GLM 5.3 Flash API
GLM 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.
GLM 5.3 Flash adalah model bahasa Mixture-of-Experts dari Z.ai dengan 320 miliar parameter total dan 18 miliar parameter aktif per token. Model ini mengadopsi arsitektur hibrida yang menggabungkan attention linear dan sparse, terdiri dari 45 lapisan, serta dilatih pada korpus multimodal 30 triliun token. Model ini dilatih dari basis baru, bukan menggunakan ulang basis GLM 5.2. Dengan jendela konteks 1 juta token dan input multimodal native berupa teks dan gambar, GLM 5.3 Flash mendukung penalaran yang aktif secara default, pemanggilan tool, serta output terstruktur.
Model ini cocok untuk asisten pemrograman yang memahami repositori, analisis screenshot-to-code, agen yang menangani banyak dokumen, alur kerja tinjauan kode berulang, dan otomasi konteks panjang. Kemampuannya juga mencakup audit visual otomatis dokumen perusahaan seperti PDF, PPTX, DOCX, dan XLSX, pembuatan CAD parametrik 3D yang dapat dieksekusi dari cetak biru fisik 2D, refaktorisasi besar-besaran dan patching keamanan pada basis kode legacy, agen desktop real-time yang melakukan klik, pengetikan, dan pembacaan screenshot langsung, konversi rekaman layar dan desain menjadi aplikasi Next.js, serta desain teknik spasial dan parametrik dengan skrip CAD parametrik dan scene Blender.
Dibandingkan model unggulan GLM 5.3, GLM 5.3 Flash menggunakan komputasi attention 3,0 kali lebih sedikit dan memiliki KV cache 4,4 kali lebih kecil, sehingga biaya inferensinya jauh lebih rendah. Model ini mengungguli GLM 5.2 pada pengujian pemrograman dan agen, serta menunjukkan performa kuat dalam pemahaman screenshot, analisis gambar, dan tanya jawab visual. Meskipun demikian, model ini tidak serta-merta setara dengan model unggulan untuk beban kerja penalaran atau rekayasa perangkat lunak tersulit. Lisensinya MIT untuk penggunaan komersial dan pribadi.
Diperbarui:
ID MODEL
glm-5.3-flash- Konteks
- 1.049M
- Output maks
- 943.718K
- API yang direkomendasikan
- messages
- Masukan
- text / image / video
- Keluaran
- text
Sorotan
- Konteks 1 juta token
- Input multimodal teks dan gambar
- 320 miliar parameter total, 18 miliar aktif
- Biaya inferensi lebih rendah dari GLM 5.3
- Lisensi MIT untuk komersial dan pribadi
- Penalaran aktif secara default
Penyedia
Harga terbaikBandingkan harga API antarpenyedia. Pilih penyedia untuk melihat semua biaya dan ketentuan.
| $0.15 | $0.5 | $0.03 | |
| $0.0413 | $0.12 | $0.00375 | |
| $0.15 | $0.5 | $0.03 | |
| $0.15 | $0.5 | $0.03 |
Yang bisa dibeli dengan $10
- Masukan
- 66,7 jt token
- Keluaran
- 20 jt token
Perkiraan dari harga masukan dan keluaran saat ini, sebelum diskon.
Tolok ukur
- 29.0
Code Bench v1.0
upaya maksimal; dibandingkan dengan Claude Opus 4.8 pada 29.5
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-5.3-flashModel 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-flash",
"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-flash",
"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-5.3-flashID model publik yang akan dipanggil.max_tokensinteger—Jumlah maksimum token yang dihasilkan.messagesarray—Pesan percakapan untuk Chat Completions.frequency_penalty———include_reasoning———logit_bias———logprobs———min_p———parallel_tool_calls———presence_penalty———reasoning———reasoning_effort———repetition_penalty———response_formatobject—Meminta output terstruktur jika didukung.seed———stop———structured_outputs———temperaturenumber—Mengontrol variasi respons jika didukung.tool_choicestring or object—Mengontrol apakah suatu alat harus dipanggil.toolsarray—Definisi tool calling sesuai skema yang kompatibel.top_k———top_logprobs———top_p———Pertanyaan umum
Mengenal GLM 5.3 Flash?
