GLM-5.3-Flash

Texto

Nível mais barato do GLM-5.3; contexto de 1M, thinking sempre ativo; requisições de texto pelos SDKs da OpenAI e da Anthropic

Entrada $0.12 / 1M de tokens | Saída $0.40 / 1M de tokens GLM-5.3-Flash Ler a documentação →

Obter API Key PREÇOS

Saúde do modelo Dados insuficientes

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": "Leia este repositório multi-arquivo, encontre o teste de integração que falha e proponha um patch com explicação da causa raiz."
    }
  ]
}'

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": "Leia este repositório multi-arquivo, encontre o teste de integração que falha e proponha um patch com explicação da causa raiz."}]
)

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: "Leia este repositório multi-arquivo, encontre o teste de integração que falha e proponha um patch com explicação da causa raiz." }]
});

https://runapi.ai 5 endpoints

10 variantes disponíveis

VISÃO GERAL

Para que serve o GLM-5.3-Flash

O GLM-5.3-Flash é o modelo de menor custo da geração GLM-5.3 da Z.ai, lançado em 26 de agosto de 2026. É um modelo Mixture-of-Experts com 320B de parâmetros no total e 18B ativos por token. A Z.ai o descreve como o primeiro modelo de fronteira de código aberto a combinar atenção esparsa e linear, e informa cerca de 3x menos computação de atenção e um KV cache 4.4x menor que o do GLM-5.3.

A janela de contexto é de 1M tokens e a saída chega a 128K tokens. O thinking fica sempre ativo: a API da Z.ai aceita apenas o modo thinking enabled, então toda resposta começa com uma etapa de raciocínio. A Z.ai indica o modelo para programar interfaces a partir de capturas de tela, documentos de escritório, pesquisa financeira e ciclos de computer use, e oferece function calling e saída estruturada.

O modelo da Z.ai também lê imagens, vídeo e arquivos. No RunAPI, o glm-5.3-flash aceita somente entrada de texto. Chame-o pelo endpoint Chat Completions compatível com OpenAI (/v1/chat/completions), pelo endpoint Anthropic Messages (/v1/messages), pelo OpenAI Responses ou pelo Gemini generateContent, sempre com a mesma chave de API do RunAPI.

ID do modelo

glm-5.3-flash

Lançamento

26/08/2026

Arquitetura

MoE, 320B no total / 18B ativos

Janela de contexto

1M tokens

Saída máxima

128K tokens

Thinking

Sempre ativo

Endpoint no RunAPI

OpenAI Chat Completions e Anthropic Messages, entrada de texto

Playground

Experimente GLM-5.3-Flash

Escolha qualquer modelo e gere em segundos.

Especificações

Provedor	Z.ai
ID do modelo	glm-5.3-flash
Modalidade	Texto
Tipos de tarefa	Synchronous
Endpoint da API	/v1/chat/completions
	/v1/responses

	/v1/messages
	/v1beta/models/glm-5.3-flash:generateContent
	/v1beta/models/glm-5.3-flash:streamGenerateContent
Unidade de cobrança	1K tokens
Status do catálogo	Operacional

COMO FUNCIONA

Use este modelo em 3 etapas

Crie sua chave

Cadastre-se gratuitamente e crie uma chave de API para glm-5.3-flash no painel.
Envie uma solicitação

Envie uma solicitação POST para /v1/chat/completions com o identificador do modelo glm-5.3-flash e seus parâmetros.
Obtenha os resultados

Leia diretamente do endpoint a resposta concluída de glm-5.3-flash.

O que este modelo oferece

Cobertura de endpoints

Expõe 1 endpoint(s) público(s): chat_completion.

Cobrança por uso

Medido por 1K tokens, sem exigência de assinatura.

GLM-5.3-Flash PREÇOS

Endpoint

Preço

chat_completion

Entrada: $0.12 / 1M de tokens Saída: $0.40 / 1M de tokens

Leitura de cache: $0.03 / 1M de tokens
Gravação em cache (5 min): Grátis / 1M de tokens
Gravação em cache (1 h): Grátis / 1M de tokens

REFERÊNCIA DA API

Especificação do endpoint

Endpoint: POST /v1/chat/completions
ID do modelo: glm-5.3-flash
Tipos de tarefa: chat_completion

Parâmetros da solicitação

Nenhum parâmetro de solicitação foi publicado para este endpoint.

CASOS DE USO

Chat

Use LLMs para chat e raciocínio.

Código

Gere e revise trabalho de implementação.

Automação

Conecte modelos a tarefas backend.

Desenvolvedores confiam em nós

Chamadas de API / Dia

100.0%

Taxa de sucesso

7.6s

Geração média

Feedback verificado de clientes ainda não está disponível para este modelo.

FAQ

Perguntas frequentes sobre GLM-5.3-Flash

Qual é a diferença entre o GLM-5.3-Flash e o GLM-5.3?

O GLM-5.3-Flash é o modelo menor e de menor custo da geração GLM-5.3, com 320B de parâmetros no total e 18B ativos. Segundo a Z.ai, a atenção híbrida esparsa e linear reduz a computação de atenção em cerca de 3x em relação ao GLM-5.3. Ambos têm janela de contexto de 1M tokens. Escolha o glm-5.3 para o modelo principal e o glm-5.3-flash para trabalho em grande volume ou sensível a custo.

Posso desativar o thinking no GLM-5.3-Flash?

Não. A Z.ai o distribui com o thinking sempre ativo, e a configuração thinking aceita apenas enabled. Os tokens de raciocínio contam como saída, então deixe espaço para eles em max_tokens.

Posso enviar imagens ao glm-5.3-flash no RunAPI?

Ainda não. O modelo da Z.ai lê imagens, vídeo e arquivos, mas o RunAPI aceita somente entrada de texto para o glm-5.3-flash, e requisições com partes de imagem são rejeitadas.

Quais SDKs podem chamar o glm-5.3-flash?

Aponte o SDK da OpenAI para https://runapi.ai/v1 para Chat Completions ou Responses, ou use o SDK da Anthropic para Messages, e defina model como glm-5.3-flash. Uma única chave de API do RunAPI funciona para todos os protocolos.

Como seleciono glm-5.3-flash?

Envie o ID de modelo mostrado no quickstart.

O preço é por uso?

Sim. O preço é medido por chamada ou unidade.

Posso trocar de variante depois?

Sim. A variante é um parâmetro da requisição. Troque o ID do modelo sem alterações de código, nova autenticação ou configuração de cobrança separada. Todas as variantes compartilham a mesma API key e o mesmo formato de requisição.

Ela oferece streaming?

Quando disponível, a RunAPI transmite de ponta a ponta. Modelos LLM oferecem streaming no nível de token. Modelos de mídia usam polling de tarefas async ou callbacks de webhook para entregar resultados.

Onde reporto problemas de qualidade?

Abra uma issue no repositório público do GitHub ou escreva para o suporte em [email protected]. Inclua o ID da tarefa e o ID do modelo para que a equipe possa investigar a geração específica.

Preciso de uma conta separada com o provedor?

Não. Sua API key da RunAPI basta para acessar esta variante e todos os outros modelos do catálogo. Você não precisa de contas com o provedor subjacente.

Construindo com uma equipe?

Ajudamos com a configuração empresarial, integrações e dúvidas técnicas.

Fale conosco