GLM 5.3 Flash API
GLM 5.3 Flash là mô hình đa phương thức gốc của Z.ai với cửa sổ ngữ cảnh 1 triệu token, suy luận mặc định bật, hỗ trợ gọi công cụ và tự động hóa giao diện, được thiết kế để chạy với chi phí thấp và phản hồi nhanh.
GLM 5.3 Flash là mô hình Mixture-of-Experts với 320 tỷ tham số tổng cộng và 18 tỷ tham số hoạt động trên mỗi token, gồm 45 lớp so với 92 lớp ở thế hệ trước. Mô hình kết hợp kiến trúc lai giữa attention tuyến tính và attention thưa, được huấn luyện trên kho dữ liệu đa phương thức 30 nghìn tỷ token và bắt đầu từ một nền tảng mới thay vì tái sử dụng nền tảng của GLM 5.2. GLM 5.3 Flash hỗ trợ đầu vào văn bản và hình ảnh, xử lý ngữ cảnh lên tới 1 triệu token, bật suy luận theo mặc định, hỗ trợ gọi công cụ, đầu ra có cấu trúc và tự động hóa giao diện người dùng đồ họa gốc. Mô hình được cấp phép MIT cho mục đích thương mại và cá nhân, có mặt qua các nhà cung cấp như Gate.AI, Lyceum và nền tảng API của Z.ai, với mã định danh glm-5.3-flash hoặc z-ai/glm-5.3-flash tùy nhà cung cấp.
Mô hình phù hợp với các trợ lý lập trình hiểu kho mã nguồn, phân tích ảnh chụp màn hình sang mã, tác nhân xử lý tài liệu nặng và quy trình đánh giá mã lặp lại. Các tác vụ nổi bật khác gồm kiểm toán hình ảnh tự động cho tài liệu doanh nghiệp như PDF, PPTX, DOCX và XLSX, tạo CAD tham số 3D có thể thực thi từ bản vẽ kỹ thuật 2D, tái cấu trúc và vá bảo mật quy mô lớn cho kho mã cũ, tác nhân máy tính để bàn thời gian thực thực hiện nhấp, gõ và đọc ảnh chụp màn hình trực tiếp, chuyển bản ghi màn hình và thiết kế thành ứng dụng Next.js, cũng như tạo thiết kế kỹ thuật không gian và tham số với tập lệnh CAD tham số và cảnh Blender. Mô hình có thế mạnh về hiểu ảnh chụp màn hình, phân tích hình ảnh và trả lời câu hỏi trực quan.
So với mô hình hàng đầu GLM 5.3, GLM 5.3 Flash có chi phí suy luận thấp hơn đáng kể, sử dụng ít hơn 3.0 lần tính toán attention và có KV cache nhỏ hơn 4.4 lần. Mô hình vượt GLM 5.2 trong các bài kiểm tra lập trình và tác nhân, đồng thời được xây dựng để chạy rẻ và phản hồi nhanh, với thời gian đến token đầu tiên trung vị 280 mili giây và tốc độ đầu ra 55 token mỗi giây trong các kiểm tra trạng thái bảy ngày. Tuy nhiên, không nên tự động coi mô hình này tương đương với mô hình hàng đầu cho các khối lượng suy luận hoặc kỹ thuật phần mềm khó nhất. Giới hạn đầu ra tối đa, giá ghi cache, hỗ trợ tinh chỉnh và giới hạn tốc độ riêng của mô hình không được công bố rõ ràng.
Cập nhật:
ID MÔ HÌNH
glm-5.3-flash- Ngữ cảnh
- 1.049M
- Đầu ra tối đa
- 943.718K
- API đề xuất
- messages
- Đầu vào
- text / image / video
- Đầu ra
- text
Điểm nổi bật
- Cửa sổ ngữ cảnh 1 triệu token
- Đa phương thức gốc cho văn bản và hình ảnh
- Suy luận bật theo mặc định
- Hỗ trợ gọi công cụ và đầu ra có cấu trúc
- Tự động hóa giao diện người dùng gốc
- Giấy phép MIT cho mục đích thương mại và cá nhân
Nhà cung cấp
Giá tốt nhấtSo sánh giá API giữa các nhà cung cấp. Chọn một nhà cung cấp để xem toàn bộ chi phí và điều kiện.
| $0.15 | $0.5 | $0.03 | |
| $0.0413 | $0.12 | $0.00375 | |
| $0.15 | $0.5 | $0.03 | |
| $0.15 | $0.5 | $0.03 |
10 USD mua được gì
- Đầu vào
- 66,7 Tr token
- Đầu ra
- 20 Tr token
Ước tính theo giá đầu vào và đầu ra hiện tại, trước khi áp dụng giảm giá.
