GLM 5.3 Flash API
O GLM 5.3 Flash é um modelo multimodal nativo da Z.ai, com janela de contexto de 1 milhão de tokens, raciocínio ativado por padrão, chamada de ferramentas e automação de interface, criado para rodar com custo baixo e respostas rápidas.
O GLM 5.3 Flash é um modelo de linguagem da Z.ai lançado em 26 de agosto de 2026. Trata-se de um modelo Mixture-of-Experts com 320 bilhões de parâmetros totais e 18 bilhões de parâmetros ativos por token, distribuídos em 45 camadas — ante 92 na geração anterior. Sua arquitetura híbrida combina atenção linear e esparsa e foi treinada em um corpus multimodal de 30 trilhões de tokens. O modelo parte de uma base recém-treinada, e não da base do GLM 5.2, e é licenciado sob MIT para uso comercial e pessoal.
Ele aceita texto e imagens como entrada e produz texto, com processamento de contexto longo de até 1 milhão de tokens. O raciocínio é ativado por padrão, e o modelo oferece suporte a chamada de ferramentas e a saídas estruturadas. Também conta com automação nativa de interface gráfica. Em verificações de status de sete dias, registrou tempo mediano até o primeiro token de 280 milissegundos e velocidade de saída de 55 tokens por segundo. Comparado ao GLM 5.3, consome 3,0 vezes menos computação de atenção e tem um cache KV 4,4 vezes menor.
O modelo é indicado para assistentes de codificação cientes do repositório, análise de capturas de tela para código, agentes que lidam com muitos documentos, fluxos repetidos de revisão de código e automação de contexto longo. Também atende auditorias visuais de documentos corporativos em PDF, PPTX, DOCX e XLSX, geração automatizada de CAD paramétrico 3D a partir de plantas 2D, refatoração massiva e correção de segurança de bases de código legadas, agentes de desktop em tempo real e conversão de gravações de tela e designs em aplicações Next.js. O modelo se destaca em compreensão de capturas de tela, análise de imagens e perguntas e respostas visuais, mas não deve ser tratado automaticamente como equivalente ao modelo principal para as cargas de raciocínio ou engenharia de software mais difíceis.
Atualizado:
ID DO MODELO
glm-5.3-flash- Contexto
- 1.049M
- Saída máxima
- 943.718K
- API recomendada
- messages
- Entrada
- text / image / video
- Saída
- text
Destaques
- Contexto de 1 milhão de tokens
- Multimodal nativo: texto e imagem
- Raciocínio ativado por padrão
- Chamada de ferramentas e saída estruturada
- 320B de parâmetros totais, 18B ativos
- Licença MIT para uso comercial
Provedores
Melhor preçoCompare os preços de API entre provedores. Selecione um provedor para ver todos os preços e condições.
| $0.15 | $0.5 | $0.03 | |
| $0.0413 | $0.12 | $0.00375 | |
| $0.15 | $0.5 | $0.03 | |
| $0.15 | $0.5 | $0.03 |
O que $10 compram
- Entrada
- 66,7 mi tokens
- Saída
- 20 mi tokens
Estimativa com base nos preços atuais de entrada e saída, antes de descontos.
Benchmarks
- 29.0
Code Bench v1.0
esforço máximo; comparado ao Claude Opus 4.8, que obteve 29.5
Pontuações conforme publicadas pelo fornecedor do modelo.
Raciocínio
- Esforço padrão
- max
- Ativado por padrão
- Sim
- Sempre ativado
- Sim
- Níveis de esforço disponíveis
- max / high / low
Início rápido
Código pronto para chamar este modelo com as APIs compatíveis da Felo API Platform. Comece no Playground quando quiser testar prompts antes de escrever código.
Defina sua chave de API
Crie uma chave na sua conta da Felo API Platform e defina-a como variável de ambiente.
export FELO_API_KEY="YOUR_API_KEY"Faça sua primeira requisição
Use este ID de modelo com o endpoint da Felo API Platform. Cabeçalhos opcionais como X-Request-Id ajudam a solucionar problemas.
glm-5.3-flashEste modelo tem capacidade de raciocínio. Se o protocolo selecionado e a rota do modelo expuserem controles de raciocínio, preserve os metadados de raciocínio retornados ao continuar a conversa.
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());Usar SDKs de terceiros
Em SDKs compatíveis, defina baseURL como https://openapi.felo.ai/api/v1. Para clientes no estilo Claude, use a base URL compatível com Anthropic. https://openapi.felo.ai/api.
