GLM 5.3 Flash API
Modèle multimédia natif de Z.ai à contexte d'un million de tokens, orienté agents et code, économique et rapide, avec appel d'outils et sortie structurée.
Z.ai: GLM 5.3 Flash est un modèle à mélange d'experts comptant 320 milliards de paramètres au total et 18 milliards de paramètres actifs par token. Il s'appuie sur une architecture hybride combinant attention linéaire et attention creuse, répartie sur 45 couches, contre 92 pour la génération précédente. Entraîné sur un corpus multimédia de 30 billions de tokens, il part d'une base nouvellement entraînée plutôt que de réutiliser celle de GLM 5.2. Il accepte en entrée du texte et des images, produit du texte et traite un contexte allant jusqu'à 1 million de tokens. Le raisonnement est activé par défaut, et le modèle prend en charge l'appel d'outils, la sortie structurée ainsi que l'automatisation native des interfaces graphiques.
Ses cas d'usage couvrent les assistants de codage conscients du dépôt, l'analyse d'images d'écran vers du code, les agents documentaires et les workflows répétés de revue de code. Il sait aussi convertir des captures d'écran et des maquettes en applications Next.js, générer des scripts de CAO paramétrique et des scènes Blender, ou encore réaliser un audit visuel automatique de documents d'entreprise aux formats PDF, PPTX, DOCX et XLSX. Il permet également des refactorisations massives et des correctifs de sécurité sur des bases de code héritées, ainsi que des agents de bureau en temps réel qui cliquent, saisissent du texte et lisent des captures d'écran en direct.
Face au modèle phare GLM 5.3, il réduit sensiblement le coût d'inférence : il consomme 3,0 fois moins de calcul d'attention et affiche un cache KV 4,4 fois plus petit. Il surpasse GLM 5.2 sur les tests de codage et d'agents, et se montre particulièrement à l'aise en compréhension de captures d'écran, en analyse d'images et en questions-réponses visuelles. Conçu pour tourner à faible coût et répondre vite, il est distribué sous licence MIT pour un usage commercial ou personnel. Il ne doit toutefois pas être considéré automatiquement comme équivalent au modèle phare pour les charges de raisonnement ou d'ingénierie logicielle les plus exigeantes.
Mis à jour:
ID DU MODÈLE
glm-5.3-flash- Contexte
- 1.049M
- Sortie max.
- 943.718K
- API recommandée
- messages
- Entrée
- text / image / video
- Sortie
- text
Points clés
- Contexte d'un million de tokens
- Entrées texte et images natives
- Raisonnement activé par défaut
- Appel d'outils et sortie structurée
- 3,0 fois moins de calcul d'attention que GLM 5.3
- Licence MIT pour usage commercial
Fournisseurs
Meilleur prixComparez les prix des API entre fournisseurs. Sélectionnez un fournisseur pour voir tous les tarifs et conditions.
| $0.15 | $0.5 | $0.03 | |
| $0.0413 | $0.12 | $0.00375 | |
| $0.15 | $0.5 | $0.03 | |
| $0.15 | $0.5 | $0.03 |
Ce que $10 permettent d'acheter
- Entrée
- 66,7 M tokens
- Sortie
- 20 M tokens
Estimation d'après les prix actuels d'entrée et de sortie, hors remises.
Benchmarks
- 29.0
Code Bench v1.0
Effort maximal ; comparé à Claude Opus 4.8 à 29.5.
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.
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"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-flashCe 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-flash",
"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.
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-flash",
"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.
Messages
Messages compatibles Anthropic pour les clients de style Claude.
POST
https://openapi.felo.ai/api/v1/messagesParamètres
modelstringglm-5.3-flashID public du modèle à appeler.max_tokensinteger—Nombre maximal de tokens générés.messagesarray—Messages de la conversation pour Chat Completions.frequency_penalty———include_reasoning———logit_bias———logprobs———min_p———parallel_tool_calls———presence_penalty———reasoning———reasoning_effort———repetition_penalty———response_formatobject—Demande une sortie structurée lorsque c'est pris en charge.seed———stop———structured_outputs———temperaturenumber—Contrôle la variété des réponses lorsque c'est pris en charge.tool_choicestring or object—Contrôle si un outil doit être appelé.toolsarray—Définitions de tool calling conformes au schéma compatible.top_k———top_logprobs———top_p———Questions fréquentes
Qu'est-ce que GLM 5.3 Flash?
Z.ai: GLM 5.3 Flash est un modèle à mélange d'experts comptant 320 milliards de paramètres au total et 18 milliards de paramètres actifs par token. Il s'appuie sur une architecture hybride combinant attention linéaire et attention creuse, répartie sur 45 couches, contre 92 pour la génération précédente. Entraîné sur un corpus multimédia de 30 billions de tokens, il part d'une base nouvellement entraînée plutôt que de réutiliser celle de GLM 5.2. Il accepte en entrée du texte et des images, produit du texte et traite un contexte allant jusqu'à 1 million de tokens. Le raisonnement est activé par défaut, et le modèle prend en charge l'appel d'outils, la sortie structurée ainsi que l'automatisation native des interfaces graphiques. Ses cas d'usage couvrent les assistants de codage conscients du dépôt, l'analyse d'images d'écran vers du code, les agents documentaires et les workflows répétés de revue de code. Il sait aussi convertir des captures d'écran et des maquettes en applications Next.js, générer des scripts de CAO paramétrique et des scènes Blender, ou encore réaliser un audit visuel automatique de documents d'entreprise aux formats PDF, PPTX, DOCX et XLSX. Il permet également des refactorisations massives et des correctifs de sécurité sur des bases de code héritées, ainsi que des agents de bureau en temps réel qui cliquent, saisissent du texte et lisent des captures d'écran en direct. Face au modèle phare GLM 5.3, il réduit sensiblement le coût d'inférence : il consomme 3,0 fois moins de calcul d'attention et affiche un cache KV 4,4 fois plus petit. Il surpasse GLM 5.2 sur les tests de codage et d'agents, et se montre particulièrement à l'aise en compréhension de captures d'écran, en analyse d'images et en questions-réponses visuelles. Conçu pour tourner à faible coût et répondre vite, il est distribué sous licence MIT pour un usage commercial ou personnel. Il ne doit toutefois pas être considéré automatiquement comme équivalent au modèle phare pour les charges de raisonnement ou d'ingénierie logicielle les plus exigeantes.
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.
Quelles entrées le modèle accepte-t-il ?
Il prend en charge le texte et les images en entrée, avec une sortie texte, ce qui en fait un modèle multimédia natif.
Quelle est la taille du contexte ?
La fenêtre de contexte atteint 1 million de tokens, adaptée au traitement de documents et de bases de code volumineux.
À quelles tâches est-il le plus adapté ?
Il convient aux assistants de codage, à l'analyse d'images d'écran, aux agents documentaires, aux revues de code répétées et à l'automatisation à long contexte, y compris l'audit de fichiers PDF, PPTX, DOCX et XLSX.
Quelles fonctionnalités agentiques propose-t-il ?
Le raisonnement est activé par défaut et le modèle prend en charge l'appel d'outils, la sortie structurée et l'automatisation native des interfaces graphiques.
Comment se compare-t-il aux autres modèles de la gamme ?
Il surpasse GLM 5.2 sur les tests de codage et d'agents, et consomme 3,0 fois moins de calcul d'attention ainsi qu'un cache KV 4,4 fois plus petit que GLM 5.3, ce qui réduit le coût d'inférence. Pour les charges de raisonnement ou d'ingénierie logicielle les plus difficiles, il ne doit pas être automatiquement considéré comme équivalent au modèle phare.