GLM 5.3 Flash API
Z.ai: GLM 5.3 Flash is een native multimodaal Mixture-of-Experts model met een contextvenster van 1 miljoen tokens, reasoning standaard ingeschakeld en ondersteuning voor tool calling en gestructureerde output.
Z.ai: GLM 5.3 Flash is een native multimodaal model dat tekst- en afbeeldingsinvoer verwerkt en tekst uitvoert. Het is een Mixture-of-Experts-model met 320 miljard totale parameters en 18 miljard actieve parameters per token, gebouwd op 45 lagen en een hybride architectuur met lineaire en sparse attention. Het model is getraind op een multimodaal corpus van 30 biljoen tokens en start vanuit een nieuw getrainde basis in plaats van de basis van GLM 5.2. Reasoning staat standaard aan.
Het model is geschikt voor repository-bewust coderen, screenshot-naar-code-analyse, documentintensieve agents en workflows met veel herhalingen in code. Dankzij het contextvenster van 1 miljoen tokens ondersteunt het grootschalige refactoring en beveiligingspatches van legacy-codebases, end-to-end audits van PDF-, PPTX-, DOCX- en XLSX-bestanden, en visuele controle van bedrijfsdocumenten. Ook automatiseert het grafische gebruikersinterfaces, waaronder desktopagents die klikken, typen en live screenshots lezen, en het genereren van uitvoerbare 3D-parametrische CAD uit fysieke blauwdrukken.
GLM 5.3 Flash gebruikt 3,0 keer minder attention-rekenkracht en heeft een 4,4 keer kleinere KV-cache dan GLM 5.3, wat resulteert in aanzienlijk lagere inferentiekosten. In zeven dagen durende statuscontroles bedroeg de mediane tijd tot eerste token 280 milliseconden en de outputsnelheid 55 tokens per seconde. Het model is gelicentieerd onder MIT voor commercieel en persoonlijk gebruik en is beschikbaar via providers zoals Gate.AI, Lyceum en het eigen API-platform van Z.ai. Het moet niet automatisch worden beschouwd als gelijkwaardig aan het vlaggenschipmodel voor de zwaarste reasoning- of software-engineeringtaken.
Bijgewerkt:
MODEL-ID
glm-5.3-flash- Context
- 1.049M
- Max. uitvoer
- 943.718K
- Aanbevolen API
- messages
- Invoer
- text / image / video
- Uitvoer
- text
Hoogtepunten
- Contextvenster van 1 miljoen tokens
- Native multimodale tekst- en afbeeldingsinvoer
- 3,0x minder attention-rekenkracht dan GLM 5.3
- 4,4x kleinere KV-cache dan GLM 5.3
- Reasoning standaard ingeschakeld
- MIT-licentie voor commercieel gebruik
Aanbieders
Beste prijsVergelijk API-prijzen tussen aanbieders. Kies een aanbieder om alle kosten en voorwaarden te bekijken.
| $0.15 | $0.5 | $0.03 | |
| $0.0413 | $0.12 | $0.00375 | |
| $0.15 | $0.5 | $0.03 | |
| $0.15 | $0.5 | $0.03 |
Wat je voor $10 krijgt
- Invoer
- 66,7 mln. tokens
- Uitvoer
- 20 mln. tokens
Geschat op basis van de huidige invoer- en uitvoerprijzen, vóór kortingen.
Benchmarks
- 29.0
Code Bench v1.0
Maximale inspanning; vergeleken met Claude Opus 4.8 op 29.5
Scores zoals gepubliceerd door de modelaanbieder.
Redeneervermogen
- Standaardinspanning
- max
- Standaard ingeschakeld
- Ja
- Altijd ingeschakeld
- Ja
- Beschikbare inspanningsniveaus
- max / high / low
Snelstart
Kant-en-klare code om dit model aan te roepen met de compatibele API's van Felo API Platform. Begin in de Playground als je prompts wilt testen voordat je code schrijft.
API-sleutel instellen
Maak een sleutel in je Felo API Platform-account en stel deze in als omgevingsvariabele.
export FELO_API_KEY="YOUR_API_KEY"Je eerste aanvraag doen
Gebruik deze model-ID met het Felo API Platform-endpoint. Optionele requestheaders zoals X-Request-Id helpen bij het oplossen van problemen.
glm-5.3-flashDit model kan redeneren. Als het gekozen protocol en de modelroute reasoning-besturing bieden, bewaar dan de geretourneerde reasoning-metadata wanneer je het gesprek voortzet.
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());SDK's van derden gebruiken
Stel in compatibele SDK's baseURL in op https://openapi.felo.ai/api/v1. Gebruik voor clients in Claude-stijl de Anthropic-compatibele basis-URL. https://openapi.felo.ai/api.
