Z.ai: GLM 5.3 Flash (batch)
z-ai/glm-5.3-flash:batch
Pesos del modeloGLM-5.3-Flash is a native multimodal model from Z.ai. It is suited for efficient coding and long-horizon agent tasks. Its hybrid sparse and linear attention architecture maintains accurate long-context behavior while reducing compute overhead.
Proveedores
Distintas empresas alojan el mismo modelo. OpenRouter enruta su solicitud a una de ellas según el modo de enrutamiento que elija: Balanced (precio + velocidad), Nitro (el más rápido) o Floor (el más económico).
| 0,050 US$ | 0,18 US$ | 0,010 US$ | -- | -- | ||
| 0,075 US$ | 0,25 US$ | 0,015 US$ | -- | -- | ||
| 0,120 US$ | 0,40 US$ | 0,024 US$ | -- | -- |
- Entrada 0,05 US$ / Salida 0,18 US$-- tok/s-- de tiempo de actividad
- Entrada 0,075 US$ / Salida 0,25 US$-- tok/s-- de tiempo de actividad
Entrada 0,12 US$ / Salida 0,40 US$-- tok/s-- de tiempo de actividad
Precios
El precio medio que los clientes pagan realmente por este modelo, junto a los precios que publican los proveedores. El uso de caché y los descuentos hacen que el precio realmente pagado a menudo sea muy inferior al publicado.
Media ponderada
GLM 5.3 Flash (batch) — Historial de precios
| 0,00 US$ | 0,00 US$ | 59,3 % | 99,4 % | ||
| 0,00 US$ | 0,00 US$ | 0,0 % | 0,6 % | ||
| — | — | — | — |
- En vigor en 0,00 US$ / Salida efectiva 0,00 US$Proporción de tókenes99,4 %
- En vigor en 0,00 US$ / Salida efectiva 0,00 US$Proporción de tókenes0,6 %
- En vigor en — / Salida efectiva —Proporción de tókenes —
Rendimiento
La velocidad de generación indica lo rápido que escribe el modelo (tokens por segundo: cuanto mayor, mejor). La latencia es el tiempo total de ida y vuelta (cuanto menor, mejor). TTFT es el tiempo hasta el primer token: cuánto tarda en aparecer algo en pantalla (cuanto menor, mejor).
Tiempo de actividad
El tiempo de actividad es el porcentaje de los últimos 3 días en que al menos un proveedor respondía a las solicitudes. La disponibilidad es el porcentaje de tiempo en que la inferencia se sirvió correctamente. OpenRouter supervisa continuamente y utiliza el siguiente mejor proveedor cuando uno devuelve un error.
Aún no hay suficientes datos de tiempo de actividad para mostrar.
Cuando se produce un error en un proveedor ascendente, podemos recuperarnos enrutando la solicitud a otro proveedor que funcione correctamente, si los filtros de su solicitud lo permiten. Puede acceder mediante programación a los datos de tiempo de actividad de cada proveedor a través de la API de endpoints. Obtenga más información sobre nuestras opciones de equilibrio de carga y enrutamiento de proveedores.
Pruebas de rendimiento
Puntuaciones en evaluaciones estandarizadas y respuestas de este modelo a instrucciones compartidas de las pruebas de referencia. Los porcentajes más altos son mejores, y cada posición indica dónde se sitúa este modelo entre los modelos evaluados en esa fuente.
| Fuente | Prueba de rendimiento | Puntuación |
|---|---|---|
| Artificial Analysis | GLM-5.3-Flash Intelligence Index | 27,8 |
| Artificial Analysis | GLM-5.3-Flash Coding Index | 71,5 |
| Artificial Analysis | GLM-5.3-Flash Agentic Index | 50,9 |
| Artificial Analysis | GLM-5.3-Flash GPQA Diamond | 91.2% |
| Artificial Analysis | GLM-5.3-Flash HLE | 39.9% |
| Artificial Analysis | GLM-5.3-Flash AA-LCR | 80.0% |
| Artificial Analysis | GLM-5.3-Flash τ-Bench Banking | 47.2% |
| Artificial Analysis | GLM-5.3-Flash GDPval-AA | 57.4% |
| Artificial Analysis | GLM-5.3-Flash CritPt | 15.4% |
| Artificial Analysis | GLM-5.3-Flash SciCode | 51.6% |
| Artificial Analysis | GLM-5.3-Flash Terminal-Bench 4.0 | 32.8% |
| Artificial Analysis | GLM-5.3-Flash Terminal-Bench 2.1 | 84.3% |
| Artificial Analysis | GLM-5.3-Flash AA-Omniscience Accuracy | 28.2% |
| Artificial Analysis | GLM-5.3-Flash AA-Omniscience Non-Hallucination Rate | 61.7% |
| Design Arena | GLM-5.3-Flash Models Arena 3D Elo | 1293 |
| Design Arena | GLM-5.3-Flash Models Arena Asciiart Elo | 1259 |
| Design Arena | GLM-5.3-Flash Models Arena Code Categories Elo | 1267 |
| Design Arena | GLM-5.3-Flash Models Arena Data Visualization Elo | 1258 |
| Design Arena | GLM-5.3-Flash Models Arena Game Development Elo | 1266 |
