GLM 5.3 Flash API
Model multimodal asli daripada Z.ai yang menggabungkan tetingkap konteks 1 juta token, input teks dan imej serta keupayaan agen pengekodan pada kos inferens yang jauh lebih rendah daripada GLM 5.3.
Z.ai: GLM 5.3 Flash ialah model Mixture-of-Experts dengan 320 bilion parameter keseluruhan dan 18 bilion parameter aktif setiap token. Ia dibina atas seni bina hibrid yang menggabungkan perhatian linear dan jarang, mempunyai 45 lapisan berbanding 92 lapisan dalam generasi sebelumnya, dan dilatih atas korpus multimodal 30 trilion token. Model ini bermula daripada asas yang baru dilatih dan tidak menggunakan semula asas GLM 5.2. Ia menyokong input teks dan imej secara asli, memproses konteks sehingga 1 juta token, dan reasoning dihidupkan secara lalai.
Model ini sesuai untuk tugasan yang memerlukan pemahaman visual dan automasi berskala besar. Antaranya ialah pembantu pengekodan sedar repositori, analisis tangkapan skrin kepada kod, agen yang banyak memproses dokumen, aliran kerja semakan kod berulang serta automasi konteks panjang. Ia juga menyokong audit visual automatik dokumen perusahaan termasuk PDF, PPTX dan DOCX, penjanaan CAD parametrik 3D yang boleh dilaksanakan daripada pelan fizikal 2D, pemfaktoran semula besar-besaran dan tampalan keselamatan kod warisan, agen desktop masa nyata yang mengklik, menaip dan membaca tangkapan skrin langsung, penukaran rakaman skrin dan reka bentuk menjadi aplikasi Next.js, serta penjanaan reka bentuk kejuruteraan spatial dan parametrik melalui skrip CAD parametrik dan babak Blender.
Dari segi kecekapan, GLM 5.3 Flash menggunakan 3.0 kali lebih sedikit pengiraan perhatian dan mempunyai cache KV 4.4 kali lebih kecil daripada GLM 5.3. Dalam pemeriksaan status tujuh hari, masa median kepada token pertama ialah 280 milisaat dan kelajuan output 55 token sesaat. Model ini dilesenkan di bawah MIT untuk kegunaan komersial dan peribadi, dan tersedia melalui pembekal termasuk Gate.AI, Lyceum dan platform API Z.ai sendiri. Walau bagaimanapun, had output dan had kadar khusus model tidak didedahkan secara jelas, dan model ini tidak seharusnya dianggap setara dengan model unggulan untuk beban kerja penalaran atau kejuruteraan perisian yang paling sukar.
Dikemas kini:
ID MODEL
glm-5.3-flash- Konteks
- 1.049M
- Output maks
- 943.718K
- API yang disyorkan
- messages
- Input
- text / image / video
- Output
- text
Sorotan
- Konteks 1 juta token
- Input teks dan imej asli
- 320B parameter, 18B aktif
- Reasoning dihidupkan secara lalai
- Panggilan alat dan output berstruktur
- Lesen MIT untuk kegunaan komersial
Penyedia
Harga terbaikBandingkan harga API merentas penyedia. Pilih penyedia untuk melihat semua caj dan syarat.
| $0.15 | $0.5 | $0.03 | |
| $0.0413 | $0.12 | $0.00375 | |
| $0.15 | $0.5 | $0.03 | |
| $0.15 | $0.5 | $0.03 |
Apa yang boleh dibeli dengan $10
- Input
- 66.7J token
- Output
- 20J token
Anggaran berdasarkan harga input dan output semasa, sebelum diskaun.
Penanda aras
- 29.0
Code Bench v1.0
usaha maksimum; berbanding Claude Opus 4.8 pada 29.5
Skor seperti yang diterbitkan oleh penyedia model.
Penaakulan
- Tahap usaha lalai
- max
- Diaktifkan secara lalai
- Ya
- Sentiasa diaktifkan
- Ya
- Tahap usaha yang tersedia
- max / high / low
Mula pantas
Kod sedia guna untuk memanggil model ini dengan API serasi Felo API Platform. Mulakan di Playground apabila anda ingin menguji prompt sebelum menulis kod.
Tetapkan kunci API
Cipta kunci daripada akaun Felo API Platform anda dan tetapkan sebagai pemboleh ubah persekitaran.
export FELO_API_KEY="YOUR_API_KEY"Hantar permintaan pertama
Gunakan ID model ini dengan endpoint Felo API Platform. Pengepala permintaan pilihan seperti X-Request-Id boleh membantu penyelesaian masalah.
glm-5.3-flashModel ini mampu membuat penaakulan. Jika protokol dan laluan model yang anda pilih menyediakan kawalan penaakulan, kekalkan metadata penaakulan yang dipulangkan apabila meneruskan perbualan.
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
Dalam SDK yang serasi, tetapkan baseURL kepada https://openapi.felo.ai/api/v1. Untuk klien gaya Claude, gunakan base URL yang serasi dengan Anthropic. https://openapi.felo.ai/api.
Dayakan penstriman
Tambah 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 antara muka panggilan model yang serasi. Pilih antara muka yang sudah disokong oleh aplikasi atau klien ejen anda.