GLM 5.3 Flash adalah model bahasa Mixture-of-Experts dari Z.ai dengan 320 miliar parameter total dan 18 miliar parameter aktif per token. Model ini mengadopsi arsitektur hibrida yang menggabungkan attention linear dan sparse, terdiri dari 45 lapisan, serta dilatih pada korpus multimodal 30 triliun token. Model ini dilatih dari basis baru, bukan menggunakan ulang basis GLM 5.2. Dengan jendela konteks 1 juta token dan input multimodal native berupa teks dan gambar, GLM 5.3 Flash mendukung penalaran yang aktif secara default, pemanggilan tool, serta output terstruktur. Model ini cocok untuk asisten pemrograman yang memahami repositori, analisis screenshot-to-code, agen yang menangani banyak dokumen, alur kerja tinjauan kode berulang, dan otomasi konteks panjang. Kemampuannya juga mencakup audit visual otomatis dokumen perusahaan seperti PDF, PPTX, DOCX, dan XLSX, pembuatan CAD parametrik 3D yang dapat dieksekusi dari cetak biru fisik 2D, refaktorisasi besar-besaran dan patching keamanan pada basis kode legacy, agen desktop real-time yang melakukan klik, pengetikan, dan pembacaan screenshot langsung, konversi rekaman layar dan desain menjadi aplikasi Next.js, serta desain teknik spasial dan parametrik dengan skrip CAD parametrik dan scene Blender. Dibandingkan model unggulan GLM 5.3, GLM 5.3 Flash menggunakan komputasi attention 3,0 kali lebih sedikit dan memiliki KV cache 4,4 kali lebih kecil, sehingga biaya inferensinya jauh lebih rendah. Model ini mengungguli GLM 5.2 pada pengujian pemrograman dan agen, serta menunjukkan performa kuat dalam pemahaman screenshot, analisis gambar, dan tanya jawab visual. Meskipun demikian, model ini tidak serta-merta setara dengan model unggulan untuk beban kerja penalaran atau rekayasa perangkat lunak tersulit. Lisensinya MIT untuk penggunaan komersial dan pribadi.
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.
Apa saja jenis input yang didukung GLM 5.3 Flash?
Model ini menerima input teks dan gambar secara native, serta menghasilkan output berupa teks.
Berapa panjang konteks yang dapat ditangani?
GLM 5.3 Flash memiliki jendela konteks 1 juta token. Batas output maksimum tidak dipaparkan secara mencolok dalam informasi yang tersedia.
Tugas apa yang paling cocok untuk model ini?
Model ini cocok untuk asisten pemrograman yang memahami repositori, analisis screenshot-to-code, agen yang menangani banyak dokumen, alur kerja tinjauan kode berulang, serta otomasi konteks panjang dan audit dokumen perusahaan.
Apa perbedaan GLM 5.3 Flash dengan GLM 5.3?
GLM 5.3 Flash menggunakan komputasi attention 3,0 kali lebih sedikit dan KV cache 4,4 kali lebih kecil daripada GLM 5.3, sehingga biaya inferensinya jauh lebih rendah. Namun, model ini tidak serta-merta setara dengan model unggulan untuk beban kerja penalaran atau rekayasa perangkat lunak tersulit.
Bagaimana lisensi dan ketersediaan model ini?
Model ini dilisensikan di bawah MIT untuk penggunaan komersial dan pribadi. Tersedia melalui penyedia seperti Gate.AI, Lyceum, dan platform API Z.ai sendiri, dengan ID model glm-5.3-flash atau z-ai/glm-5.3-flash tergantung penyedianya.