GLM 5.3 Flash API
מודל פתוח של Z.ai עם חלון הקשר של מיליון טוקנים, קלט טקסט ותמונות, תמיכה בקריאה לכלים ופלט מובנה, המיועד לעבודה סוכנית מהירה וחסכונית.
GLM 5.3 Flash של Z.ai הוא מודל Mixture-of-Experts עם 320 מיליארד פרמטרים בסך הכול ו-18 מיליארד פרמטרים פעילים לכל טוקן, בעל 45 שכבות וארכיטקטורה היברידית המשלבת קשב ליניארי וקשב דליל. הוא אומן על קורפוס מולטימודלי של 30 טריליון טוקנים, מתחיל מבסיס חדש שאומן מאפס ולא מבסיס של GLM 5.2, ומופץ ברישיון MIT לשימוש מסחרי ופרטי. המודל קולט טקסט ותמונות ומייצר טקסט, תומך בחלון הקשר של עד מיליון טוקנים, מפעיל חשיבה כברירת מחדל, ומציע קריאה לכלים ופלט מובנה.
הוא מתאים במיוחד למשימות סוכניות ארוכות-הקשר: עוזרי קידוד מודעי-מאגר, ניתוח קוד מצילומי מסך, סוכנים העובדים על מסמכים כבדים, סקירות קוד חוזרות, ביקורת חזותית אוטומטית של מסמכי PDF, PPTX ו-DOCX, יצירת CAD פרמטרי מתוכניות דו-ממדיות, ריפקטורינג ותיקוני אבטחה המוניים במערכות קוד מדור קודם, סוכני שולחן עבודה בזמן אמת, המרת הקלטות מסך ועיצובים לאפליקציות Next.js, ותהליכי ביקורת משרדיים מקצה לקצה הכוללים גם XLSX.
בהשוואה ל-GLM 5.3, המודל משתמש בפי 3.0 פחות מחשוב קשב ובמטמון KV קטן פי 4.4, ועלות ההסקה שלו נמוכה משמעותית; הוא עוקף את GLM 5.2 במבחני קידוד וסוכנים. עם זאת, אין להתייחס אליו אוטומטית כשווה למודל הדגל במשימות החשיבה וההנדסה התוכנתית הקשות ביותר. מגבלות נוספות שאינן מוצגות באופן בולט: תקרת טוקנים לפלט, מחיר כתיבת מטמון, תמיכה בכיוונון עדין ומגבלות קצב ספציפיות למודל.
עודכן:
MODEL ID
glm-5.3-flash- הקשר
- 1.049M
- פלט מרבי
- 943.718K
- API מומלץ
- messages
- קלט
- text / image / video
- פלט
- text
עיקרי הדברים
- חלון הקשר של מיליון טוקנים
- קלט מולטימודלי מקורי: טקסט ותמונות
- חשיבה פעילה כברירת מחדל
- תמיכה בקריאה לכלים ופלט מובנה
- אוטומציה של ממשק גרפי
- עלות הסקה נמוכה משמעותית מ-GLM 5.3
- רישיון MIT
ספקים
המחיר הטוב ביותרהשוו מחירי API בין ספקים. בחרו ספק כדי לראות את כל החיובים והתנאים.
| $0.15 | $0.5 | $0.03 | |
| $0.0413 | $0.12 | $0.00375 | |
| $0.15 | $0.5 | $0.03 | |
| $0.15 | $0.5 | $0.03 |
מה קונים ב-10 $
- קלט
- 66.7M טוקנים
- פלט
- 20M טוקנים
הערכה לפי מחירי הקלט והפלט הנוכחיים, לפני הנחות.
בנצ׳מרקים
- 29.0
Code Bench v1.0
במאמץ מרבי; לעומת Claude Opus 4.8 עם 29.5
ציונים כפי שפורסמו על ידי ספק המודל.
חשיבה
- מאמץ ברירת מחדל
- max
- מופעל כברירת מחדל
- כן
- מופעל תמיד
- כן
- רמות מאמץ זמינות
- max / high / low
התחלה מהירה
קוד מוכן לקריאה למודל הזה עם ממשקי API תואמי Felo API Platform. התחילו ב-Playground כשרוצים לבדוק פרומפטים לפני כתיבת קוד.
קבלו את מפתח ה-API שלכם
צרו מפתח בחשבון Felo API Platform שלכם והגדירו אותו כמשתנה סביבה.
export FELO_API_KEY="YOUR_API_KEY"שלחו את הבקשה הראשונה
השתמשו במזהה המודל הזה עם ה-endpoint של Felo API Platform. כותרות בקשה אופציונליות כמו X-Request-Id יכולות לעזור באיתור תקלות.
glm-5.3-flashהמודל הזה תומך בהסקה. אם הפרוטוקול ומסלול המודל שנבחרו חושפים פקדי הסקה, שמרו את מטא-נתוני ההסקה המוחזרים כשממשיכים שיחה.