Ative o streaming
Adicione stream: true para receber respostas como 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
A Felo API Platform expõe superfícies compatíveis de chamada de modelos. Escolha a superfície que seu app ou cliente de agente já suporta.
Messages
Mensagens compatíveis com Anthropic para clientes no estilo Claude.
POST
https://openapi.felo.ai/api/v1/messagesParâmetros
modelstringglm-5.3-flashID público do modelo a chamar.max_tokensinteger—Número máximo de tokens gerados.messagesarray—Mensagens da conversa para Chat Completions.frequency_penalty———include_reasoning———logit_bias———logprobs———min_p———parallel_tool_calls———presence_penalty———reasoning———reasoning_effort———repetition_penalty———response_formatobject—Solicita saída estruturada quando compatível.seed———stop———structured_outputs———temperaturenumber—Controla a variedade das respostas quando compatível.tool_choicestring or object—Controla se uma ferramenta deve ser chamada.toolsarray—Definições de tool calling seguindo o schema compatível.top_k———top_logprobs———top_p———Perguntas frequentes
O que é GLM 5.3 Flash?
O GLM 5.3 Flash é um modelo de linguagem da Z.ai lançado em 26 de agosto de 2026. Trata-se de um modelo Mixture-of-Experts com 320 bilhões de parâmetros totais e 18 bilhões de parâmetros ativos por token, distribuídos em 45 camadas — ante 92 na geração anterior. Sua arquitetura híbrida combina atenção linear e esparsa e foi treinada em um corpus multimodal de 30 trilhões de tokens. O modelo parte de uma base recém-treinada, e não da base do GLM 5.2, e é licenciado sob MIT para uso comercial e pessoal. Ele aceita texto e imagens como entrada e produz texto, com processamento de contexto longo de até 1 milhão de tokens. O raciocínio é ativado por padrão, e o modelo oferece suporte a chamada de ferramentas e a saídas estruturadas. Também conta com automação nativa de interface gráfica. Em verificações de status de sete dias, registrou tempo mediano até o primeiro token de 280 milissegundos e velocidade de saída de 55 tokens por segundo. Comparado ao GLM 5.3, consome 3,0 vezes menos computação de atenção e tem um cache KV 4,4 vezes menor. O modelo é indicado para assistentes de codificação cientes do repositório, análise de capturas de tela para código, agentes que lidam com muitos documentos, fluxos repetidos de revisão de código e automação de contexto longo. Também atende auditorias visuais de documentos corporativos em PDF, PPTX, DOCX e XLSX, geração automatizada de CAD paramétrico 3D a partir de plantas 2D, refatoração massiva e correção de segurança de bases de código legadas, agentes de desktop em tempo real e conversão de gravações de tela e designs em aplicações Next.js. O modelo se destaca em compreensão de capturas de tela, análise de imagens e perguntas e respostas visuais, mas não deve ser tratado automaticamente como equivalente ao modelo principal para as cargas de raciocínio ou engenharia de software mais difíceis.
Como o uso é cobrado?
Sua conta depende do provedor que você usa, dos preços dele e do seu uso. Entradas mais longas ou outras condições podem ter preços diferentes.
Quais entradas o GLM 5.3 Flash aceita?
Ele aceita entrada de texto e de imagem, com saída em texto. O suporte multimodal é nativo.
Qual é o tamanho da janela de contexto?
O modelo oferece uma janela de contexto de 1 milhão de tokens para processamento de contexto longo.
Para que tipos de tarefa ele é mais indicado?
Ele é voltado a assistentes de codificação, análise de capturas de tela para código, agentes com muitos documentos, revisão de código, automação de contexto longo e auditoria visual de documentos corporativos.
Como ele se compara ao GLM 5.3?
O GLM 5.3 Flash consome 3,0 vezes menos computação de atenção e tem um cache KV 4,4 vezes menor que o GLM 5.3. Ele é feito para rodar com custo mais baixo e respostas mais rápidas, mas não deve ser tratado automaticamente como equivalente ao modelo principal nas cargas mais difíceis.
Ele suporta chamada de ferramentas e saídas estruturadas?
Sim. O modelo oferece suporte a chamada de ferramentas e a saídas estruturadas, além de automação nativa de interface gráfica.
Qual é a licença do modelo?
O GLM 5.3 Flash é licenciado sob MIT, permitindo uso comercial e pessoal.