GLM-5.3-Flash

Texte

Niveau GLM-5.3 à moindre coût ; contexte 1M, thinking toujours actif ; requêtes texte via les SDK OpenAI et Anthropic

Entrée $0.12 / 1M de tokens | Sortie $0.40 / 1M de tokens GLM-5.3-Flash Lire la documentation →

Santé du modèle Données insuffisantes

runapi.ai

# Base URL
https://runapi.ai

# Endpoints
POST /v1/chat/completions
POST /v1/responses
POST /v1/messages
POST /v1beta/models/glm-5.3-flash:generateContent
POST /v1beta/models/glm-5.3-flash:streamGenerateContent

curl https://runapi.ai/v1/chat/completions \
  -H "Authorization: Bearer $RUNAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "glm-5.3-flash",
  "messages": [
    {
      "role": "user",
      "content": "Lisez ce dépôt multi-fichiers, trouvez le test d'intégration en échec et proposez un patch avec une explication de la cause racine."
    }
  ]
}'

from openai import OpenAI

client = OpenAI(
    base_url="https://runapi.ai/v1",
    api_key="your-runapi-key"
)

response = client.chat.completions.create(
    model="glm-5.3-flash",
    messages=[{"role": "user", "content": "Lisez ce dépôt multi-fichiers, trouvez le test d'intégration en échec et proposez un patch avec une explication de la cause racine."}]
)

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://runapi.ai/v1",
  apiKey: "your-runapi-key"
});

const response = await client.chat.completions.create({
  model: "glm-5.3-flash",
  messages: [{ role: "user", content: "Lisez ce dépôt multi-fichiers, trouvez le test d'intégration en échec et proposez un patch avec une explication de la cause racine." }]
});

https://runapi.ai 5 endpoints

10 versions disponibles

APERÇU

À quoi sert GLM-5.3-Flash

GLM-5.3-Flash est le modèle à moindre coût de la génération GLM-5.3 de Z.ai, sorti le 26 août 2026. C'est un modèle Mixture-of-Experts de 320B paramètres au total, dont 18B actifs par token. Z.ai le présente comme le premier modèle de pointe open source à combiner attention éparse et attention linéaire, et annonce environ 3x moins de calcul d'attention et un cache KV 4.4x plus petit que GLM-5.3.

La fenêtre de contexte atteint 1M tokens et la sortie jusqu'à 128K tokens. Le thinking est toujours actif : l'API de Z.ai n'accepte que le mode thinking activé, donc chaque réponse commence par une étape de raisonnement. Z.ai oriente le modèle vers le codage d'interfaces à partir de captures d'écran, les documents bureautiques, la recherche financière et les boucles d'utilisation de l'ordinateur, et prend en charge l'appel de fonctions et les sorties structurées.

Le modèle de Z.ai lit aussi les images, la vidéo et les fichiers. Sur RunAPI, glm-5.3-flash n'accepte que l'entrée texte. Appelez-le via le point d'accès Chat Completions compatible OpenAI (/v1/chat/completions), le point d'accès Anthropic Messages (/v1/messages), OpenAI Responses ou Gemini generateContent, tous avec la même clé API RunAPI.

ID du modèle

glm-5.3-flash

Date de sortie

26 août 2026

Architecture

MoE, 320B au total / 18B actifs

Fenêtre de contexte

1M tokens

Sortie maximale

128K tokens

Thinking

Toujours actif

Point d'accès sur RunAPI

OpenAI Chat Completions et Anthropic Messages, entrée texte

Playground

Essayez GLM-5.3-Flash

Choisissez un modèle et générez en quelques secondes.

Spécifications

Fournisseur	Z.ai
ID du modèle	glm-5.3-flash
Modalité	Texte
Types de tâche	Synchronous
Endpoint API	/v1/chat/completions
	/v1/responses

	/v1/messages
	/v1beta/models/glm-5.3-flash:generateContent
	/v1beta/models/glm-5.3-flash:streamGenerateContent
Unité de facturation	1 000 jetons
État du catalogue	Opérationnel

COMMENT ÇA MARCHE

Utilisez ce modèle en 3 étapes

Créez votre clé

Inscrivez-vous gratuitement et créez une clé API pour glm-5.3-flash depuis le tableau de bord.
Envoyez une requête

Envoyez une requête POST à /v1/chat/completions avec l’identifiant du modèle glm-5.3-flash et vos paramètres.
Obtenez les résultats

Lisez directement la réponse glm-5.3-flash terminée depuis l’endpoint.

