Felo API PlatformFelo API Platform
返回模型列表
Z.aimessages

GLM 5.3 API

Z.ai 推出的 GLM-5.3 是同架构后训练升级版,面向长程编码智能体与网络安全任务,支持最长 100 万 token 上下文。

GLM-5.3 是 Z.ai 于 2026 年 8 月 14 日发布的文本模型,支持最长 100 万 token 的上下文输入,仅处理文本输入并输出文本。它与 GLM-5.2 共用同一个 7430 亿参数的混合专家(MoE)基础模型,全部能力提升来自后训练而非架构改动。模型固定开启思考模式,提供 low、high、max 三档推理强度,并支持流式输出、函数调用、上下文缓存和 JSON 等结构化输出。

该模型主要面向长程编码智能体、复杂软件工程任务、多步 CLI 操作(如重构与 CI 排查)、仓库级工作以及机器学习基础设施诊断与优化,也能承担编码之外的更广泛智能体任务。Z.ai 称其为当前最具编码能力的开放权重模型,并在 Terminal Bench 3.0 与 Agents' Last Exam 上位列开源模型前列;在漏洞发现基准 CyberGym 上同样处于领先位置。其优势集中在多步任务而非一次成型的补全,并且可以用约 50,000 token 完成过去需要 120,000 token 的工作。

使用上需要注意:思考模式已无法关闭,对原先关闭思考运行的应用属于破坏性变更;厂商公布的各项分数尚未被独立复现;深度利用以及完整攻防工作流仍有提升空间,整体能力与当前闭源前沿模型相比仍有明显差距。此外,开放权重在发布后因安全审查延迟约两周,预计 2026 年 8 月下旬放出。

更新时间:

模型 ID

glm-5.3
上下文
1.049M
最大输出
943.718K
推荐 API
messages
输入
text
输出
text
GLM 5.3:鹈鹕骑自行车

看看这个模型画的鹈鹕

同一道题,看看 GLM 5.3 做出了什么。

核心要点

  • 与 GLM-5.2 同基座,提升全部来自后训练
  • 最长 100 万 token 上下文
  • 三档思考强度:low、high、max
  • 约 5 万 token 完成原先 12 万 token 的工作
  • CyberGym 漏洞发现处于领先
  • 支持函数调用与结构化输出

供应商

最优价格
12 个供应商

比较不同供应商的调用价格,点击供应商可查看完整费用和适用条件。

供应商 · 计费明细
可用率
$1.4$4.4$0.26
$0.7$2.2$0.13
$1.4$0.7$4.4$2.2$0.26$0.13
$0.9$0.72$4$3.2$0.2$0.16
$0.91$2.86$0.169
$1.4$0.98$4.4$3.08$0.26$0.182
$1.053$2.15$0.356
$1.19$3.74$0.238
$1.4$4.4$0.14
$1.4$4.4$0.26
$1.4$4.4$0.26
$1.68$5.28$0.312

10 美元能买多少 token

输入
714.3万 tokens
输出
227.3万 tokens

按当前输入与输出单价估算,未计入折扣。

基准测试

  • Code Bench

    较 GLM-5.2 提升,为厂商内部基准

    50%
  • Terminal Bench 3.0

    分;GLM-5.2 为 4.6 分,提升 23.7 分

    28.3
  • DeepSWE v1.1

    分;GLM-5.2 为 46.2 分,提升 20.7 分

    66.9
  • Agents' Last Exam CLI

    分;GLM-5.2 为 23.8 分

    28.5
  • ExploitBench

    GLM-5.2 为 24.4%

    54.4%
  • CyberGym

    漏洞发现基准

    84.5%
  • GDPval-AA v2

    分;覆盖 44 个职业类别

    1769

分数来自模型厂商公布的数据,未独立验证。

推理能力

默认推理强度
max
默认启用
是
始终启用
是
可选推理强度
max / high / low

快速开始

直接复制代码,通过 Felo API Platform 兼容 API 调用该模型。写代码前可先在 Playground 测试提示词。

1

填入 API key

从 Felo API Platform 账户创建 key,并设置为环境变量。

export FELO_API_KEY="YOUR_API_KEY"
2

发起第一次请求

使用该模型 ID 调用 Felo API Platform endpoint。可选请求头如 X-Request-Id 能帮助排查问题。

glm-5.3

该模型支持推理。如果所选协议和模型路由暴露推理控制,请在继续对话时保留返回的推理元数据。

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",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "user",
      "content": "Hello"
    }
  ]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());

使用第三方 SDK

兼容 SDK 只需把 baseURL 设置为 https://openapi.felo.ai/api/v1. Claude 风格客户端使用 Anthropic-compatible base URL。 https://openapi.felo.ai/api.

