GLM 5.3 Flash API
GLM 5.3 Flash คือโมเดลมัลติโมดัลแบบโอเพนซอร์สจาก Z.ai ที่รองรับบริบท 1 ล้านโทเคน เน้นงานเขียนโค้ดและเอเจนต์ที่มีต้นทุนต่ำ
GLM 5.3 Flash เป็นโมเดล Mixture-of-Experts จาก Z.ai มีพารามิเตอร์รวม 320 พันล้าน และพารามิเตอร์ที่ใช้งานจริง 18 พันล้านต่อโทเคน เปิดตัวเมื่อวันที่ 26 สิงหาคม 2026 ภายใต้สัญญาอนุญาต MIT สำหรับการใช้งานเชิงพาณิชย์และส่วนบุคคล รองรับการป้อนข้อความและภาพ พร้อมเอาต์พุตเป็นข้อความ และมีหน้าต่างบริบทขนาด 1 ล้านโทเคน
ตัวโมเดลใช้สถาปัตยกรรมไฮบริดที่ผสานแอตเทนชันแบบลิเนียร์และแบบสแปร์ส มี 45 เลเยอร์ เทียบกับ 92 เลเยอร์ในรุ่นก่อนหน้า และฝึกบนคลังข้อมูลมัลติโมดัล 30 ล้านล้านโทเคน โดยเริ่มจากฐานที่ฝึกใหม่แทนการใช้ฐานของ GLM 5.2 เดิม จุดเด่นด้านประสิทธิภาพคือใช้พลังประมวลผลแอตเทนชันน้อยกว่า GLM 5.3 ถึง 3.0 เท่า และมี KV cache เล็กลง 4.4 เท่า จึงเหมาะกับงานที่ต้องเรียกใช้บ่อยและต้องการการตอบสนองรวดเร็ว
โมเดลนี้เหมาะกับผู้ช่วยเขียนโค้ดที่เข้าใจทั้งรีโพซิทอรี การวิเคราะห์ภาพหน้าจอเป็นโค้ด เวิร์กโฟลว์ตรวจโค้ดซ้ำ ๆ เอเจนต์ที่ทำงานกับเอกสารจำนวนมาก และงานอัตโนมัติที่ใช้บริบทขนาดยาว รวมถึงการตรวจสอบเอกสารองค์กร PDF, PPTX, DOCX และ XLSX โดยอัตโนมัติ การสร้าง CAD แบบพาราเมตริกจากแบบพิมพ์เขียว 2D และการแปลงภาพหน้าจอหรือดีไซน์เป็นแอปพลิเคชัน Next.js อย่างไรก็ตาม ควรระลึกว่าโมเดลนี้ไม่ควรถูกมองว่าเทียบเท่ารุ่นเรือธงสำหรับงานให้เหตุผลหรือวิศวกรรมซอฟต์แวร์ที่ยากที่สุด
อัปเดต:
ID โมเดล
glm-5.3-flash- บริบท
- 1.049M
- เอาต์พุตสูงสุด
- 943.718K
- API ที่แนะนำ
- messages
- อินพุต
- text / image / video
- เอาต์พุต
- text
จุดเด่น
- บริบท 1 ล้านโทเคน
- รองรับข้อความและภาพ
- เปิดใช้การให้เหตุผลเป็นค่าเริ่มต้น
- รองรับการเรียกใช้เครื่องมือ
- เอาต์พุตแบบมีโครงสร้าง
- ควบคุมอินเทอร์เฟซแบบกราฟิกได้
ผู้ให้บริการ
ราคาที่ดีที่สุดเปรียบเทียบราคา API ระหว่างผู้ให้บริการ เลือกผู้ให้บริการเพื่อดูค่าใช้จ่ายและเงื่อนไขทั้งหมด
| $0.15 | $0.5 | $0.03 | |
| $0.0413 | $0.12 | $0.00375 | |
| $0.15 | $0.5 | $0.03 | |
| $0.15 | $0.5 | $0.03 |
ซื้ออะไรได้ด้วย $10
- อินพุต
- 66.7M token
- เอาต์พุต
- 20M token
ประมาณจากราคาอินพุตและเอาต์พุตปัจจุบัน ก่อนหักส่วนลด
เบนช์มาร์ก
- 29.0
Code Bench v1.0