Messages
Mesej serasi Anthropic untuk klien gaya Claude.
POST
https://openapi.felo.ai/api/v1/messagesParameter
modelstringglm-5.3-flashID model awam untuk dipanggil.max_tokensinteger—Bilangan maksimum token yang dijana.messagesarray—Mesej perbualan 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 berstruktur apabila disokong.seed———stop———structured_outputs———temperaturenumber—Mengawal kepelbagaian respons apabila disokong.tool_choicestring or object—Mengawal sama ada alat perlu dipanggil.toolsarray—Definisi tool calling mengikut skema serasi.top_k———top_logprobs———top_p———Soalan lazim
Mengenali GLM 5.3 Flash?
Z.ai: GLM 5.3 Flash ialah model Mixture-of-Experts dengan 320 bilion parameter keseluruhan dan 18 bilion parameter aktif setiap token. Ia dibina atas seni bina hibrid yang menggabungkan perhatian linear dan jarang, mempunyai 45 lapisan berbanding 92 lapisan dalam generasi sebelumnya, dan dilatih atas korpus multimodal 30 trilion token. Model ini bermula daripada asas yang baru dilatih dan tidak menggunakan semula asas GLM 5.2. Ia menyokong input teks dan imej secara asli, memproses konteks sehingga 1 juta token, dan reasoning dihidupkan secara lalai. Model ini sesuai untuk tugasan yang memerlukan pemahaman visual dan automasi berskala besar. Antaranya ialah pembantu pengekodan sedar repositori, analisis tangkapan skrin kepada kod, agen yang banyak memproses dokumen, aliran kerja semakan kod berulang serta automasi konteks panjang. Ia juga menyokong audit visual automatik dokumen perusahaan termasuk PDF, PPTX dan DOCX, penjanaan CAD parametrik 3D yang boleh dilaksanakan daripada pelan fizikal 2D, pemfaktoran semula besar-besaran dan tampalan keselamatan kod warisan, agen desktop masa nyata yang mengklik, menaip dan membaca tangkapan skrin langsung, penukaran rakaman skrin dan reka bentuk menjadi aplikasi Next.js, serta penjanaan reka bentuk kejuruteraan spatial dan parametrik melalui skrip CAD parametrik dan babak Blender. Dari segi kecekapan, GLM 5.3 Flash menggunakan 3.0 kali lebih sedikit pengiraan perhatian dan mempunyai cache KV 4.4 kali lebih kecil daripada GLM 5.3. Dalam pemeriksaan status tujuh hari, masa median kepada token pertama ialah 280 milisaat dan kelajuan output 55 token sesaat. Model ini dilesenkan di bawah MIT untuk kegunaan komersial dan peribadi, dan tersedia melalui pembekal termasuk Gate.AI, Lyceum dan platform API Z.ai sendiri. Walau bagaimanapun, had output dan had kadar khusus model tidak didedahkan secara jelas, dan model ini tidak seharusnya dianggap setara dengan model unggulan untuk beban kerja penalaran atau kejuruteraan perisian yang paling sukar.
Bagaimana penggunaan dicaj?
Bil anda bergantung pada penyedia yang anda gunakan, harganya dan penggunaan anda. Input yang lebih panjang atau syarat lain mungkin dikenakan harga berbeza.
Apakah jenis input yang disokong oleh GLM 5.3 Flash?
Model ini menerima input teks dan imej secara asli, dan menghasilkan output teks. Ia juga menyokong panggilan alat dan output berstruktur.
Berapakah panjang konteks dan had output model ini?
GLM 5.3 Flash mempunyai tetingkap konteks 1 juta token. Had output maksimum tidak didedahkan secara jelas dalam maklumat yang tersedia.
Apakah tugasan yang paling sesuai untuk GLM 5.3 Flash?
Ia sesuai untuk pembantu pengekodan sedar repositori, analisis tangkapan skrin kepada kod, agen yang memproses banyak dokumen, semakan kod berulang dan automasi konteks panjang. Ia juga sesuai untuk audit visual dokumen perusahaan serta penjanaan CAD parametrik daripada pelan fizikal.
Apakah perbezaan antara GLM 5.3 Flash dan GLM 5.3?
GLM 5.3 Flash menggunakan 3.0 kali lebih sedikit pengiraan perhatian dan mempunyai cache KV 4.4 kali lebih kecil daripada GLM 5.3, dengan kos inferens yang jauh lebih rendah. Walau bagaimanapun, ia tidak seharusnya dianggap setara dengan model unggulan untuk beban kerja penalaran atau kejuruteraan perisian yang paling sukar.
Adakah GLM 5.3 Flash menyokong reasoning?
Ya, reasoning dihidupkan secara lalai dalam model ini. Ia juga menyokong panggilan alat dan keupayaan output berstruktur.
Di manakah GLM 5.3 Flash boleh diakses?
Model ini tersedia melalui pembekal termasuk Gate.AI, Lyceum dan platform API Z.ai sendiri. ID model ialah glm-5.3-flash atau z-ai/glm-5.3-flash bergantung pada pembekal.