disponibles
max / high / low

Démarrage rapide

Un code prêt à l'emploi pour appeler ce modèle avec les API compatibles de Felo API Platform. Commencez dans le Playground pour tester des prompts avant d'écrire du code.

1

Configurer votre clé API

Créez une clé depuis votre compte Felo API Platform et définissez-la comme variable d'environnement.

export FELO_API_KEY="YOUR_API_KEY"
2

Effectuer votre première requête

Utilisez cet ID de modèle avec le point de terminaison Felo API Platform. Les en-têtes de requête facultatifs comme X-Request-Id facilitent le diagnostic.

glm-5.3

Ce modèle est capable de raisonnement. Si le protocole sélectionné et la route du modèle exposent des contrôles de raisonnement, conservez les métadonnées de raisonnement renvoyées lorsque vous poursuivez la conversation.

const response = await fetch("https://openapi.felo.ai/api/v1/messages", {
  method: 'POST',
  headers: {
    Authorization: `Bearer ${process.env.FELO_API_KEY}`,
    'Content-Type': 'application/json',
  },
  body: JSON.stringify({
  "model": "glm-5.3",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "user",
      "content": "Hello"
    }
  ]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());

Utiliser des SDK tiers

Avec les SDK compatibles, définissez baseURL sur https://openapi.felo.ai/api/v1. Pour les clients de style Claude, utilisez l'URL de base compatible Anthropic. https://openapi.felo.ai/api.

3

Activer le streaming

Ajoutez stream: true pour recevoir les réponses sous forme de server-sent events.

curl -N https://openapi.felo.ai/api/v1/messages \
  -H "Authorization: Bearer $FELO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "glm-5.3",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "user",
      "content": "Hello"
    }
  ],
  "stream": true
}'

Endpoint

Felo API Platform expose des surfaces d'appel de modèles compatibles. Choisissez la surface que votre application ou votre client agent prend déjà en charge.

SurfaceMethodURL

Messages

Messages compatibles Anthropic pour les clients de style Claude.

POST

https://openapi.felo.ai/api/v1/messages

Paramètres

NomTypePar défautDescription
modelstringglm-5.3ID public du modèle à appeler.
max_tokensinteger—Nombre maximal de tokens générés.
messagesarray—Messages de la conversation pour Chat Completions.
seed———
stop———
min_p———
toolsarray—Définitions de tool calling conformes au schéma compatible.
top_k———
top_p———
logprobs———
reasoning———
logit_bias———
temperaturenumber—Contrôle la variété des réponses lorsque c'est pris en charge.
tool_choicestring or object—Contrôle si un outil doit être appelé.
top_logprobs———
response_formatobject—Demande une sortie structurée lorsque c'est pris en charge.
presence_penalty———
reasoning_effort———
frequency_penalty———
include_reasoning———
repetition_penalty———
structured_outputs———
parallel_tool_calls———

Questions fréquentes

Qu'est-ce que GLM 5.3?

GLM-5.3 est un modèle de Z.ai publié le 14 août 2026. Il accepte du texte en entrée et produit du texte en sortie, avec un contexte pouvant atteindre 1 million de tokens. Il embarque un mode réflexion à trois niveaux d'effort (low, high et max) qui ne peut plus être désactivé, prend en charge les messages en streaming, l'appel de fonctions, la mise en cache du contexte et les sorties structurées comme JSON. Le modèle repose sur la même architecture Mixture-of-Experts de 743 milliards de paramètres que GLM-5.2 : toutes les améliorations proviennent du post-entraînement, sans changement d'architecture. Ses points forts concernent surtout le travail en plusieurs étapes plutôt que les réponses en un seul passage. Z.ai le présente comme le modèle à poids ouverts le plus capable pour le codage, avec des résultats de pointe parmi les modèles open source sur Terminal Bench 3.0 et Agents' Last Exam, ainsi que sur CyberGym pour la découverte de vulnérabilités. Le modèle peut fournir un travail comparable avec environ 50 000 tokens au lieu de 120 000. Il est adapté aux agents de codage de longue durée, aux tâches complexes d'ingénierie logicielle, aux travaux CLI multi-étapes comme les refactorisations et le triage de CI, aux boucles d'agents longues, au travail à l'échelle d'un dépôt, au diagnostic et à l'optimisation d'infrastructures ML, ainsi qu'à des tâches agentiques plus larges que le codage. Ses limites incluent des capacités encore nettement inférieures aux modèles frontières fermés actuels, des chiffres rapportés par le fournisseur non encore répliqués indépendamment, un avantage concentré sur le début de la chaîne d'exploitation, et des workflows offensifs et défensifs complets qui demandent encore des améliorations.

Comment l'usage est-il facturé ?

Votre facture dépend du fournisseur utilisé, de ses tarifs et de votre usage. Des entrées plus longues ou d'autres conditions peuvent avoir des tarifs différents.

Quels types d'entrées et de sorties GLM-5.3 prend-il en charge ?

Le modèle accepte du texte en entrée et produit du texte en sortie. Il prend également en charge les sorties structurées dans des formats tels que JSON.

Quelle est la longueur de contexte de GLM-5.3 ?

Le contexte peut atteindre 1 million de tokens. Le modèle peut fournir un travail comparable avec environ 50 000 tokens au lieu de 120 000.

À quoi sert principalement GLM-5.3 ?

Il est conçu pour les agents de codage de longue durée, les tâches complexes d'ingénierie logicielle, les travaux CLI multi-étapes, les boucles d'agents longues et le travail à l'échelle d'un dépôt. Il couvre aussi des tâches agentiques plus larges que le codage.

Peut-on désactiver le mode réflexion ?

Non. Le mode réflexion propose trois niveaux d'effort (low, high et max) et ne peut plus être désactivé, ce qui constitue un changement incompatible pour les applications qui l'utilisaient désactivé.

Quelle est la différence entre GLM-5.3 et GLM-5.2 ?

GLM-5.3 utilise exactement le même modèle de base que GLM-5.2, une architecture Mixture-of-Experts de 743 milliards de paramètres. Toutes les améliorations viennent du post-entraînement, et le mode réflexion ne peut plus être désactivé.

Modèles liés