Felo API PlatformFelo API Platform
모델 목록으로 돌아가기
Z.aimessages

GLM 5.3 API

Z.ai의 GLM-5.3은 최대 100만 토큰 문맥을 지원하는 텍스트 기반 모델로, 장기 코딩 에이전트와 복잡한 소프트웨어 엔지니어링 작업에 특화되어 있습니다.

GLM-5.3은 Z.ai가 2026년 8월 14일 공개한 모델로, 텍스트 입력과 텍스트 출력을 지원하며 최대 100만 토큰의 문맥을 처리합니다. 동일한 7430억 파라미터 Mixture-of-Experts 기반 모델을 사용하지만, 모든 성능 향상은 아키텍처 변경이 아닌 포스트트레이닝에서 비롯되었습니다. 낮음, 높음, 최대의 세 가지 추론 강도 수준을 제공하는 사고 모드를 갖추고 있으며, 사고 모드를 비활성화할 수 없는 점이 GLM-5.2와의 주요 차이입니다.

이 모델은 장기 코딩 에이전트, 복잡한 소프트웨어 엔지니어링, 리팩터링과 CI 트리아지 같은 다단계 CLI 작업, 장기 실행 에이전트 루프, 저장소 규모 작업, ML 인프라 진단 및 최적화 등에 적합합니다. 코딩을 넘어선 광범위한 에이전트 작업에도 활용할 수 있습니다. 스트리밍 메시지, 함수 호출, 문맥 캐싱, JSON과 같은 구조화된 출력을 지원합니다.

Z.ai에 따르면 코딩 부문에서 가장 뛰어난 오픈 가중치 모델이며, Terminal Bench 3.0과 Agents' Last Exam에서 오픈소스 모델 중 최고 수준을 기록했습니다. 다만 일회성 완성보다 다단계 작업에서 성과가 집중되며, 사이버 능력은 공격 체인의 초기 단계에 강점이 집중되어 있어 심층 공격 및 완전한 공격·방어 워크플로에는 개선이 필요합니다. 벤더가 보고한 수치는 아직 독립적으로 재현되지 않았고, 현재 모델 API는 OpenAI Chat Completion 호환 프로토콜을 통해서만 사용할 수 있으며 접근은 GLM Coding Plan으로 제한됩니다.

업데이트:

모델 ID

glm-5.3
컨텍스트
1.049M
최대 출력
943.718K
권장 API
messages
입력
text
출력
text
GLM 5.3: 자전거를 타는 펠리컨

이 모델이 만든 펠리컨

GLM 5.3이 같은 요청으로 만든 결과를 확인해 보세요.

주요 특징

  • 최대 100만 토큰 문맥 지원
  • 낮음·높음·최대 3단계 사고 모드
  • 장기 코딩 에이전트에 특화
  • JSON 등 구조화된 출력 지원
  • 함수 호출과 문맥 캐싱 지원
  • 스트리밍 메시지 지원

제공 업체

최저가
12 제공 업체

제공 업체별 API 요금을 비교하세요. 공급자를 선택하면 전체 요금과 적용 조건을 확인할 수 있습니다.

제공 업체 · 요금 상세
가동률
$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

10달러로 얼마나 쓸 수 있나

입력
714.3만 토큰
출력
227.3만 토큰

현재 입력·출력 요금으로 계산한 추정치이며 할인은 포함하지 않습니다.

벤치마크

  • Code Bench

    GLM-5.2 대비 향상된 수치이며, 벤더 자체 벤치마크입니다.

    50%
  • Terminal Bench 3.0

    점수이며, GLM-5.2의 4.6점에서 23.7점 상승했습니다.

    28.3
  • DeepSWE v1.1

    점수이며, GLM-5.2의 46.2점에서 20.7점 향상되었습니다.

    66.9
  • Agents' Last Exam CLI

    점수이며, GLM-5.2의 23.8점에서 상승했습니다.

    28.5
  • ExploitBench

    GLM-5.2의 24.4%에서 상승했습니다.

    54.4%
  • CyberGym

    취약점 발견 벤치마크입니다.

    84.5%
  • GDPval-AA v2

    44개 직업 범주에 걸친 점수입니다.

    1769

점수는 모델 제공 업체가 공개한 값입니다.

추론

기본 추론 강도
max
기본 활성화
예
항상 활성화
예
선택 가능한 추론 강도
max / high / low

Quick Start

Felo API Platform 호환 API로 이 모델을 호출하는 코드입니다. 코드를 작성하기 전에 Playground에서 prompt를 테스트할 수 있습니다.

1

API key 설정

Felo API Platform 계정에서 key를 만들고 환경 변수로 설정하세요.

export FELO_API_KEY="YOUR_API_KEY"
2

첫 요청 보내기

이 모델 ID를 Felo API Platform endpoint와 함께 사용하세요. X-Request-Id 같은 선택 요청 헤더는 문제 해결에 도움이 됩니다.

glm-5.3

이 모델은 reasoning을 지원합니다. 선택한 protocol과 모델 라우트가 reasoning controls를 제공하는 경우 대화를 이어갈 때 반환된 reasoning metadata를 보존하세요.

