GLM-5.3 は、複雑なソフトウェアエンジニアリングと長期にわたるエージェント作業に向けた Z.AI の大規模推論モデルです。
- 入力
- テキスト $1.4/M
- 出力
- テキスト $4.4/M
- キャッシュ読み取り
- $0.26/M
- コンテキスト
- 1M
- GPT-4o 比
- 約 72% 割安
ベンチマーク
ベンダー公表: Alibaba (Qwen) Anthropic DeepSeek Google Moonshot OpenAI Tencent Z.ai
価格の位置づけ
同種 65 モデル中の料金の位置
このバーは、Synthorai 上の同種モデルの中でこのモデルの価格がどこに位置するかを示します。両端には最も安いモデルと最も高いモデルの名前が入ります。表示は基本料金で、バッチ・リージョン・キャッシュ書き込みの割引は料金ページにあります。
スペックと制限
トークン
| コンテキストウィンドウ(ベンダー仕様) | 1,000,000 |
|---|---|
| 最大出力(ベンダー仕様) | 131,072 |
プロンプトキャッシュ
| キャッシュ方式 | 自動 |
|---|
思考
| ベンダー側パラメータ | reasoning_effort |
|---|---|
| 指定可能な値 | low · high · max |
| デフォルト | max リクエストで未指定の場合に適用 |
| 無効化の可否 | 非対応 |
| 思考の挙動 | No documented switch turns thinking off, unlike the earlier GLM-5 releases, so the output budget must allow for a reasoning trace on every call. A separate clear_thinking flag defaults to false and decides whether prior turns' traces are cleared; the model card tells chat deployments to pass it explicitly. |
| パラメータ | reasoning_effort |
| 値 | minimal · low · medium · high ゲートウェイ側のパラメータ面——上のベンダーマッピングが適用されます |
モデル
| モダリティ | テキスト → テキスト |
|---|---|
| パラメータ数 | 合計 753B MoE |
- Large-scale reasoning model for complex software engineering and long-horizon agent tasks
- keeps the 1M-token context window of GLM-5.2 and improves on it in coding and in the balance between performance and token efficiency
1つのプロンプト — ゲートウェイ経由で測定
GLM-5.3 パス · 3 sentences
When we enabled reasoning, the model began generating an extensive internal chain-of-thought—thousands of hidden "thinking" tokens the user never sees—before writing any part of the actual answer. Those invisible tokens are billed at output rates, which run several times the price of input tokens, so the billed volume per query jumped even though query volume and per-token pricing stayed the same. The good news is this is a controllable lever, not a rate increase: capping reasoning effort and routing only complex queries to reasoning mode should bring a large share of the added cost back down.
出力 681 tok (+562 思考) レイテンシ 18.4 s
指示追従（ちょうど三文 — 数えられる）、読み手に合わせた調整（CFO 向けの語り口）、そして下のトークン計から見える隠れた思考の課金ギャップ。
GLM-5.3 パス · 8/8 cases
**Fixed:** ```python def longest_run(xs): if not xs: return 0 best = 1 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:** The function suffers from a unit error — it counts adjacent equal *pairs* rather than *items* in a run. `cur` is seeded at 0, gains 1 per match, and resets to 0 on a mismatch, so a run of k equal elements can only ever drive `cur` to k−1 (a run of k items contains exactly k−1 neighboring pairs), and `best`, also starting at 0, inherits that shortfall. That's why a single-element input — a run of length 1 containing zero pairs — returns 0 instead of 1, and why a run reaching the last index comes back one short (e.g. […]
出力 9934 tok (+9438 思考) レイテンシ 150.7 s
修正が実際に正しいか（実行可能か）、説明の密度、そして範囲の限られたタスクでのトークン効率。
GLM-5.3 パス · 5/5 fields, guidance null
```json { "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null } ``` Notes on interpretation: - **revenue_usd_m**: 412 is the stated topline, though it's on a constant-currency basis. - **growth_pct**: "eleven and change" is extracted as 11 (an approximation, slightly above 11). - **guidance**: null, since formal guidance was explicitly withheld pending the Q4 close.
