GLM-5.3은 복잡한 소프트웨어 엔지니어링과 장기 에이전트 작업을 위한 Z.AI의 대규모 추론 모델입니다.
- 입력
- 텍스트 $1.4/M
- 출력
- 텍스트 $4.4/M
- 캐시 읽기
- $0.26/M
- 컨텍스트
- 1M
- GPT-4o 대비
- 약 72% 저렴
벤치마크
벤더 공개: Alibaba (Qwen) Anthropic DeepSeek Google Moonshot OpenAI Tencent Z.ai
가격의 위치
동종 65개 모델 중 가격 위치
이 막대는 Synthorai에 있는 같은 종류의 모델 가운데 이 모델의 가격이 어디쯤인지 보여 줍니다. 양쪽 끝에는 가장 싼 모델과 가장 비싼 모델의 이름이 있습니다. 기본 요율 기준이며 배치·리전·캐시 쓰기 할인은 가격 페이지에 있습니다.
스펙 및 제한
토큰
| 컨텍스트 윈도우(공급사 사양) | 1,000,000 |
|---|---|
| 최대 출력(벤더 스펙) | 131,072 |
프롬프트 캐싱
| 캐싱 방식 | 자동 |
|---|
사고
| 공급사 파라미터 | reasoning_effort |
|---|---|
| 허용 값 | low · high · max |
| 기본값 | max 요청에서 지정하지 않을 때 적용 |
| 비활성화 가능 | 미지원 |
| 사고 동작 | 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. |
| 파라미터 | reasoning_effort |
| 값 | minimal · low · medium · high 게이트웨이 측 파라미터 표면 - 위의 벤더 매핑이 적용됩니다 |
모델
| 모달리티 | 텍스트 → 텍스트 |
|---|---|
| 파라미터 | 전체 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
출처: Z.ai 공식 문서 ↗
하나의 프롬프트 - 게이트웨이를 통해 측정됨
GLM-5.3 통과 · 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.
출력 681 tok (+562 추론) 지연 시간 18.4 s
지시 준수(정확히 세 문장 - 셀 수 있음), 독자 맞춤(CFO 어조), 그리고 아래 토큰 계량기가 드러내는 숨은 사고 과금 격차.
GLM-5.3 통과 · 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. […]
출력 9934 tok (+9438 추론) 지연 시간 150.7 s
수정이 실제로 옳은지(실행 가능한지), 설명의 밀도, 그리고 범위가 정해진 작업에서의 토큰 효율.
GLM-5.3 통과 · 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.
출력 2173 tok (+2045 추론) 지연 시간 35.8 s
스키마 준수(없는 필드를 지어내지 않기), 환각 압력(guidance는 명시적으로 보류됨), 그리고 구조화 출력 경로의 차이.
GLM-5.3 통과 · 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.*
출력 5418 tok (+5255 추론) 지연 시간 52.4 s
제약 준수(단어 예산, 금지어 목록, 단 하나의 의문문), 문체 지문, 그리고 길이 제어.
30초 만에 GLM-5.3 사용하기
OpenAI 호환. base_url만 바꾸면 SDK는 그대로. 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 소개
- GLM-5.2에서 도입한 100만 토큰 컨텍스트 창을 그대로 유지하면서 코딩 능력과 성능·토큰 효율의 균형에서 개선되었다고 소개되므로, 버전을 올리는 이유는 더 큰 창이 아니라 처리량과 코드 품질입니다.
- 구조적으로는 총 파라미터 753B의 전문가 혼합 모델이며 텍스트를 받아 텍스트를 반환합니다.
- 사고는 reasoning_effort로 제어하고 low, high, max를 받으며 기본값은 max입니다.
- 따라서 아무것도 설정하지 않은 요청은 깊이 생각하는 요청입니다.
- 이전 릴리스와 비교해 실질적인 변화는 사고를 끄는 스위치가 문서화되어 있지 않다는 점입니다.
- GLM-5, GLM-5.1, GLM-5.2에서는 끌 수 있었지만 여기서는 모든 호출에 추론 흔적이 포함된다는 전제로 출력 예산을 잡아야 합니다.
- 별도의 clear_thinking 플래그는 기본값이 false이며 이전 턴의 흔적을 지울지 결정하고, 모델 카드는 채팅형 배포에서 이를 명시적으로 전달하라고 안내합니다.
- 도구 호출, JSON 및 구조화 출력, 스트리밍, 캐시된 입력은 제품군에서 그대로 이어집니다.
- Synthorai에서는 OpenAI 호환 chat completions 엔드포인트로 제공되므로 GLM-5.2에서의 이전은 통합 변경이 아니라 모델 이름 변경입니다.
자주 묻는 질문
GLM-5.3 API는 무료로 사용해 볼 수 있나요?
네, 신규 계정에는 10회의 체험 호출과 최대 $1의 무료 크레딧이 제공되며, 카드 등록이 필요 없습니다. 입력 토큰 $1.4/M 기준으로, 이 크레딧만으로도 GLM-5.3에 약 8K 토큰 규모의 요청을 대략 89회 보낼 수 있습니다.
GLM-5.3은 무엇에 가장 강한가요?
GLM-5.2 대비 코딩과 토큰 효율 개선, 장기 에이전트 작업을 위한 100만 토큰 문맥, 추론 강도 다이얼 기본값이 최대. 전체 내용은 벤더의 공식 릴리스 노트를 정리한 소개 섹션을 참고하세요.
GLM-5.3의 가격은 얼마인가요?
Synthorai에서 GLM-5.3은 입력 토큰 100만 개당 $1.4, 출력 토큰 100만 개당 $4.4입니다. 공급사 정가 그대로이며 플랫폼 마진이 없습니다. 캐시된 입력 토큰은 $0.26/M로 과금됩니다.
GLM-5.3은 프롬프트 캐싱을 지원하나요?
네, 자동으로 지원합니다. Z.ai에서 서빙되는 프롬프트는 코드 변경 없이 캐시됩니다. 캐시된 입력 토큰은 $0.26/M로 과금됩니다(미캐시 시 $1.4/M). 프롬프트 캐싱 가이드 →
GLM-5.3은 어떻게 이용하나요?
기존 OpenAI SDK의 base_url을 "https://synthorai.io/v1"로 지정하고 model="glm-5.3"로 설정하면 끝입니다. API 키 하나로 게이트웨이의 모든 모델을 사용할 수 있습니다.
관련 모델
비교
이 페이지의 모든 값은 벤더 자체 문서(위 링크)에서 전사했으며 확인 날짜를 함께 표기합니다. 가격은 카탈로그 전체와 비교하지만, 벤더마다 정의가 다른 사양 값은 차이를 명시할 뿐 도표로 비교하지 않습니다. 저희가 측정한 수치는 없으며 점수도 매기지 않습니다.