Điểm chuẩn
- 29.0
Code Bench v1.0
nỗ lực tối đa; so sánh với Claude Opus 4.8 ở mức 29.5
Điểm số theo công bố của nhà cung cấp mô hình.
Suy luận
- Mức nỗ lực mặc định
- max
- Bật theo mặc định
- Có
- Luôn bật
- Có
- Các mức nỗ lực khả dụng
- max / high / low
Bắt đầu nhanh
Mã dùng ngay để gọi mô hình này bằng các API tương thích của Felo API Platform. Bắt đầu trong Playground khi bạn muốn thử prompt trước khi viết mã.
Thiết lập khóa API
Tạo khóa trong tài khoản Felo API Platform của bạn và đặt làm biến môi trường.
export FELO_API_KEY="YOUR_API_KEY"Gửi yêu cầu đầu tiên
Dùng ID mô hình này với endpoint Felo API Platform. Các header tùy chọn như X-Request-Id có thể giúp khắc phục sự cố.
glm-5.3-flashMô hình này có khả năng suy luận. Nếu giao thức và route mô hình bạn chọn có hỗ trợ điều khiển suy luận, hãy giữ nguyên siêu dữ liệu suy luận được trả về khi tiếp tục hội thoại.
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());Dùng SDK bên thứ ba
Trong các SDK tương thích, đặt baseURL thành https://openapi.felo.ai/api/v1. Với các client kiểu Claude, dùng base URL tương thích Anthropic. https://openapi.felo.ai/api.
Bật streaming
Thêm stream: true để nhận phản hồi dưới dạng 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 cung cấp các giao diện gọi mô hình tương thích. Chọn giao diện mà ứng dụng hoặc client agent của bạn đã hỗ trợ.
Messages
Tin nhắn tương thích Anthropic cho client kiểu Claude.
POST
https://openapi.felo.ai/api/v1/messagesTham số
modelstringglm-5.3-flashID mô hình công khai cần gọi.max_tokensinteger—Số token tối đa được tạo.messagesarray—Tin nhắn hội thoại cho Chat Completions.frequency_penalty———include_reasoning———logit_bias———logprobs———min_p———parallel_tool_calls———presence_penalty———reasoning———reasoning_effort———repetition_penalty———response_formatobject—Yêu cầu đầu ra có cấu trúc khi được hỗ trợ.seed———stop———structured_outputs———temperaturenumber—Điều chỉnh độ đa dạng của phản hồi khi được hỗ trợ.tool_choicestring or object—Điều chỉnh việc có nên gọi một công cụ hay không.toolsarray—Định nghĩa tool calling theo schema tương thích.top_k———top_logprobs———top_p———Câu hỏi thường gặp
Tìm hiểu GLM 5.3 Flash?
