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

GLM 5.3 API

Z.ai 推出的開源權重模型,專攻長時程程式代理與多步驟工程任務,上下文可達 100 萬個 token。

GLM-5.3 是 Z.ai 於 2026 年 8 月 14 日發布的純文字模型,支援文字輸入與文字輸出,上下文長度最高可達 100 萬個 token。它與 GLM-5.2 採用完全相同的 7430 億參數混合專家(MoE)基礎架構,所有進步都來自後訓練,因此更適合視為同一架構的強化版本,而非全新世代。

思考模式是這一代的重點:提供 low、high、max 三段推理強度,且已無法關閉思考,對原本以關閉思考方式運行的應用屬於破壞性變更。模型同時支援串流回應、函式呼叫、上下文快取,以及 JSON 等結構化輸出,方便接入工具鏈與長時間執行的代理迴圈。

它最適合的場景是長時程程式代理、複雜軟體工程、倉庫規模的程式碼工作,以及重構、CI 分診這類多步驟命令列任務;也能用於機器學習基礎設施的診斷與最佳化,以及程式以外的更廣泛代理任務。官方指出,它在約 50,000 個 token 內即可完成過去需要 120,000 個 token 的工作,且增益主要集中於多步驟任務,而非單次生成。需要注意的是,廠商公布的數據尚未經獨立複現,其能力仍明顯低於當前閉源前沿模型。

更新時間:

模型 ID

glm-5.3
上下文
1.049M
最大輸出
943.718K
建議 API
messages
輸入
text
輸出
text
GLM 5.3:騎腳踏車的鵜鶘

看看這個模型畫的鵜鶘

看看 GLM 5.3 用同一個提示詞創作了什麼。

核心要點

  • 上下文最高達 100 萬個 token
  • 三段思考強度:low、high、max
  • 支援串流、函式呼叫與結構化輸出
  • 後訓練帶來多步驟任務增益
  • 約 50,000 token 即可完成過去120,000 token 的工作
  • 開源權重,可本地部署與量化

供應商

最優價格
12 個供應商

比較不同供應商的呼叫價格,點擊供應商可查看完整費用和適用條件。

供應商 · 計費明細
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 美元能買多少 token

輸入
714.3萬 tokens
輸出
227.3萬 tokens

依目前輸入與輸出單價估算,未計入折扣。

基準測試

  • Code Bench

    較 GLM-5.2 提升,為廠商內部基準

    50%
  • Terminal Bench 3.0

    分;GLM-5.2 為 4.6 分,提升 23.7 分

    28.3
  • DeepSWE v1.1

    分;GLM-5.2 為 46.2 分,提升 20.7 分

    66.9
  • Agents' Last Exam CLI

    分;GLM-5.2 為 23.8 分

    28.5
  • ExploitBench

    較 GLM-5.2 的 24.4% 提升

    54.4%
  • CyberGym

    漏洞發現基準

    84.5%
  • GDPval-AA v2

    分;涵蓋 44 個職業類別

    1769

分數來自模型廠商公布的資料,未經獨立驗證。

推理能力

預設推理強度
max
預設啟用
是
始終啟用
是
可選推理強度
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

從 Felo API Platform 帳戶建立 key,並設定為環境變數。

export FELO_API_KEY="YOUR_API_KEY"
2

發出第一次請求

使用該模型 ID 呼叫 Felo API Platform endpoint。可選請求標頭如 X-Request-Id 能協助排查問題。

glm-5.3

該模型支援推理。如果所選協議與模型路由提供推理控制,請在繼續對話時保留回傳的推理中繼資料。

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

啟用串流輸出

加入 stream: true,即可以 server-sent events 接收回應。

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———

常見問題

什麼是 GLM 5.3?

GLM-5.3 是 Z.ai 於 2026 年 8 月 14 日發布的純文字模型,支援文字輸入與文字輸出,上下文長度最高可達 100 萬個 token。它與 GLM-5.2 採用完全相同的 7430 億參數混合專家(MoE)基礎架構,所有進步都來自後訓練,因此更適合視為同一架構的強化版本,而非全新世代。 思考模式是這一代的重點:提供 low、high、max 三段推理強度,且已無法關閉思考,對原本以關閉思考方式運行的應用屬於破壞性變更。模型同時支援串流回應、函式呼叫、上下文快取,以及 JSON 等結構化輸出,方便接入工具鏈與長時間執行的代理迴圈。 它最適合的場景是長時程程式代理、複雜軟體工程、倉庫規模的程式碼工作,以及重構、CI 分診這類多步驟命令列任務;也能用於機器學習基礎設施的診斷與最佳化,以及程式以外的更廣泛代理任務。官方指出,它在約 50,000 個 token 內即可完成過去需要 120,000 個 token 的工作,且增益主要集中於多步驟任務,而非單次生成。需要注意的是,廠商公布的數據尚未經獨立複現,其能力仍明顯低於當前閉源前沿模型。

如何計算呼叫費用?

費用取決於你使用的供應商、對應價格和實際用量。長文字輸入等情況可能適用不同價格,詳見計費明細。

GLM-5.3 支援哪些輸入與輸出?

僅支援文字輸入與文字輸出,不含圖像或音訊等多模態輸入。

上下文長度與輸出長度是多少?

上下文最高可達 100 萬個 token;輸出長度上限在現有資料中未提供。

思考模式有什麼改變?

提供 low、high、max 三段推理強度,且思考已無法關閉,對原本關閉思考的應用是破壞性變更。

它適合哪些任務?

長時程程式代理、複雜軟體工程、重構與 CI 分診等多步驟命令列工作、倉庫規模的程式碼任務,以及程式之外的廣泛代理任務。

與 GLM-5.2 的差別在哪裡?

兩者使用完全相同的 7430 億參數 MoE 基礎模型,GLM-5.3 的改進全部來自後訓練;在同系列中它定位為更強的版本,而非新的架構。

要如何存取?

目前僅限 GLM Coding Plan;模型 API 只透過相容 OpenAI Chat Completion 的協定提供,OpenAI SDK 可搭配基底位址 https://api.z.ai/api/paas/v4/ 使用。

相關模型