Streaming inschakelen
Voeg stream: true toe om responses als server-sent events te ontvangen.
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 biedt compatibele oppervlakken voor modelaanroepen. Kies het oppervlak dat je app of agent-client al ondersteunt.
Messages
Anthropic-compatibele berichten voor clients in Claude-stijl.
POST
https://openapi.felo.ai/api/v1/messagesParameters
modelstringglm-5.3-flashOpenbare model-ID om aan te roepen.max_tokensinteger—Maximaal aantal gegenereerde tokens.messagesarray—Gespreksberichten voor Chat Completions.frequency_penalty———include_reasoning———logit_bias———logprobs———min_p———parallel_tool_calls———presence_penalty———reasoning———reasoning_effort———repetition_penalty———response_formatobject—Vraagt gestructureerde uitvoer aan wanneer ondersteund.seed———stop———structured_outputs———temperaturenumber—Bepaalt de variatie in antwoorden wanneer ondersteund.tool_choicestring or object—Bepaalt of een tool moet worden aangeroepen.toolsarray—Definities voor tool calling volgens het compatibele schema.top_k———top_logprobs———top_p———Veelgestelde vragen
Wat is GLM 5.3 Flash?
Z.ai: GLM 5.3 Flash is een native multimodaal model dat tekst- en afbeeldingsinvoer verwerkt en tekst uitvoert. Het is een Mixture-of-Experts-model met 320 miljard totale parameters en 18 miljard actieve parameters per token, gebouwd op 45 lagen en een hybride architectuur met lineaire en sparse attention. Het model is getraind op een multimodaal corpus van 30 biljoen tokens en start vanuit een nieuw getrainde basis in plaats van de basis van GLM 5.2. Reasoning staat standaard aan. Het model is geschikt voor repository-bewust coderen, screenshot-naar-code-analyse, documentintensieve agents en workflows met veel herhalingen in code. Dankzij het contextvenster van 1 miljoen tokens ondersteunt het grootschalige refactoring en beveiligingspatches van legacy-codebases, end-to-end audits van PDF-, PPTX-, DOCX- en XLSX-bestanden, en visuele controle van bedrijfsdocumenten. Ook automatiseert het grafische gebruikersinterfaces, waaronder desktopagents die klikken, typen en live screenshots lezen, en het genereren van uitvoerbare 3D-parametrische CAD uit fysieke blauwdrukken. GLM 5.3 Flash gebruikt 3,0 keer minder attention-rekenkracht en heeft een 4,4 keer kleinere KV-cache dan GLM 5.3, wat resulteert in aanzienlijk lagere inferentiekosten. In zeven dagen durende statuscontroles bedroeg de mediane tijd tot eerste token 280 milliseconden en de outputsnelheid 55 tokens per seconde. Het model is gelicentieerd onder MIT voor commercieel en persoonlijk gebruik en is beschikbaar via providers zoals Gate.AI, Lyceum en het eigen API-platform van Z.ai. Het moet niet automatisch worden beschouwd als gelijkwaardig aan het vlaggenschipmodel voor de zwaarste reasoning- of software-engineeringtaken.
Hoe wordt het gebruik gefactureerd?
Je factuur hangt af van de aanbieder die je gebruikt, de prijzen en je verbruik. Langere invoer of andere voorwaarden kunnen andere prijzen hebben.
Welke soorten invoer ondersteunt GLM 5.3 Flash?
Het model ondersteunt tekst- en afbeeldingsinvoer en genereert tekstuitvoer.
Hoe groot is het contextvenster van GLM 5.3 Flash?
Het model verwerkt lange contexten tot 1 miljoen tokens.
Waarvoor is GLM 5.3 Flash het meest geschikt?
Het is gebouwd voor repository-bewust coderen, screenshot-naar-code-analyse, documentintensieve agents en workflows met veel herhalingen in code. Dankzij het grote contextvenster en de multimodale invoer kunnen ook grote refactorings en visuele documentaudits worden uitgevoerd.
Wat is het verschil tussen GLM 5.3 Flash en GLM 5.3?
GLM 5.3 Flash gebruikt 3,0 keer minder attention-rekenkracht en heeft een 4,4 keer kleinere KV-cache dan GLM 5.3, wat leidt tot aanzienlijk lagere inferentiekosten. Het moet niet automatisch worden beschouwd als gelijkwaardig aan het vlaggenschipmodel voor de zwaarste reasoning- of software-engineeringtaken.
Ondersteunt GLM 5.3 Flash tool calling en gestructureerde output?
Ja, het model ondersteunt tool calling en gestructureerde output. Reasoning staat standaard ingeschakeld.