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());שימוש ב-SDK של צד שלישי
השתמשו ב-SDK תואמים על ידי הגדרת baseURL ל- https://openapi.felo.ai/api/v1. השתמשו בכתובת הבסיס התואמת ל-Anthropic עבור לקוחות בסגנון Claude. https://openapi.felo.ai/api.
הפעילו סטרימינג
הוסיפו stream: true כדי לקבל תגובות כאירועים הנשלחים מהשרת.
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 חושף משטחים תואמים לקריאה למודלים. בחרו את המשטח שהאפליקציה או לקוח הסוכן שלכם כבר תומך בו.
Messages
הודעות תואמות Anthropic עבור לקוחות בסגנון Claude.
POST
https://openapi.felo.ai/api/v1/messagesפרמטרים
modelstringglm-5.3-flashמזהה המודל הציבורי לקריאה.max_tokensinteger—מספר ה-token המרבי שייוצר.messagesarray—הודעות שיחה עבור Chat Completions.frequency_penalty———include_reasoning———logit_bias———logprobs———min_p———parallel_tool_calls———presence_penalty———reasoning———reasoning_effort———repetition_penalty———response_formatobject—בקשת פלט מובנה כשנתמך.seed———stop———structured_outputs———temperaturenumber—שולט במגוון התגובות כשנתמך.tool_choicestring or object—שולט אם יש לקרוא לכלי.toolsarray—הגדרות קריאת כלים לפי סכימה תואמת.top_k———top_logprobs———top_p———שאלות נפוצות
מהו GLM 5.3 Flash?
GLM 5.3 Flash של Z.ai הוא מודל Mixture-of-Experts עם 320 מיליארד פרמטרים בסך הכול ו-18 מיליארד פרמטרים פעילים לכל טוקן, בעל 45 שכבות וארכיטקטורה היברידית המשלבת קשב ליניארי וקשב דליל. הוא אומן על קורפוס מולטימודלי של 30 טריליון טוקנים, מתחיל מבסיס חדש שאומן מאפס ולא מבסיס של GLM 5.2, ומופץ ברישיון MIT לשימוש מסחרי ופרטי. המודל קולט טקסט ותמונות ומייצר טקסט, תומך בחלון הקשר של עד מיליון טוקנים, מפעיל חשיבה כברירת מחדל, ומציע קריאה לכלים ופלט מובנה. הוא מתאים במיוחד למשימות סוכניות ארוכות-הקשר: עוזרי קידוד מודעי-מאגר, ניתוח קוד מצילומי מסך, סוכנים העובדים על מסמכים כבדים, סקירות קוד חוזרות, ביקורת חזותית אוטומטית של מסמכי PDF, PPTX ו-DOCX, יצירת CAD פרמטרי מתוכניות דו-ממדיות, ריפקטורינג ותיקוני אבטחה המוניים במערכות קוד מדור קודם, סוכני שולחן עבודה בזמן אמת, המרת הקלטות מסך ועיצובים לאפליקציות Next.js, ותהליכי ביקורת משרדיים מקצה לקצה הכוללים גם XLSX. בהשוואה ל-GLM 5.3, המודל משתמש בפי 3.0 פחות מחשוב קשב ובמטמון KV קטן פי 4.4, ועלות ההסקה שלו נמוכה משמעותית; הוא עוקף את GLM 5.2 במבחני קידוד וסוכנים. עם זאת, אין להתייחס אליו אוטומטית כשווה למודל הדגל במשימות החשיבה וההנדסה התוכנתית הקשות ביותר. מגבלות נוספות שאינן מוצגות באופן בולט: תקרת טוקנים לפלט, מחיר כתיבת מטמון, תמיכה בכיוונון עדין ומגבלות קצב ספציפיות למודל.
איך מחייבים על השימוש?
החיוב שלכם תלוי בספק שאתם משתמשים בו, במחירים שלו ובשימוש שלכם. קלט ארוך יותר או תנאים אחרים עשויים להיות במחיר שונה.
אילו סוגי קלט המודל תומך בהם?
המודל קולט טקסט ותמונות ומייצר טקסט, כלומר קלט מולטימודלי מקורי.
מהו אורך חלון ההקשר?
חלון ההקשר עומד על מיליון טוקנים, מה שמאפשר עיבוד של מסמכים ומאגרי קוד גדולים.
לאילו משימות הוא מתאים במיוחד?
הוא בולט בעבודה סוכנית ארוכת-הקשר: קידוד, ניתוח מסמכים וצילומי מסך, ביקורת חזותית, אוטומציה של ממשק משתמש וריפקטורינג רחב היקף.
מה ההבדל בינו לבין GLM 5.3?
GLM 5.3 Flash צורך פי 3.0 פחות מחשוב קשב, מטמון KV קטן פי 4.4 ועלות הסקה נמוכה משמעותית, אך אינו שקול למודל הדגל במשימות החשיבה וההנדסה הקשות ביותר.
האם הוא עוקף את GLM 5.2?
כן, לפי נתוני היצרן הוא עוקף את GLM 5.2 במבחני קידוד וסוכנים.
האם אפשר להשתמש בו מסחרית?
כן, המודל מופץ ברישיון MIT ומאפשר שימוש מסחרי ופרטי.