โหมดความพยายามสูงสุด เทียบกับ Claude Opus 4.8 ที่ 29.5
คะแนนตามที่ผู้ให้บริการโมเดลเผยแพร่
การให้เหตุผล
- ระดับความพยายามเริ่มต้น
- max
- เปิดใช้งานโดยค่าเริ่มต้น
- ใช่
- เปิดใช้งานตลอด
- ใช่
- ระดับความพยายามที่ใช้ได้
- max / high / low
เริ่มต้นอย่างรวดเร็ว
โค้ดพร้อมใช้สำหรับเรียกโมเดลนี้ด้วย API ที่เข้ากันได้ของ Felo API Platform เริ่มใน Playground เมื่อคุณต้องการทดสอบพรอมต์ก่อนเขียนโค้ด
ตั้งค่าคีย์ API
สร้างคีย์จากบัญชี Felo API Platform ของคุณและตั้งเป็นตัวแปรสภาพแวดล้อม
export FELO_API_KEY="YOUR_API_KEY"ส่งคำขอแรก
ใช้ ID โมเดลนี้กับ endpoint ของ Felo API Platform ส่วนหัวคำขอแบบไม่บังคับ เช่น X-Request-Id ช่วยในการแก้ไขปัญหา
glm-5.3-flashโมเดลนี้มีความสามารถในการให้เหตุผล หากโปรโตคอลและเส้นทางโมเดลที่คุณเลือกเปิดการควบคุมการให้เหตุผล ให้เก็บเมทาดาทาการให้เหตุผลที่ส่งคืนไว้เมื่อสนทนาต่อ
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());การใช้ SDK ของบุคคลที่สาม
ใน SDK ที่เข้ากันได้ ให้ตั้ง baseURL เป็น https://openapi.felo.ai/api/v1. สำหรับไคลเอนต์สไตล์ Claude ให้ใช้ base URL ที่เข้ากันได้กับ Anthropic https://openapi.felo.ai/api.
เปิดใช้สตรีมมิ่ง
เพิ่ม stream: true เพื่อรับการตอบกลับเป็น 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 มีอินเทอร์เฟซสำหรับเรียกโมเดลที่เข้ากันได้ เลือกอินเทอร์เฟซที่แอปหรือไคลเอนต์เอเจนต์ของคุณรองรับอยู่แล้ว
Messages
ข้อความที่เข้ากันได้กับ Anthropic สำหรับไคลเอนต์สไตล์ Claude
POST
https://openapi.felo.ai/api/v1/messagesพารามิเตอร์
modelstringglm-5.3-flashID โมเดลสาธารณะที่ต้องการเรียกmax_tokensinteger—จำนวนโทเคนสูงสุดที่สร้างmessagesarray—ข้อความสนทนาสำหรับ Chat Completionsfrequency_penalty———include_reasoning———logit_bias———logprobs———min_p———parallel_tool_calls———presence_penalty———reasoning———reasoning_effort———repetition_penalty———response_formatobject—ขอเอาต์พุตแบบมีโครงสร้างเมื่อรองรับseed———stop———structured_outputs———temperaturenumber—ควบคุมความหลากหลายของการตอบกลับเมื่อรองรับtool_choicestring or object—ควบคุมว่าควรเรียกเครื่องมือหรือไม่toolsarray—นิยาม tool calling ตามสคีมาที่เข้ากันได้top_k———top_logprobs———top_p———คำถามที่พบบ่อย
รู้จัก GLM 5.3 Flash?