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());

타사 SDK 사용

호환 SDK에서는 baseURL을 다음으로 설정합니다 https://openapi.felo.ai/api/v1. Claude-style clients에는 Anthropic-compatible base URL을 사용하세요. https://openapi.felo.ai/api.

3

Streaming 활성화

stream: true를 추가하면 server-sent events로 응답을 받을 수 있습니다.

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 Platform은 호환 가능한 모델 호출 surface를 제공합니다. 앱이나 Agent client가 이미 지원하는 surface를 선택하세요.

SurfaceMethodURL

Messages

Anthropic-compatible messages for Claude-style clients.

POST

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

Parameters

이름타입기본값설명
modelstringglm-5.3호출할 공개 모델 ID.
max_tokensinteger—생성할 최대 tokens.
messagesarray—Chat Completions의 대화 메시지.
seed———
stop———
min_p———
toolsarray—호환 schema를 따르는 tool calling definitions.
top_k———
top_p———
logprobs———
reasoning———
logit_bias———
temperaturenumber—지원되는 경우 응답 다양성을 제어합니다.
tool_choicestring or object—tool 호출 여부를 제어합니다.
top_logprobs———
response_formatobject—지원 시 structured output을 요청합니다.
presence_penalty———
reasoning_effort———
frequency_penalty———
include_reasoning———
repetition_penalty———
structured_outputs———
parallel_tool_calls———

자주 묻는 질문

모델 소개: GLM 5.3?

GLM-5.3은 Z.ai가 2026년 8월 14일 공개한 모델로, 텍스트 입력과 텍스트 출력을 지원하며 최대 100만 토큰의 문맥을 처리합니다. 동일한 7430억 파라미터 Mixture-of-Experts 기반 모델을 사용하지만, 모든 성능 향상은 아키텍처 변경이 아닌 포스트트레이닝에서 비롯되었습니다. 낮음, 높음, 최대의 세 가지 추론 강도 수준을 제공하는 사고 모드를 갖추고 있으며, 사고 모드를 비활성화할 수 없는 점이 GLM-5.2와의 주요 차이입니다. 이 모델은 장기 코딩 에이전트, 복잡한 소프트웨어 엔지니어링, 리팩터링과 CI 트리아지 같은 다단계 CLI 작업, 장기 실행 에이전트 루프, 저장소 규모 작업, ML 인프라 진단 및 최적화 등에 적합합니다. 코딩을 넘어선 광범위한 에이전트 작업에도 활용할 수 있습니다. 스트리밍 메시지, 함수 호출, 문맥 캐싱, JSON과 같은 구조화된 출력을 지원합니다. Z.ai에 따르면 코딩 부문에서 가장 뛰어난 오픈 가중치 모델이며, Terminal Bench 3.0과 Agents' Last Exam에서 오픈소스 모델 중 최고 수준을 기록했습니다. 다만 일회성 완성보다 다단계 작업에서 성과가 집중되며, 사이버 능력은 공격 체인의 초기 단계에 강점이 집중되어 있어 심층 공격 및 완전한 공격·방어 워크플로에는 개선이 필요합니다. 벤더가 보고한 수치는 아직 독립적으로 재현되지 않았고, 현재 모델 API는 OpenAI Chat Completion 호환 프로토콜을 통해서만 사용할 수 있으며 접근은 GLM Coding Plan으로 제한됩니다.

사용 요금은 어떻게 계산되나요?

이용하는 제공 업체의 요금과 실제 사용량에 따라 비용이 결정됩니다. 긴 입력 등에는 다른 요금이 적용될 수 있습니다.

GLM-5.3은 어떤 입력과 출력을 지원하나요?

텍스트 입력과 텍스트 출력만 지원합니다.

문맥 길이는 얼마나 되나요?

최대 100만 토큰의 문맥을 처리할 수 있습니다.

사고 모드를 끌 수 있나요?

아니요. GLM-5.3에서는 사고 모드를 비활성화할 수 없으며, 낮음·높음·최대 세 가지 추론 강도 수준 중에서 선택할 수 있습니다.

GLM-5.2와 무엇이 다른가요?

동일한 7430억 파라미터 Mixture-of-Experts 기반 모델을 사용하지만, 모든 개선이 포스트트레이닝에서 이루어졌습니다. 사고 모드를 끌 수 없게 된 점이 GLM-5.2와의 호환성 차이입니다.

어떤 작업에 가장 적합한가요?

장기 코딩 에이전트, 복잡한 소프트웨어 엔지니어링, 다단계 CLI 작업, 장기 실행 에이전트 루프, 저장소 규모 작업, ML 인프라 진단 및 최적화에 적합합니다.

구조화된 출력을 지원하나요?

네. JSON과 같은 형식의 구조화된 출력을 지원합니다.

관련 모델