| Design Arena | GLM-5.3-Flash Models Arena SVG Elo | 1270 |
| Design Arena | GLM-5.3-Flash Models Arena UI Component Elo | 1296 |
| Design Arena | GLM-5.3-Flash Models Arena Website Elo | 1257 |
| Vals AI | GLM 5.3 Flash Access to Justice Benchmark | 71.1% |
| Vals AI | GLM 5.3 Flash Code Migration v1.1 | 51.6% |
| Vals AI | GLM 5.3 Flash CyberBench v1.1 | 67.9% |
| Vals AI | GLM 5.3 Flash CyberOffense | 18.3% |
| Vals AI | GLM 5.3 Flash EMB v1.1 | 66.3% |
| Vals AI | GLM 5.3 Flash Finance Agent v2.1 | 60.6% |
| Vals AI | GLM 5.3 Flash Vals Finance Index | 55.8% |
| Vals AI | GLM 5.3 Flash GPQA Diamond | 86.4% |
| Vals AI | GLM 5.3 Flash HLAB-Vals-1.1 | 10.4% |
| Vals AI | GLM 5.3 Flash IOI | 52.5% |
| Vals AI | GLM 5.3 Flash LiveCodeBench | 80.5% |
| Vals AI | GLM 5.3 Flash LegalBench | 83.9% |
| Vals AI | GLM 5.3 Flash Vals Legal Index | 71.1% |
| Vals AI | GLM 5.3 Flash Legal Research Bench | 45.2% |
| Vals AI | GLM 5.3 Flash MedScribe | 88.9% |
| Vals AI | GLM 5.3 Flash MMLU Pro | 86.1% |
| Vals AI | GLM 5.3 Flash MMMU Pro | 86.0% |
| Vals AI | GLM 5.3 Flash ProgramBench | 0.0% |
| Vals AI | GLM 5.3 Flash ProofBench v1.1 | 21.0% |
| Vals AI | GLM 5.3 Flash SAGE | 89.3% |
| Vals AI | GLM 5.3 Flash SkillsBench | 40.2% |
| Vals AI | GLM 5.3 Flash SRE Bench | 0.8% |
| Vals AI | GLM 5.3 Flash SWE-bench | 92.0% |
| Vals AI | GLM 5.3 Flash Tax Agent Bench | 31.6% |
| Vals AI | GLM 5.3 Flash TaxEval v2 | 75.6% |
| Vals AI | GLM 5.3 Flash Terminal-Bench 4.0 | 37.4% |
| Vals AI | GLM 5.3 Flash Terminal-Bench-Science | 2.9% |
| Vals AI | GLM 5.3 Flash Vals Index | 50.9% |
| Vals AI | GLM 5.3 Flash Vibe Code Bench 1-100 | 16.0% |
| Vals AI | GLM 5.3 Flash Vibe Code Bench v1.1 | 30.8% |
Aplicaciones
Aplicaciones públicas que envían más tráfico a este modelo. Una buena señal de cómo son las cargas de trabajo reales en producción, y una pista sobre los casos de uso para los que este modelo es más adecuado.
Aún no hay suficientes datos sobre las aplicaciones que usan este modelo.
Actividad
Volumen de tokens y tráfico de solicitudes a este modelo a lo largo del tiempo.
API
Código listo para usar para llamar a este modelo. La API de OpenRouter es compatible con OpenAI: la mayoría de los SDK funcionan con solo cambiar la URL base. Lo único que cambia entre modelos es el identificador del modelo que aparece a continuación.
Actualmente no está disponible mediante el enrutamiento dentro de la región de la UE. Documentación de enrutamiento dentro de la región
Documentación
Guías, recetarios, artículos de blog y herramientas para desarrollar con Z.ai: GLM 5.3 Flash (batch) en OpenRouter.
Preguntas frecuentes
Yes, the stealth model Ox Alpha was revealed to be ZAI's new model, GLM-5.3 Flash.
GLM-5.3-Flash is a native multimodal model from Z.ai. It is suited for efficient coding and long-horizon agent tasks. Its hybrid sparse and linear attention architecture maintains accurate long-context behavior while reducing compute overhead.
La documentación de GLM 5.3 Flash (batch) en OpenRouter incluye la publicación del blog Open-Weight vs Closed-Weight Models: What's the Difference?. La guía de inicio rápido cubre las claves de API y su primera solicitud, y la referencia de la API enumera todos los parámetros.
GLM 5.3 Flash (batch) cuesta 0,05 US$/M de tokens de entrada y 0,18 US$/M de tókenes de salida, con tarifas independientes para Cache Read a 0,01 US$/M tokens.
GLM 5.3 Flash (batch) tiene una ventana de contexto de 1.048.576 tókenes. Admite hasta 131.072 tókenes de respuesta.
Sí. GLM 5.3 Flash (batch) admite tools y tool_choice para llamadas a funciones. También admite salidas estructuradas mediante un esquema JSON en response_format.
GLM 5.3 Flash (batch) acepta texto, imágenes y vídeo como entrada y devuelve texto.
GLM 5.3 Flash (batch) está disponible a través de 3 proveedores en OpenRouter: Sail Research, Together y DeepInfra. Las solicitudes se enrutan al mejor proveedor disponible, con conmutación automática a los demás en caso de fallo, y puede fijar o excluir proveedores mediante el enrutamiento de proveedores.
GLM 5.3 Flash (batch) se lanzó el 26 de agosto de 2026.