Ce que ce modèle propose

Couverture des endpoints

Expose 1 endpoint(s) public(s) : chat_completion.

Facturation à l'usage

Mesuré par 1 000 jetons, sans abonnement requis.

GLM-5.3-Flash TARIFS

Endpoint

Prix

chat_completion

Entrée: $0.12 / 1M de tokens Sortie: $0.40 / 1M de tokens

Lecture du cache: $0.03 / 1M de tokens
Écriture en cache (5 min): Gratuit / 1M de tokens
Écriture en cache (1 h): Gratuit / 1M de tokens

RÉFÉRENCE API

Spécification de l'endpoint

Endpoint: POST /v1/chat/completions
ID du modèle: glm-5.3-flash
Types de tâche: chat_completion

Paramètres de requête

Aucun paramètre de requête n'est publié pour cet endpoint.

CAS D’USAGE

Chat

Utilisez les LLM pour le chat et le raisonnement.

Code

Générez et révisez le travail d'implémentation.

Automatisation

Connectez les modèles aux tâches backend.

Utilisé par des développeurs

Appels API / Jour

100.0%

Taux de succès

7.6s

Génération moyenne

Les avis clients vérifiés ne sont pas encore disponibles pour ce modèle.

FAQ

Questions fréquentes sur GLM-5.3-Flash

En quoi GLM-5.3-Flash diffère-t-il de GLM-5.3 ?

GLM-5.3-Flash est le modèle plus petit et moins coûteux de la génération GLM-5.3, avec 320B paramètres au total et 18B actifs. Selon Z.ai, son attention hybride éparse et linéaire réduit le calcul d'attention d'environ 3x par rapport à GLM-5.3. Les deux ont une fenêtre de contexte de 1M tokens. Choisissez glm-5.3 pour le modèle phare et glm-5.3-flash pour les usages à fort volume ou sensibles au coût.

Puis-je désactiver le thinking sur GLM-5.3-Flash ?

Non. Z.ai le livre avec le thinking toujours actif, et le paramètre thinking n'accepte que enabled. Les tokens de raisonnement comptent dans la sortie, prévoyez donc de la marge dans max_tokens.

Puis-je envoyer des images à glm-5.3-flash sur RunAPI ?

Pas encore. Le modèle de Z.ai lit les images, la vidéo et les fichiers, mais RunAPI n'accepte que l'entrée texte pour glm-5.3-flash, et les requêtes contenant des parties image sont rejetées.

Quels SDK peuvent appeler glm-5.3-flash ?

Configurez le SDK OpenAI sur https://runapi.ai/v1 pour Chat Completions ou Responses, ou utilisez le SDK Anthropic pour Messages, et définissez le modèle sur glm-5.3-flash. Une seule clé API RunAPI fonctionne pour tous les protocoles.

Comment sélectionner glm-5.3-flash ?

Passez l'ID de modèle affiché dans le quickstart.

Les tarifs sont-ils à l'usage ?

Oui. Les tarifs sont mesurés par appel ou par unité.

Puis-je changer de variante plus tard ?

Oui. La variante est un paramètre de la requête. Changez l'ID de modèle sans modification de code, nouvelle authentification ni configuration de facturation séparée. Toutes les variantes partagent la même API key et le même format de requête.

Prend-elle en charge le streaming ?

Lorsque le streaming est disponible, RunAPI diffuse de bout en bout. Les modèles LLM prennent en charge le streaming au niveau des tokens. Les modèles multimédias utilisent le polling des tâches async ou les callbacks de webhook pour livrer les résultats.

Où signaler des problèmes de qualité ?

Ouvrez une issue sur le dépôt GitHub public ou écrivez au support à [email protected]. Indiquez l'ID de tâche et l'ID de modèle pour que l'équipe puisse examiner la génération concernée.

Ai-je besoin d'un compte fournisseur séparé ?

Non. Votre API key RunAPI suffit pour accéder à cette variante et à tous les autres modèles du catalogue. Vous n'avez pas besoin de compte auprès du fournisseur sous-jacent.

Vous construisez avec une équipe ?

Nous vous aidons pour la mise en place entreprise, les intégrations et les questions techniques.

Nous contacter