Novità Registrati gratis, 10 chiamate le offriamo noi. Fino a $1, senza carta.

GLM-5.3-Flash

chatCodiceRagionamentoVisioneChiamata di strumentiCaching dei prompt

GLM-5.3-Flash è il membro nativamente multimodale della linea GLM-5.3, pensato per la scrittura di codice efficiente e per compiti di agente di lungo periodo.

Input
testo immagine video $0.15/M
Output
testo $0.5/M
Lettura cache
$0.03/M
Contesto
1M
vs GPT-4o
~97% più economico

Benchmark

Sopra la mediaNessuno migliore5 / 61 / 6
GLM-5.3-Flash altri modelli misurati media dei modelli confrontati nessun altro modello ha fatto meglio
Terminal-Bench 2.1
84.3%
GDPval-AA v2 Elo · 1504-1773 secondo Z.ai · 2026-09-04
nessun altro modello ha fatto meglio 1773
Humanity's Last Exam with tools
55.3%
Agents' Last Exam
26.3%

Dati pubblicati dai fornitori: Alibaba (Qwen) Anthropic DeepSeek Google Moonshot OpenAI Tencent Z.ai

Il prezzo nel contesto

Posizione del prezzo tra 65 modelli comparabili

Input$0.15/M
$0.05 · Qwen3 VL Flash GPT-5.4 Pro · $30
Output$0.5/M
$0.275 · DeepSeek V4 Flash GPT-5.4 Pro · $180
Lettura da cache$0.03/M
$0.0028 · DeepSeek V4 Flash GPT-5.4 Pro · $15

La barra mostra dove si colloca il prezzo di questo modello tra tutti i modelli dello stesso tipo su Synthorai. Alle due estremità sono indicati il più economico e il più caro. Sono tariffe base; gli sconti per batch, regione e scrittura in cache sono nella pagina dei prezzi.

Specifiche e limiti

Token

Finestra di contesto (specifica del fornitore) 1.000.000
Output massimo (specifica del vendor) 163.840

Caching prompt

Modalità automatico

Ragionamento

Parametro del fornitore reasoning_effort
Valori accettati low · high · max
Valore predefinito max applicato se la richiesta non specifica nulla
Disattivabile No
Comportamento del ragionamento Same dial as GLM-5.3 with no documented way to switch thinking off; clear_thinking defaults to false.
Parametro reasoning_effort
Valori minimal · low · medium · high la superficie parametri del gateway - vale la mappatura del fornitore sopra

Modello

Modalità testo + immagine + video → testo
Parametri 320B totali · 18B attivi MoE (hybrid sparse + linear attention, mHC)
  • Natively multimodal member of the GLM-5.3 line, taking image and video alongside text
  • the hybrid sparse-plus-linear attention architecture is credited with holding accurate long-context behaviour while cutting compute overhead

fonte: documentazione ufficiale Z.ai ↗

Un solo prompt, misurato attraverso il gateway

PROMPT Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. VERIFICA esattamente 3 frasi

GLM-5.3-Flash superato · 3 sentences

Enabling reasoning means the model now generates thousands of invisible "thinking" tokens before each visible answer, and we're billed for those hidden tokens at full output rates—our most expensive tier. Since output tokens cost 3–5x more than input tokens, that hidden thinking volume compounds across every request, which is why the bill doubled rather than edged up. If the spend concerns you, the fix is straightforward: route only complex queries to reasoning models and keep simple tasks on standard ones, which can reclaim a meaningful share of that cost without losing accuracy where it matters.

out 742 tok (+626 ragionamento) latenza 23.2 s

Rispetto dell'istruzione (esattamente tre frasi - contabili), adattamento al pubblico (registro da CFO), e il divario di fatturazione del pensiero nascosto che i contatori di token qui sotto rivelano.

PROMPT This function is supposed to return the longest run of consecutive equal items, but callers report it is off by one on single-element inputs and misses runs that end at the last index. Fix it and explain the bug in one paragraph. VERIFICA la correzione supera i test

GLM-5.3-Flash superato · 8/8 cases

```python def longest_run(xs): if not xs: return 0 best = cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 best = max(best, cur) else: cur = 1 return best ``` **The bug:** `cur` is supposed to hold the length of the current run, but it's seeded with `0` and reset to `0` on a mismatch instead of `1` — and since the loop starts at index 1, the first element of every run never passes through the `==` branch and so never gets counted at all. That means `cur` actually holds *run length minus 1* for every run, so every run is underreported by one: a single-element input never enters the loop and returns 0 instead of 1, and a run of length n returns n − 1 (e.g., `[3, 3, 3]` returns 2). […]

out 2462 tok (+2138 ragionamento) latenza 29.1 s

Se la correzione è davvero giusta (eseguibile), la densità della spiegazione, e l'efficienza in token su un compito delimitato.

PROMPT Extract a JSON object with fields {company, quarter, revenue_usd_m, growth_pct, guidance} from this text. Use null for anything not stated; add no other fields. VERIFICA JSON valido, schema esatto

GLM-5.3-Flash superato · 5/5 fields, guidance "Withheld pending the Q4 close"

```json { "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": "Withheld pending the Q4 close" } ``` Notes on judgment calls: revenue of 412 is on a constant-currency basis as stated; growth of "eleven and change" is approximated as 11 since no precise figure is given.

out 717 tok (+616 ragionamento) latenza 9.1 s

Aderenza allo schema (nessun campo inventato), pressione di allucinazione (guidance è esplicitamente sospesa), e differenze nel percorso di output strutturato.