GLM 5.3 Flash là mô hình Mixture-of-Experts với 320 tỷ tham số tổng cộng và 18 tỷ tham số hoạt động trên mỗi token, gồm 45 lớp so với 92 lớp ở thế hệ trước. Mô hình kết hợp kiến trúc lai giữa attention tuyến tính và attention thưa, được huấn luyện trên kho dữ liệu đa phương thức 30 nghìn tỷ token và bắt đầu từ một nền tảng mới thay vì tái sử dụng nền tảng của GLM 5.2. GLM 5.3 Flash hỗ trợ đầu vào văn bản và hình ảnh, xử lý ngữ cảnh lên tới 1 triệu token, bật suy luận theo mặc định, hỗ trợ gọi công cụ, đầu ra có cấu trúc và tự động hóa giao diện người dùng đồ họa gốc. Mô hình được cấp phép MIT cho mục đích thương mại và cá nhân, có mặt qua các nhà cung cấp như Gate.AI, Lyceum và nền tảng API của Z.ai, với mã định danh glm-5.3-flash hoặc z-ai/glm-5.3-flash tùy nhà cung cấp. Mô hình phù hợp với các trợ lý lập trình hiểu kho mã nguồn, phân tích ảnh chụp màn hình sang mã, tác nhân xử lý tài liệu nặng và quy trình đánh giá mã lặp lại. Các tác vụ nổi bật khác gồm kiểm toán hình ảnh tự động cho tài liệu doanh nghiệp như PDF, PPTX, DOCX và XLSX, tạo CAD tham số 3D có thể thực thi từ bản vẽ kỹ thuật 2D, tái cấu trúc và vá bảo mật quy mô lớn cho kho mã cũ, tác nhân máy tính để bàn thời gian thực thực hiện nhấp, gõ và đọc ảnh chụp màn hình trực tiếp, chuyển bản ghi màn hình và thiết kế thành ứng dụng Next.js, cũng như tạo thiết kế kỹ thuật không gian và tham số với tập lệnh CAD tham số và cảnh Blender. Mô hình có thế mạnh về hiểu ảnh chụp màn hình, phân tích hình ảnh và trả lời câu hỏi trực quan. So với mô hình hàng đầu GLM 5.3, GLM 5.3 Flash có chi phí suy luận thấp hơn đáng kể, sử dụng ít hơn 3.0 lần tính toán attention và có KV cache nhỏ hơn 4.4 lần. Mô hình vượt GLM 5.2 trong các bài kiểm tra lập trình và tác nhân, đồng thời được xây dựng để chạy rẻ và phản hồi nhanh, với thời gian đến token đầu tiên trung vị 280 mili giây và tốc độ đầu ra 55 token mỗi giây trong các kiểm tra trạng thái bảy ngày. Tuy nhiên, không nên tự động coi mô hình này tương đương với mô hình hàng đầu cho các khối lượng suy luận hoặc kỹ thuật phần mềm khó nhất. Giới hạn đầu ra tối đa, giá ghi cache, hỗ trợ tinh chỉnh và giới hạn tốc độ riêng của mô hình không được công bố rõ ràng.
Cách tính phí sử dụng?
Hóa đơn của bạn phụ thuộc vào nhà cung cấp bạn dùng, giá của họ và mức sử dụng của bạn. Đầu vào dài hơn hoặc các điều kiện khác có thể có giá khác.
GLM 5.3 Flash hỗ trợ những loại đầu vào nào?
Mô hình hỗ trợ đầu vào văn bản và hình ảnh, với đầu ra văn bản. Đây là mô hình đa phương thức gốc cho cả văn bản lẫn hình ảnh.
Cửa sổ ngữ cảnh của GLM 5.3 Flash là bao nhiêu?
Mô hình có cửa sổ ngữ cảnh 1 triệu token và hỗ trợ xử lý ngữ cảnh dài tới mức đó. Giới hạn đầu ra tối đa không được công bố rõ ràng.
GLM 5.3 Flash phù hợp với những tác vụ nào?
Mô hình phù hợp với trợ lý lập trình hiểu kho mã, phân tích ảnh chụp màn hình sang mã, tác nhân xử lý tài liệu nặng, quy trình đánh giá mã lặp lại và tự động hóa ngữ cảnh dài. Nó cũng hỗ trợ kiểm toán tài liệu văn phòng và tác nhân máy tính để bàn thời gian thực.
GLM 5.3 Flash khác GLM 5.3 ở điểm nào?
GLM 5.3 Flash có chi phí suy luận thấp hơn đáng kể so với GLM 5.3, sử dụng ít hơn 3.0 lần tính toán attention và có KV cache nhỏ hơn 4.4 lần. Mô hình được xây dựng để chạy rẻ và phản hồi nhanh, nhưng không nên tự động coi là tương đương với mô hình hàng đầu cho các khối lượng suy luận khó nhất.
Mô hình có hỗ trợ gọi công cụ và đầu ra có cấu trúc không?
Có, GLM 5.3 Flash hỗ trợ gọi công cụ và đầu ra có cấu trúc. Mô hình cũng hỗ trợ tự động hóa giao diện người dùng đồ họa gốc.