3

启用流式输出

加入 stream: true,即可以 server-sent events 接收响应。

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",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "user",
      "content": "Hello"
    }
  ],
  "stream": true
}'

Endpoint

Felo API Platform 提供兼容的模型调用入口。选择你的应用或 Agent 客户端已经支持的接口即可。

SurfaceMethodURL

Messages

Anthropic-compatible messages for Claude-style clients.

POST

https://openapi.felo.ai/api/v1/messages

参数

名称类型默认值说明
modelstringglm-5.3Public model ID to call.
max_tokensinteger—Maximum generated tokens.
messagesarray—Conversation messages for Chat Completions.
seed———
stop———
min_p———
toolsarray—Tool calling definitions following compatible schema.
top_k———
top_p———
logprobs———
reasoning———
logit_bias———
temperaturenumber—Controls response variety when supported.
tool_choicestring or object—Controls whether a tool should be called.
top_logprobs———
response_formatobject—Request structured output when supported.
presence_penalty———
reasoning_effort———
frequency_penalty———
include_reasoning———
repetition_penalty———
structured_outputs———
parallel_tool_calls———

常见问题

什么是 GLM 5.3?

GLM-5.3 是 Z.ai 于 2026 年 8 月 14 日发布的文本模型,支持最长 100 万 token 的上下文输入,仅处理文本输入并输出文本。它与 GLM-5.2 共用同一个 7430 亿参数的混合专家(MoE)基础模型,全部能力提升来自后训练而非架构改动。模型固定开启思考模式,提供 low、high、max 三档推理强度,并支持流式输出、函数调用、上下文缓存和 JSON 等结构化输出。 该模型主要面向长程编码智能体、复杂软件工程任务、多步 CLI 操作(如重构与 CI 排查)、仓库级工作以及机器学习基础设施诊断与优化,也能承担编码之外的更广泛智能体任务。Z.ai 称其为当前最具编码能力的开放权重模型,并在 Terminal Bench 3.0 与 Agents' Last Exam 上位列开源模型前列;在漏洞发现基准 CyberGym 上同样处于领先位置。其优势集中在多步任务而非一次成型的补全,并且可以用约 50,000 token 完成过去需要 120,000 token 的工作。 使用上需要注意:思考模式已无法关闭,对原先关闭思考运行的应用属于破坏性变更;厂商公布的各项分数尚未被独立复现;深度利用以及完整攻防工作流仍有提升空间,整体能力与当前闭源前沿模型相比仍有明显差距。此外,开放权重在发布后因安全审查延迟约两周,预计 2026 年 8 月下旬放出。

如何计算调用费用?

费用取决于你使用的供应商、对应价格和实际用量。长文本输入等情况可能适用不同价格,详见计费明细。

GLM-5.3 支持哪些输入输出?

仅支持文本输入与文本输出,不处理图像或音频等其他模态。

上下文长度是多少?

上下文最长可达 100 万 token。资料未给出输出长度上限。

思考模式可以关闭吗?

不可以。GLM-5.3 不再允许关闭思考,提供 low、high、max 三档推理强度。

它适合哪些任务?

适合长程编码智能体、复杂软件工程、多步 CLI 工作如重构与 CI 排查、仓库级工作,以及编码之外的广泛智能体任务。

与 GLM-5.2 的主要差别是什么?

两者使用完全相同的 7430 亿参数 MoE 基础模型,GLM-5.3 的全部提升来自后训练,且思考模式无法关闭。

开放权重何时可用?

因安全审查延迟约两周,开放权重预计在 2026 年 8 月下旬发布。

相关模型