PROMPT Write a 120-word product announcement for an API gateway feature that caches prompts across providers. Forbidden words: "seamless", "unlock", "game-changer", "revolutionize", "empower". Exactly one sentence must be a question. VERIFICA 120 parole, 0 parole vietate

GLM-5.3-Flash superato · 120 words, 0 banned, 1 question

Introducing Cross-Provider Prompt Cache, the newest feature in our API gateway. Today, teams send identical prompts to multiple LLM providers and pay full price each time. Why duplicate that work and cost? With Cross-Provider Prompt Cache, your gateway stores prompt-response pairs and serves repeated requests from cache, regardless of which provider handles the call. The result: lower latency, reduced spend, and consistent outputs across OpenAI, Anthropic, Google, and self-hosted models. Configure cache policies per route, set TTLs, and invalidate entries instantly through the dashboard or API. Built-in analytics show hit rates and savings in real time. Enable the cache with a single flag, no code changes required. Available today on all paid plans. Contact sales for enterprise volume pricing details.

out 2095 tok (+1937 ragionamento) latenza 20.2 s

Rispetto dei vincoli (budget di parole, elenco di parole vietate, l'unica domanda), impronta stilistica, e controllo della lunghezza.

Usa GLM-5.3-Flash in 30 secondi

Compatibile OpenAI: cambia la base_url, tieni il tuo SDK. POST /v1/chat/completions

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.chat.completions.create(
    model="glm-5.3-flash",
    messages=[{"role": "user", "content": "Summarize this diff"}],
    reasoning_effort="medium",
)
print(resp.choices[0].message.content)

Informazioni su GLM-5.3-Flash

  • Accetta immagini e video oltre al testo e restituisce testo, e la sua architettura ibrida, attenzione sparsa combinata con attenzione lineare e Manifold-Constrained Hyper-Connections, viene descritta come capace di mantenere un comportamento affidabile su contesti lunghi riducendo il carico di calcolo.
  • L'efficienza si vede nella forma del modello: 320B di parametri totali con soli 18B attivi, contro i 753B di GLM-5.3.
  • È questo a collocarlo nella fascia economica, e vale la pena precisare cosa non viene sacrificato: la finestra di contesto non è stata ridotta e resta di un milione di token.
  • Il ragionamento si comporta come su GLM-5.3, con reasoning_effort a low, high o max e max come impostazione predefinita, senza un modo documentato per disattivarlo, perciò il budget di output deve tenere conto di una traccia di ragionamento a ogni chiamata.
  • Chiamata di strumenti, output JSON e strutturato, streaming e input in cache sono supportati, e i pesi sono pubblicati apertamente.
  • Su Synthorai è servito tramite l'endpoint chat completions compatibile con OpenAI.

FAQ

L'API di GLM-5.3-Flash si può provare gratis?

Sì: i nuovi account ricevono 10 chiamate di prova e fino a $1 di credito gratuito, senza carta richiesta. A $0.15/M token in input, quel credito da solo copre circa 833 richieste da ~8K token verso GLM-5.3-Flash.

In cosa eccelle GLM-5.3-Flash?

Nativamente multimodale con input immagine e video; 320B di parametri totali, solo 18B attivi; la stessa finestra da un milione di token nella fascia economica. Il quadro completo è nella sezione «Informazioni», tratto dalle note di rilascio ufficiali del vendor.

Quanto costa GLM-5.3-Flash?

Su Synthorai, GLM-5.3-Flash costa $0.15 per milione di token in input e $0.5 per milione di token in output: il prezzo di listino del provider, senza ricarico della piattaforma. I token di input in cache si fatturano a $0.03/M.

GLM-5.3-Flash supporta il caching dei prompt?

Sì, in automatico: i prompt serviti da Z.ai vanno in cache senza modifiche al codice. I token di input in cache si fatturano a $0.03/M contro $0.15/M senza cache. Guida al caching dei prompt →

Come ottengo l'accesso a GLM-5.3-Flash?

Punta il tuo SDK OpenAI esistente a base_url="https://synthorai.io/v1", imposta model="glm-5.3-flash" e hai finito: una sola chiave API copre tutti i modelli del gateway.

Modelli correlati

Confronta

Ogni valore di questa pagina è trascritto dalla documentazione del fornitore, collegata sopra, e riporta la data in cui è stato verificato. I prezzi sono confrontati sull'intero catalogo; i valori di specifica che i fornitori definiscono in modo diverso sono mostrati indicando la differenza anziché messi a grafico. Nulla qui è misurato da noi e nulla è valutato con un punteggio.

Ottieni la tua chiave API Confronta il tuo costo →