GLM 5.3 API
GLM-5.3 dari Z.ai adalah model open-weights untuk coding agentik dan tugas siber, dengan konteks hingga 1 juta token dan mode berpikir berjenjang.
GLM-5.3 adalah model bahasa dari Z.ai yang dibangun di atas arsitektur Mixture-of-Experts 743 miliar parameter yang sama dengan GLM-5.2. Seluruh peningkatan datang dari post-training, bukan perubahan arsitektur. Model ini menerima input teks dan menghasilkan output teks, dengan konteks hingga 1 juta token. Mode berpikir mendukung tiga tingkat upaya penalaran: low, high, dan max, dan berpikir tidak lagi dapat dinonaktifkan. Fitur lain mencakup streaming pesan, pemanggilan fungsi untuk integrasi alat, caching konteks untuk percakapan panjang, serta output terstruktur seperti JSON.
Model ini paling cocok untuk agen coding berjangka panjang, rekayasa perangkat lunak kompleks, dan tugas CLI multi-langkah seperti refactor dan triase CI. Ia juga dirancang untuk pekerjaan skala repositori, diagnosis dan optimasi infrastruktur ML, serta tugas agentik yang lebih luas di luar coding. Z.ai menyebutnya sebagai model open-weights paling mampu untuk coding, dengan keunggulan terkonsentrasi pada pekerjaan multi-langkah, dan dapat melakukan pekerjaan setara dengan sekitar 50.000 token alih-alih 120.000 token.
Pada tolok ukur internal, GLM-5.3 mencatat 50% di Code Bench, 28,3 poin di Terminal Bench 3.0 (naik dari 4,6 poin pada GLM-5.2), dan 66,9 poin di DeepSWE v1.1 (naik dari 46,2 poin). Skor Agents' Last Exam CLI mencapai 28,5 poin, ExploitBench 54,4%, dan CyberGym 84,5%. Pada GDPval-AA v2, model ini meraih 1769 poin di 44 kategori pekerjaan. Perlu dicatat bahwa angka-angka ini dilaporkan vendor dan belum direplikasi secara independen, dan kemampuan model masih jauh di bawah model closed frontier saat ini.
Diperbarui:
ID MODEL
glm-5.3- Konteks
- 1.049M
- Output maks
- 943.718K
- API yang direkomendasikan
- messages
- Masukan
- text
- Keluaran
- text

Sorotan
- Konteks hingga 1 juta token
- Tiga tingkat upaya berpikir
- Output terstruktur seperti JSON
- Pemanggilan fungsi untuk integrasi alat
- Caching konteks untuk percakapan panjang
- Model open-weights untuk coding
Penyedia
Harga terbaikBandingkan harga API antarpenyedia. Pilih penyedia untuk melihat semua biaya dan ketentuan.
| Ketersediaan | ||||
|---|---|---|---|---|
| $1.4 | $4.4 | $0.26 | ||
| $0.7 | $2.2 | $0.13 | ||
| $0.91 | $2.86 | $0.169 | ||
| $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 |
Statistik historis bukan pemeriksaan langsung. Data yang hilang tidak berarti gangguan.
Yang bisa dibeli dengan $10
- Masukan
- 7,1 jt token
- Keluaran
- 2,3 jt token
Perkiraan dari harga masukan dan keluaran saat ini, sebelum diskon.
Tolok ukur
- 50%
Code Bench
peningkatan dibanding GLM-5.2, tolok ukur internal vendor
- 28,3
Terminal Bench 3.0
poin; GLM-5.2 mencetak 4,6, naik 23,7 poin
- 66,9
DeepSWE v1.1
poin; naik dari 46,2 pada GLM-5.2, peningkatan 20,7 poin
- 28,5
Agents' Last Exam CLI
poin; naik dari 23,8 pada GLM-5.2
- 54,4%
ExploitBench
naik dari 24,4% pada GLM-5.2
- 84,5%
CyberGym
tolok ukur penemuan kerentanan
- 1769
GDPval-AA v2
poin di 44 kategori pekerjaan
Skor sesuai publikasi penyedia model.
Penalaran
- Tingkat usaha bawaan
- max
- Aktif secara bawaan
- Ya
- Selalu aktif
- Ya
- Tingkat usaha yang tersedia
- max / high / low
Mulai cepat
Kode siap pakai untuk memanggil model ini dengan API yang kompatibel dari Felo API Platform. Mulai di Playground jika Anda ingin menguji prompt sebelum menulis kode.
Siapkan kunci API
Buat kunci dari akun Felo API Platform Anda dan tetapkan sebagai variabel lingkungan.
export FELO_API_KEY="YOUR_API_KEY"Kirim permintaan pertama
Gunakan ID model ini dengan endpoint Felo API Platform. Header permintaan opsional seperti X-Request-Id dapat membantu pemecahan masalah.
glm-5.3Model ini mampu melakukan penalaran. Jika protokol dan rute model yang Anda pilih menyediakan kontrol penalaran, pertahankan metadata penalaran yang dikembalikan saat melanjutkan percakapan.
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());Menggunakan SDK pihak ketiga
Pada SDK yang kompatibel, tetapkan baseURL ke https://openapi.felo.ai/api/v1. Untuk klien bergaya Claude, gunakan base URL yang kompatibel dengan Anthropic. https://openapi.felo.ai/api.
