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.
提供商
不同公司托管同一模型。OpenRouter 根据您选择的路由模式将请求路由到其中一家公司:Balanced(价格 + 速度)、Nitro(速度最快)或 Floor(价格最低)。
| US$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 | -- | -- |
- 输入 US$0.05 / 输出 US$0.18-- tok/s-- 正常运行时间
- 输入 US$0.075 / 输出 US$0.25-- tok/s-- 正常运行时间
输入 US$0.12 / 输出 US$0.40-- tok/s-- 正常运行时间
定价
客户为此模型实际支付的平均价格,与提供商公布的价格并列展示。由于缓存和折扣,实际支付的价格往往远低于标价。
加权平均值
GLM 5.3 Flash (batch) — 价格历史
| US$0.00 | US$0.00 | 19.3% | 99.9% | ||
| US$0.00 | US$0.00 | 0.0% | 0.1% | ||
| — | — | — | — |
- 有效输入价格 US$0.00 / 实际输出 US$0.00token 占比99.9%
- 有效输入价格 US$0.00 / 实际输出 US$0.00token 占比0.1%
- 有效输入价格 — / 实际输出 —token 占比 —
性能
吞吐量是模型生成内容的速度(每秒 token 数,越高越好)。延迟是完整的往返时间(越低越好)。TTFT 是首个 token 的响应时间,即您看到内容出现前需要等待的时间(越低越好)。
正常运行时间
正常运行时间是指过去 3 天中至少有一家提供商响应请求的时间百分比。可用性是指成功提供推理服务的时间百分比。OpenRouter 会持续监控,并在某家提供商返回错误时使用次优提供商。
正常运行时间数据尚不足,暂时无法显示。
当上游提供商发生错误时,如果您的请求筛选条件允许,我们可以通过路由到另一家健康的提供商来恢复服务。您可以通过以下接口以编程方式访问各提供商的正常运行时间数据: 端点 API。了解更多有关我们的 负载均衡和提供商路由选项。
基准测试
标准化评测得分,以及此模型针对共用基准测试提示词的实际输出。百分比越高越好,每项排名显示此模型在该来源所评测的模型中的位置。
| 来源 | 基准测试 | 得分 |
|---|---|---|
| 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 | 1256 |
| Design Arena | GLM-5.3-Flash Models Arena Code Categories Elo | 1267 |
| Design Arena | GLM-5.3-Flash Models Arena Data Visualization Elo | 1257 |
| 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 | 1294 |
| 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% |
应用
向此模型发送最多流量的公开应用。这能很好地反映实际生产工作负载的情况,也能提示此模型最适合哪些用例。
使用此模型的应用尚无足够数据。
活动
此模型的 token 用量和请求流量随时间的变化。
API
可直接用于调用此模型的代码。OpenRouter 的 API 与 OpenAI 兼容——大多数 SDK 只需替换基础 URL 即可使用。切换模型时,唯一需要更改的是下方的模型标识符。
目前无法通过 EU 区域内路由使用。 区域内路由文档
文档
在 OpenRouter 上使用 Z.ai: GLM 5.3 Flash (batch) 构建应用的指南、实用教程、博客文章和工具。
常见问题
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.
OpenRouter 上的 GLM 5.3 Flash (batch) 文档包括 Open-Weight vs Closed-Weight Models: What's the Difference? 博客文章。快速入门介绍了 API 密钥和您的首次请求,API 参考列出了所有参数。
GLM 5.3 Flash (batch) 的费用为 US$0.05/百万输入 token 和 US$0.18/百万输出 token,Cache Read,价格为 US$0.01/M tokens 单独计费。
GLM 5.3 Flash (batch) 的上下文窗口为 1,048,576 个 token。它最多支持 131,072 个补全 token。
是的。GLM 5.3 Flash (batch) 接受 tools 和 tool_choice,以进行函数调用。 它还支持通过 response_format 中的 JSON schema 实现结构化输出。
GLM 5.3 Flash (batch) 接受 文本、图像和视频 作为输入,并返回 文本。
在 OpenRouter 上,GLM 5.3 Flash (batch) 由 3 家提供商提供服务:Sail Research、Together和DeepInfra。 请求会路由至最佳的可用提供商,并在故障时自动切换至其他提供商,您也可以通过提供商路由固定或排除提供商。
GLM 5.3 Flash (batch) 于 2026年8月26日 发布。