AIREITER
ZhipuText Chat

GLM-5.3 Flash

在线试用 GLM-5.3 Flash:支持文本与图像输入、1M-token 上下文、128K 输出、流式 Messages API、prompt caching,以及 Flash 级定价。

输入官方 $0.15 每 100 万 TokensAIReiter $0.075 每 100 万 Tokens输出官方 $0.50 每 100 万 TokensAIReiter $0.25 每 100 万 Tokens缓存读取官方 $0.03 每 100 万 TokensAIReiter $0.015 每 100 万 Tokens
使用 API 运行

输入

输出

Example
Generated in
42.7 seconds
输入 Token
134
输出 Token
2354
Tokens per second
55.13 tokens / second
Time to first token
-

模型详情

在 Playground、API 请求和内部工作流中使用相同的模型 key。

模型 ID
glm-5.3-flash
供应商
Zhipu
协议
Anthropic Messages
上下文窗口
1,000,000 Token
最大输出
128,000 Token
输入 Token
7.5 credits / 1M Token
输出 Token
25 credits / 1M Token
缓存读取
1.5 credits / 1M Token
缓存写入
-

GLM-5.3 Flash 能做什么

GLM-5.3 的文本质量加上图像输入,成本却只是其一小部分,适合全天候高流量场景。

高流量聊天

用于助手和客服流量,这类场景更看重单次请求成本,而不是榨出最后一点推理深度。

结构化提取

将对话记录、工单和文档转换为具有固定结构的 JSON,而且即使每天运行数千次也负担得起。

Agent 内循环

承担 Agent 中廉价且高频的步骤——路由、概括工具输出、决定下一步动作——只在困难回合再升级处理。

百万 token 上下文

保持与 GLM-5.3 相同的 1M-token 窗口,因此长文档包和完整对话历史无需预先分块。

图像理解

在同一请求中将图像与文本一并发送。GLM-5.3 Flash 原生支持多模态,而 GLM-5.3 本身仅接受文本。

GLM-5.3 Flash 使用场景

把它用在请求量而不是峰值推理决定预算的地方。
01

批量分类

对大量文本进行标注、打标签和路由,在准确性可验证且吞吐量受限的场景下使用。

02

文档流水线

在长文件上进行摘要、标准化和字段提取,而无需拆分它们来适配较小窗口。

03

双语支持流程

在同一条流程中处理中文和英文客服流量,而不必为每种语言维护一个模型。

04

评估与预筛

先进行初步评分或过滤,再只把模棱两可的案例送交旗舰模型。

05

截图和文档分诊

以 Flash 级价格读取截图、扫描表单和图表图片,而不是为常规接收支付旗舰视觉模型的价格。

GLM-5.3 Flash 定价与每次回答的实际成本

Z.AI 标注的 GLM-5.3 Flash 价格为每 100 万输入 token $0.15、缓存输入 $0.03、输出 $0.50。标价并不是全部账单——以下是我们的实测结果。
01

约为 GLM-5.3 的十分之一

GLM-5.3 的标价为每 1M tokens 输入 $1.40、输出 $4.40。Flash 的价格为 $0.15 和 $0.50,因此相同 token 数量的成本大约只有十分之一。

02

推理 token 按输出计费

在 2026-08-27 的 AIReiter 测试中,一个 33-token 的问题在出现第一个可见字符之前大约产生了 1,900 个推理 token,输出总计 2,656 个 token。预算时要把推理也算进去,而不只是答案。

03

节省主要来自缓存

我们两次发送了一个 4,420-token 的缓存前缀。第二次调用报告 input_tokens 4、cache_read_input_tokens 4,416,因此复用的前缀按缓存费率计费,而不是完整输入费率。

04

按每个答案估算,而不是按 token 估算

将你测得的输出 token 数量(包括推理过程)乘以输出费率。一个带有很长推理链的简短提示,成本远高于输入行所暗示的水平。

GLM-5.3 Flash vs GLM-5.3

按工作负载进行路由。更便宜的模型并不总是更便宜的答案。

在以下情况下选择 Flash

任务定义明确,输出格式固定,而且使用频率足够高,使得按 token 计费成本占主导。

在以下情况下选择 GLM-5.3

任务是开放式的工程或研究工作,答错的代价高于节省的 token 成本。

相同上下文,相同端点

两者都通过 Messages API 提供 100 万 token 窗口和最高 128K 输出,因此切换只需要更改 model-id。

只有 Flash 支持图片

GLM-5.3 Flash 接受图像输入;GLM-5.3 仅支持文本。对于任何涉及截图或扫描件的场景,能完成任务的那个更便宜的模型才是真正更便宜的选择。

两者都会先思考再回答

在我们的测试中,两款模型都先输出了较长的推理过程;当 max_tokens 设为 1,200 时,两者都完全没有显示可见答案。无论走哪条路,都要为推理预留空间。

切换前先测量

在两者上都运行你自己的可接受答案率测试。Flash 上的一次重试,成本可能高于在 GLM-5.3 上一次干净调用。

GLM-5.3 Flash 与其他 Flash 级模型的对比

Flash 级模型并非可以互换。真正会改变结果的是这些维度。
01

上下文窗口

在这个价位上,100 万 token 的窗口并不常见。如果你的工作负载是长文档或完整对话历史,这一点就足以排除那些只有 128K 或 256K 窗口的更便宜模型。

