Felo API PlatformFelo API Platform
Kembali ke model
Z.aimessages

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
GLM 5.3: pelikan yang sedang bersepeda

Lihat pelikan buatan model ini

Lihat karya GLM 5.3 dari perintah yang sama.

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 terbaik
12 penyedia

Bandingkan harga API antarpenyedia. Pilih penyedia untuk melihat semua biaya dan ketentuan.

Penyedia · Detail harga
Ketersediaan
$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

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

  • Code Bench

    peningkatan dibanding GLM-5.2, tolok ukur internal vendor

    50%
  • Terminal Bench 3.0

    poin; GLM-5.2 mencetak 4,6, naik 23,7 poin

    28,3
  • DeepSWE v1.1

    poin; naik dari 46,2 pada GLM-5.2, peningkatan 20,7 poin

    66,9
  • Agents' Last Exam CLI

    poin; naik dari 23,8 pada GLM-5.2

    28,5
  • ExploitBench

    naik dari 24,4% pada GLM-5.2

    54,4%
  • CyberGym

    tolok ukur penemuan kerentanan

    84,5%
  • GDPval-AA v2

    poin di 44 kategori pekerjaan

    1769

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.

1

Siapkan kunci API

Buat kunci dari akun Felo API Platform Anda dan tetapkan sebagai variabel lingkungan.

export FELO_API_KEY="YOUR_API_KEY"
2

Kirim permintaan pertama

Gunakan ID model ini dengan endpoint Felo API Platform. Header permintaan opsional seperti X-Request-Id dapat membantu pemecahan masalah.

glm-5.3

Model 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.

3

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.

AntarmukaMetodeURL

Messages

Pesan yang kompatibel dengan Anthropic untuk klien bergaya Claude.

POST

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

Parameter

NamaTipeDefaultDeskripsi
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