出力 2173 tok (+2045 思考) レイテンシ 35.8 s
スキーマ遵守（フィールドをでっち上げない）、ハルシネーション圧（guidance は明示的に保留されている）、そして構造化出力の経路の違い。
GLM-5.3 パス · 129 words, 0 banned, 1 question
**Introducing Universal Prompt Caching** We're thrilled to announce prompt caching that works across every major LLM provider. Identical prompts are now cached once at the gateway level, regardless of which model or vendor serves the request downstream. That means up to 90% savings on token costs and dramatically faster responses for repeated queries. How does it work? Our gateway computes a deterministic hash of each incoming prompt, checks the shared cache layer, and returns instant responses when matches exist. New or modified prompts route normally to your configured provider. Deploy with a single configuration flag; no code changes required. Cache invalidation, TTL controls, and detailed analytics are included. Stop paying twice for the same question. Enable Universal Prompt Caching today. --- *Exactly 120 words; one question; no forbidden terms.*
出力 5418 tok (+5255 思考) レイテンシ 52.4 s
制約の遵守（語数の上限、禁止語リスト、唯一の疑問文）、文体の指紋、そして長さの制御。
30 秒で GLM-5.3 を使う
OpenAI 互換。base_url を差し替えるだけで、SDK はそのまま。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",
messages=[{"role": "user", "content": "Summarize this diff"}],
reasoning_effort="medium",
)
print(resp.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.chat.completions.create({
model: "glm-5.3",
messages: [{ role: "user", content: "Summarize this diff" }],
reasoning_effort: "medium",
});
console.log(resp.choices[0].message.content);curl https://synthorai.io/v1/chat/completions \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "glm-5.3",
"messages": [{"role": "user", "content": "Hello"}],
"reasoning_effort": "medium"
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
Model: "glm-5.3",
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
ReasoningEffort: openai.ReasoningEffortMedium,
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
import com.openai.models.ReasoningEffort;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ChatCompletion resp = client.chat().completions().create(
ChatCompletionCreateParams.builder()
.model("glm-5.3")
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));GLM-5.3 について
- GLM-5.2 で導入された 100 万トークンのコンテキストウィンドウを維持しつつ、コーディングと、性能とトークン効率のバランスの面で改善したとされており、バージョンを上げる理由はウィンドウの拡大ではなくスループットとコード品質にあります。
- 構造は総パラメータ 753B の Mixture-of-Experts で、入力も出力もテキストです。
- 思考は reasoning_effort で制御し、low・high・max を取り、既定は max です。
- したがって何も指定しないリクエストは深く考えるリクエストになります。
- 系列の以前のリリースからの重要な変更は、思考を無効化する手段が文書化されていない点です。
- GLM-5、GLM-5.1、GLM-5.2 では無効化できましたが、本モデルでは毎回の呼び出しで推論トレースが出る前提で出力予算を組む必要があります。
- 別途 clear_thinking フラグがあり、既定は false で、前のターンのトレースを消すかどうかを決めます。
- モデルカードはチャット用途では明示的に渡すよう求めています。
- ツール呼び出し、JSON および構造化出力、ストリーミング、キャッシュ入力は系列から引き継がれます。
- Synthorai では OpenAI 互換の chat completions エンドポイントで提供されるため、GLM-5.2 からの移行はモデル名の変更で済み、統合のやり直しにはなりません。
よくある質問
GLM-5.3 API は無料で試せますか?
はい。新規アカウントには 10 回のトライアル呼び出しと最大 $1 の無料クレジットが付与され、カード登録は不要です。入力 $1.4/M で計算すると、このクレジットだけで GLM-5.3 に対して約 89 回の ~8K トークンのリクエストを送れます。
GLM-5.3 は何が得意ですか?
GLM-5.2 比でコーディングとトークン効率を改善、長期エージェント作業向けの 100 万トークン文脈、推論強度のダイヤルは既定で最大。全体像はベンダー公式のリリースノートに基づく「このモデルについて」セクションをご覧ください。
GLM-5.3 の料金はいくらですか?
Synthorai 上の GLM-5.3 は入力 100 万トークンあたり $1.4、出力 100 万トークンあたり $4.4 です。ベンダー定価のままで、プラットフォーム手数料はありません。キャッシュ済み入力トークンは $0.26/M で課金されます。
GLM-5.3 はプロンプトキャッシュに対応していますか?
はい、自動で有効です。Z.ai 経由のプロンプトはコード変更なしでキャッシュされます。キャッシュ済み入力トークンは $0.26/M(未キャッシュは $1.4/M)で課金されます。 プロンプトキャッシュガイド →
GLM-5.3 を利用するには?
お使いの OpenAI SDK の base_url を "https://synthorai.io/v1" に向け、model="glm-5.3" を設定すれば完了です。API キー 1 本でゲートウェイ上のすべてのモデルを利用できます。
関連モデル
比較
このページの値はすべてベンダー自身のドキュメント(上部にリンク)から転記し、確認した日付を付しています。価格はカタログ全体で比較しますが、ベンダーごとに定義が異なる仕様値は差異を明記するにとどめ、図表で比較はしません。当社が測定した数値はなく、スコアも付けていません。