Aktifkan streaming
Tambahkan stream: true untuk menerima respons sebagai 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 menyediakan antarmuka pemanggilan model yang kompatibel. Pilih antarmuka yang sudah didukung aplikasi atau klien agen Anda.
Messages
Pesan yang kompatibel dengan Anthropic untuk klien bergaya Claude.
POST
https://openapi.felo.ai/api/v1/messagesParameter
modelstringglm-5.3ID model publik yang akan dipanggil.max_tokensinteger—Jumlah maksimum token yang dihasilkan.messagesarray—Pesan percakapan untuk Chat Completions.seed———stop———min_p———toolsarray—Definisi tool calling sesuai skema yang kompatibel.top_k———top_p———logprobs———reasoning———logit_bias———temperaturenumber—Mengontrol variasi respons jika didukung.tool_choicestring or object—Mengontrol apakah suatu alat harus dipanggil.top_logprobs———response_formatobject—Meminta output terstruktur jika didukung.presence_penalty———reasoning_effort———frequency_penalty———include_reasoning———repetition_penalty———structured_outputs———parallel_tool_calls———Pertanyaan umum
Mengenal GLM 5.3?
GLM-5.3 adalah model bahasa dari Z.ai yang dibangun di atas arsitektur Mixture-of-Experts 743 miliar parameter yang sama dengan GLM-5.2. Seluruh peningkatan datang dari post-training, bukan perubahan arsitektur. Model ini menerima input teks dan menghasilkan output teks, dengan konteks hingga 1 juta token. Mode berpikir mendukung tiga tingkat upaya penalaran: low, high, dan max, dan berpikir tidak lagi dapat dinonaktifkan. Fitur lain mencakup streaming pesan, pemanggilan fungsi untuk integrasi alat, caching konteks untuk percakapan panjang, serta output terstruktur seperti JSON. Model ini paling cocok untuk agen coding berjangka panjang, rekayasa perangkat lunak kompleks, dan tugas CLI multi-langkah seperti refactor dan triase CI. Ia juga dirancang untuk pekerjaan skala repositori, diagnosis dan optimasi infrastruktur ML, serta tugas agentik yang lebih luas di luar coding. Z.ai menyebutnya sebagai model open-weights paling mampu untuk coding, dengan keunggulan terkonsentrasi pada pekerjaan multi-langkah, dan dapat melakukan pekerjaan setara dengan sekitar 50.000 token alih-alih 120.000 token. Pada tolok ukur internal, GLM-5.3 mencatat 50% di Code Bench, 28,3 poin di Terminal Bench 3.0 (naik dari 4,6 poin pada GLM-5.2), dan 66,9 poin di DeepSWE v1.1 (naik dari 46,2 poin). Skor Agents' Last Exam CLI mencapai 28,5 poin, ExploitBench 54,4%, dan CyberGym 84,5%. Pada GDPval-AA v2, model ini meraih 1769 poin di 44 kategori pekerjaan. Perlu dicatat bahwa angka-angka ini dilaporkan vendor dan belum direplikasi secara independen, dan kemampuan model masih jauh di bawah model closed frontier saat ini.
Bagaimana penggunaan ditagih?
Tagihan Anda bergantung pada penyedia yang digunakan, tarifnya, dan penggunaan Anda. Masukan yang lebih panjang atau ketentuan lain dapat memiliki harga berbeda.
Modalitas apa yang didukung GLM-5.3?
GLM-5.3 menerima input teks dan menghasilkan output teks.
Berapa panjang konteks yang didukung?
Konteksnya mencapai hingga 1 juta token.
Apakah mode berpikir dapat dinonaktifkan?
Tidak. Berpikir tidak lagi dapat dinonaktifkan, dan ini merupakan perubahan yang memutus kompatibilitas bagi aplikasi yang sebelumnya berjalan tanpa berpikir.
Tingkat upaya berpikir apa saja yang tersedia?
Tersedia tiga tingkat: low, high, dan max.
Untuk tugas apa model ini paling cocok?
Model ini cocok untuk agen coding berjangka panjang, rekayasa perangkat lunak kompleks, tugas CLI multi-langkah, pekerjaan skala repositori, diagnosis dan optimasi infrastruktur ML, serta tugas agentik yang lebih luas.
Apa perbedaan GLM-5.3 dengan GLM-5.2?
GLM-5.3 menggunakan model dasar yang sama persis dengan GLM-5.2, dan seluruh peningkatan berasal dari post-training. Salah satu perbedaan penting adalah berpikir tidak lagi dapat dinonaktifkan.
Model terkait
GLM 5.3 FlashX Legal
Z.aiglm-5.3-flashx-legalModel legal multimodal dari Z.ai dengan konteks sekitar satu juta token, keluaran 128K token, dan mode berpikir yang selalu aktif untuk tugas hukum agentik.
Konteks
1.049M
Output maks
131.072K
Token masukan
$0.37 / 1M token
Token keluaran
$1.25 / 1M token
GLM 5.3 Flash
Z.aiglm-5.3-flashGLM 5.3 Flash dari Z.ai adalah model Mixture-of-Experts multimodal dengan konteks 1 juta token yang dirancang untuk tugas agen, pemrograman, dan analisis gambar dengan biaya inferensi lebih rendah.
Konteks
1.049M
Output maks
943.717K
Token masukan
$0.15 / 1M token
Token keluaran
$0.5 / 1M token