GLM 5.3 Flash เป็นโมเดล Mixture-of-Experts จาก Z.ai มีพารามิเตอร์รวม 320 พันล้าน และพารามิเตอร์ที่ใช้งานจริง 18 พันล้านต่อโทเคน เปิดตัวเมื่อวันที่ 26 สิงหาคม 2026 ภายใต้สัญญาอนุญาต MIT สำหรับการใช้งานเชิงพาณิชย์และส่วนบุคคล รองรับการป้อนข้อความและภาพ พร้อมเอาต์พุตเป็นข้อความ และมีหน้าต่างบริบทขนาด 1 ล้านโทเคน ตัวโมเดลใช้สถาปัตยกรรมไฮบริดที่ผสานแอตเทนชันแบบลิเนียร์และแบบสแปร์ส มี 45 เลเยอร์ เทียบกับ 92 เลเยอร์ในรุ่นก่อนหน้า และฝึกบนคลังข้อมูลมัลติโมดัล 30 ล้านล้านโทเคน โดยเริ่มจากฐานที่ฝึกใหม่แทนการใช้ฐานของ GLM 5.2 เดิม จุดเด่นด้านประสิทธิภาพคือใช้พลังประมวลผลแอตเทนชันน้อยกว่า GLM 5.3 ถึง 3.0 เท่า และมี KV cache เล็กลง 4.4 เท่า จึงเหมาะกับงานที่ต้องเรียกใช้บ่อยและต้องการการตอบสนองรวดเร็ว โมเดลนี้เหมาะกับผู้ช่วยเขียนโค้ดที่เข้าใจทั้งรีโพซิทอรี การวิเคราะห์ภาพหน้าจอเป็นโค้ด เวิร์กโฟลว์ตรวจโค้ดซ้ำ ๆ เอเจนต์ที่ทำงานกับเอกสารจำนวนมาก และงานอัตโนมัติที่ใช้บริบทขนาดยาว รวมถึงการตรวจสอบเอกสารองค์กร PDF, PPTX, DOCX และ XLSX โดยอัตโนมัติ การสร้าง CAD แบบพาราเมตริกจากแบบพิมพ์เขียว 2D และการแปลงภาพหน้าจอหรือดีไซน์เป็นแอปพลิเคชัน Next.js อย่างไรก็ตาม ควรระลึกว่าโมเดลนี้ไม่ควรถูกมองว่าเทียบเท่ารุ่นเรือธงสำหรับงานให้เหตุผลหรือวิศวกรรมซอฟต์แวร์ที่ยากที่สุด
การใช้งานถูกเรียกเก็บเงินอย่างไร
ค่าใช้จ่ายขึ้นอยู่กับผู้ให้บริการที่คุณใช้ ราคาของผู้ให้บริการนั้น และปริมาณการใช้งาน อินพุตที่ยาวขึ้นหรือเงื่อนไขอื่นอาจมีราคาแตกต่างกัน
GLM 5.3 Flash รองรับการป้อนข้อมูลแบบใดบ้าง
รองรับการป้อนข้อความและภาพ และส่งออกเป็นข้อความ
โมเดลนี้มีหน้าต่างบริบทขนาดเท่าใด
รองรับบริบทสูงสุด 1 ล้านโทเคน
เหมาะกับงานประเภทใดมากที่สุด
เหมาะกับงานเขียนโค้ดที่ต้องเข้าใจรีโพซิทอรี การวิเคราะห์ภาพหน้าจอ เอเจนต์ที่ทำงานกับเอกสารจำนวนมาก และระบบอัตโนมัติที่ใช้บริบทขนาดยาว
ต่างจาก GLM 5.3 อย่างไร
GLM 5.3 Flash ใช้พลังประมวลผลแอตเทนชันน้อยกว่า 3.0 เท่า มี KV cache เล็กลง 4.4 เท่า และมีต้นทุนการประมวลผลต่ำกว่าอย่างชัดเจน แต่ไม่ควรถือว่าเทียบเท่ารุ่นเรือธงสำหรับงานให้เหตุผลที่ยากที่สุด
เทียบกับ GLM 5.2 แล้วเป็นอย่างไร
โมเดลนี้มีผลการทดสอบด้านการเขียนโค้ดและเอเจนต์ดีกว่า GLM 5.2 และมีจำนวนเลเยอร์ 45 ชั้น เทียบกับ 92 ชั้นในรุ่นก่อนหน้า