Z.ai

GLM-5.3-Flash

文本

GLM-5.3 的低成本档位;100 万上下文,始终开启思考;通过 OpenAI 和 Anthropic SDK 发送文本请求

输入 $0.12 / 百万 tokens | 输出 $0.40 / 百万 tokens GLM-5.3-Flash API 参考 →
模型健康状态 数据不足
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": "阅读这个多文件仓库,找出失败的集成测试,并给出补丁及根因说明。"
    }
  ]
}'
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": "阅读这个多文件仓库,找出失败的集成测试,并给出补丁及根因说明。"}]
)
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: "阅读这个多文件仓库,找出失败的集成测试,并给出补丁及根因说明。" }]
});
https://runapi.ai 5 endpoints
概览

GLM-5.3-Flash 适合做什么

GLM-5.3-Flash 是 Z.ai GLM-5.3 代中成本更低的模型,于 2026 年 8 月 26 日发布。它是 Mixture-of-Experts 模型,总参数 320B,每个 token 激活 18B。Z.ai 称其为首个同时采用稀疏注意力与线性注意力的开源前沿模型,并表示相比 GLM-5.3,注意力计算量约少 3x,KV 缓存小 4.4x。

上下文窗口为 100 万 token,最多输出 128K token。思考始终开启:Z.ai 的 API 只接受 enabled 思考模式,因此每次回复都从推理步骤开始。Z.ai 将该模型定位于根据截图编写用户界面代码、办公文档、金融研究和计算机操作循环,并支持函数调用和结构化输出。

Z.ai 的模型还能读取图像、视频和文件。在 RunAPI 上,glm-5.3-flash 只接受文本输入。可通过 OpenAI 兼容的 Chat Completions 端点(/v1/chat/completions)、Anthropic Messages 端点(/v1/messages)、OpenAI Responses 或 Gemini generateContent 调用,全部使用同一个 RunAPI API key。

模型 ID
glm-5.3-flash
发布日期
2026 年 8 月 26 日
架构
MoE,总参数 320B / 激活 18B
上下文窗口
100 万 token
最大输出
128K token
思考
始终开启
RunAPI 上的端点
OpenAI Chat Completions 与 Anthropic Messages,文本输入
模型体验

体验 GLM-5.3-Flash

选择任意模型,几秒内开始生成。

预计: 输入 $0.12 / 百万 tokens | 输出 $0.40 / 百万 tokens

登录后即可使用 RunAPI 生成。

登录后生成

登录后即可使用可用语言模型开始生成。

规格

技术细节

提供商 Z.ai
模型 ID glm-5.3-flash
模态 文本
任务类型 Synchronous
API 端点 /v1/chat/completions
/v1/responses
/v1/messages
/v1beta/models/glm-5.3-flash:generateContent
/v1beta/models/glm-5.3-flash:streamGenerateContent
计费单位 1K tokens
目录状态 运行中
工作原理

3 步使用此模型

  1. 获取 API 密钥

    免费注册后,在控制台创建用于 glm-5.3-flash 的 API 密钥。

  2. 发送请求

    向 /v1/chat/completions 发送 POST 请求,并传入 glm-5.3-flash 模型 ID 和参数。

  3. 获取结果

    直接从端点读取已完成的 glm-5.3-flash 响应。

该模型的核心能力

Endpoint 覆盖

提供 1 个公开 endpoint:chat_completion。

按量计费

按 1K tokens 计量,无需订阅。

GLM-5.3-Flash 定价

端点
价格
chat_completion
输入: $0.12 / 百万 tokens 输出: $0.40 / 百万 tokens
  • 缓存读取: $0.03 / 百万 tokens
  • 缓存写入(5 分钟): 免费 / 百万 tokens
  • 缓存写入(1 小时): 免费 / 百万 tokens
API 参考

端点规格

端点
POST /v1/chat/completions
模型 ID
glm-5.3-flash
任务类型
chat_completion

请求参数

此端点尚未发布请求参数。

应用场景

客户支持

基于私有知识库回答客户问题,减少工单量。

文档分析

起草合同摘要并标记关键条款供律师审阅。

代码生成

在 CI 中自动生成单元测试、代码审查和重构建议。

使用指标

深受开发者信赖
1
API 调用量 / 天
100.0%
成功率
7.6s
平均生成时间

该模型暂无已验证的用户反馈。

常见问题

GLM-5.3-Flash 常见问题

GLM-5.3-Flash 与 GLM-5.3 有什么区别?

GLM-5.3-Flash 是 GLM-5.3 代中更小、成本更低的模型,总参数 320B,激活 18B。据 Z.ai 介绍,其稀疏与线性混合注意力使注意力计算量相比 GLM-5.3 减少约 3x。两者的上下文窗口都是 100 万 token。需要旗舰模型时选 glm-5.3,高并发或对成本敏感的任务选 glm-5.3-flash。

GLM-5.3-Flash 可以关闭思考吗?

不可以。Z.ai 发布该模型时思考始终开启,思考设置只接受 enabled。推理 token 计入输出,请在 max_tokens 中为其留出空间。

在 RunAPI 上可以向 glm-5.3-flash 发送图片吗?

目前不可以。Z.ai 的模型能读取图像、视频和文件,但 RunAPI 对 glm-5.3-flash 只接受文本输入,包含图片部分的请求会被拒绝。

哪些 SDK 可以调用 glm-5.3-flash?

把 OpenAI SDK 指向 https://runapi.ai/v1 即可使用 Chat Completions 或 Responses,也可以用 Anthropic SDK 调用 Messages,并将 model 设为 glm-5.3-flash。一个 RunAPI API key 适用于所有协议。

如何选择 glm-5.3-flash?

传入 quickstart 中显示的模型 ID。

该变体的限流?

Key 级限流随使用层级伸缩。当前限制见定价页。

能切到其它变体吗?

可以——变体只是参数,改 model 字段即可。

支持流式吗?

模型支持流式时,RunAPI 端到端流式。

质量问题在哪里报?

在公共 GitHub 仓库提 issue 或邮件联系 support。

需要单独的提供方账户吗?

不需要。你的 RunAPI API key 足以访问此 variant 以及目录中的所有其他模型,无需底层提供方账户。

需要团队接入支持?

我们可以协助团队接入、完成系统集成并解答技术问题。

联系我们