02

推理行为

一些 flash 级模型会立即回答。GLM-5.3 Flash 会先推理,这会增加延迟和输出 token 成本,但通常有助于处理多约束抽取任务。

03

首次可见 token 的时间

我们在一个简单提示上测得,第一次出现可见字符前大约需要 56 秒,输出速度为每秒 24 到 33 个 token。如果你的产品需要瞬时出现第一个 token,在正式采用前,请用你自己的提示进行测试。

04

文本和图像走同一路径

许多 flash 级模型仅支持文本,或对视觉能力单独收费。GLM-5.3 Flash 在同一端点以相同费率支持图片输入,已由 AIReiter 在 2026-08-27 的测试中验证。

05

双语覆盖

在同一路径中同时处理中文和英文,相比主要为英文调优的 flash 模型,是一个很实用的优势。

06

用你自己的评测集来比较

在同样的 50 个真实请求上运行 GLM-5.3 Flash、DeepSeek V4 Flash 和 Gemini 3.7 Flash,并比较可接受答案率与总成本。公开排行榜不会告诉你哪个最适合你的提示。

如何使用 GLM-5.3 Flash

从一个代表性提示词过渡到生产环境的 Messages 集成。

01

给推理留出空间

将 max_tokens 设得足够高,以覆盖推理过程和答案。在我们的测试中,预算太小会返回空响应,因为推理已经把它全部消耗掉了。

02

测试真实工作负载

在 playground 中使用与你计划在生产环境发送时相同的上下文长度和输出结构,而不是一个通用的基准测试问题。

03

检查用量和缓存

查看输入、输出和缓存读取 token。仅仅文本重复并不能证明命中缓存——请检查 cache_read_input_tokens 是否为正。

04

连接 Messages API

使用模型 "glm-5.3-flash" 调用 POST https://aireiter.com/api/v1/messages,并在需要时启用流式输出。

GLM-5.3 Flash API 问答

团队在将生产流量路由前应确认的细节。

/ 01

GLM-5.3 Flash 最适合做什么?

高吞吐量聊天、结构化提取、批量分类,以及 agent 循环中低成本的高频步骤。

/ 02

GLM-5.3 Flash 多少钱?

Z.AI 标价为每 100 万输入 token 0.15 美元、每 100 万缓存输入 token 0.03 美元、每 100 万输出 token 0.50 美元。AIReiter 显示的是其自身的路由价格。请记住,推理 token 按输出计费。

/ 03

它和 GLM-5.3 有什么不同?

上下文窗口同为 100 万 token,文本参数也相同,按每 token 费率大约低一个数量级——而且不同于 GLM-5.3,它还支持图片。在困难任务上的推理深度才是两者分开的地方,所以请用你自己的工作负载来测试。

/ 04

为什么我的请求返回了空答案?

几乎总是因为 max_tokens。模型会先输出推理过程再给出答案,而较小的预算会被它完全消耗掉。在我们的测试中,1,200 token 的预算没有产生可见文本;请提高上限后重试。

/ 05

GLM-5.3 Flash 是多模态的吗?

是的。它原生支持多模态,能够在文本之外接收图片输入。在 AIReiter 于 2026-08-27 的测试中,它第一次就正确描述了测试图片的布局和颜色。GLM-5.3 本身仅支持文本。

/ 06

我该如何发送图片?

使用标准的 Messages 内容块:先放一个包含 base64 源和 media_type 的图片块,然后再放文本块。此页面上的 playground 支持 PNG、JPEG、WebP 和 GIF 上传。

/ 07

GLM-5.3 Flash 应该使用哪个端点?

使用 POST https://aireiter.com/api/v1/messages。Chat Completions 端点与此 AIReiter 路由不兼容。

/ 08

显示了哪些上下文和输出限制?

页面列出了 1M-token 的上下文窗口和最高 128K 输出 token。客户端和提供方的请求限制可能仍然更低。

/ 09

提示词缓存真的有效吗?

是的。在 AIReiter 于 2026-08-27 的测试中,一个 4,420 token 的缓存前缀在后续调用中返回了 input_tokens 4 和 cache_read_input_tokens 4,416。你可以通过检查 usage.cache_read_input_tokens 在自己的提示词上确认。

/ 10

GLM-5.3 Flash 有多快?

我们测得输出速度为每秒 24 到 33 个 token;由于推理过程的存在,一个简单提示在第一个可见字符出现前大约需要 56 秒。流式输出会在推理到达时显示它。