O GLM-5.3 é o modelo de raciocínio em larga escala da Z.AI para engenharia de software complexa e trabalho de agentes de longo curso.
- Entrada
- texto $1.4/M
- Saída
- texto $4.4/M
- Leitura de cache
- $0.26/M
- Contexto
- 1M
- vs GPT-4o
- ~72% mais barato
Benchmarks
Publicado pelos fornecedores: Alibaba (Qwen) Anthropic DeepSeek Google Moonshot OpenAI Tencent Z.ai
O preço em contexto
Posição do preço entre 65 modelos comparáveis
A barra mostra onde fica o preço deste modelo entre todos os modelos do mesmo tipo na Synthorai. Em cada extremidade está o mais barato e o mais caro. São tarifas base; os descontos de lote, região e escrita em cache estão na página de preços.
Especificações e limites
Tokens
| Janela de contexto (especificação do fornecedor) | 1.000.000 |
|---|---|
| Saída máxima (especificação do fornecedor) | 131.072 |
Cache de prompts
| Modo | automático |
|---|
Raciocínio
| Parâmetro do fornecedor | reasoning_effort |
|---|---|
| Valores aceites | low · high · max |
| Valor predefinido | max aplicado quando o pedido nada indica |
| Pode ser desativado | Não |
| Comportamento do raciocínio | 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. |
| Parâmetro | reasoning_effort |
| Valores | minimal · low · medium · high a superfície de parâmetros do gateway - aplica-se o mapeamento do fornecedor acima |
Modelo
| Modalidades | texto → texto |
|---|---|
| Parâmetros | 753B no total 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
conforme documentação oficial da Z.ai ↗
Um prompt, medido pelo gateway
GLM-5.3 passou · 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.
saída 681 tok (+562 pensamento) latência 18.4 s
Cumprimento da instrução (exatamente três frases - contáveis), ajuste ao público (registro de CFO), e a lacuna de cobrança do pensamento oculto que os medidores de tokens abaixo expõem.
GLM-5.3 passou · 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. […]
saída 9934 tok (+9438 pensamento) latência 150.7 s
Se a correção é de fato certa (executável), a densidade da explicação, e a eficiência em tokens numa tarefa delimitada.
GLM-5.3 passou · 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.
saída 2173 tok (+2045 pensamento) latência 35.8 s
Obediência ao esquema (sem campos inventados), pressão de alucinação (guidance é explicitamente retida), e diferenças no caminho de saída estruturada.
GLM-5.3 passou · 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.*
saída 5418 tok (+5255 pensamento) latência 52.4 s
Obediência às restrições (orçamento de palavras, lista de palavras proibidas, a única pergunta), impressão digital de estilo, e controle de comprimento.
Use o GLM-5.3 em 30 segundos
Compatível com OpenAI: troque a base_url, mantenha seu 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",
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(""));Sobre o GLM-5.3
- Ele mantém a janela de contexto de um milhão de tokens introduzida com o GLM-5.2 e é apresentado como tendo avançado em programação e no equilíbrio entre desempenho e eficiência de tokens, de modo que o motivo para trocar de versão é a vazão e a qualidade do código, não uma janela maior.
- Estruturalmente é um modelo de mistura de especialistas com 753B de parâmetros totais, que recebe texto e devolve texto.
- O pensamento é controlado por reasoning_effort, que aceita low, high e max e assume max por padrão, portanto uma requisição que não define nada é uma requisição que pensa a fundo.
- A mudança de maior consequência em relação às versões anteriores da linha é que não há interruptor documentado que desligue o pensamento: no GLM-5, GLM-5.1 e GLM-5.2 era possível desligar, e aqui o orçamento de saída precisa prever um traço de raciocínio em cada chamada.
- Um sinalizador separado, clear_thinking, vale false por padrão e decide se os traços de turnos anteriores são apagados; o cartão do modelo pede que ele seja passado explicitamente em implantações de chat.
- Chamada de ferramentas, saída JSON e estruturada, streaming e entrada em cache vêm do restante da linha.
- Na Synthorai ele é servido pelo endpoint de chat completions compatível com OpenAI, o que torna a migração a partir do GLM-5.2 uma troca de nome de modelo e não uma nova integração.
Perguntas frequentes
A API do GLM-5.3 é gratuita para testar?
Sim. Contas novas recebem 10 chamadas de teste e até $1 em créditos gratuitos, sem precisar de cartão. A $1.4/M de tokens de entrada, só esse crédito já cobre cerca de 89 requisições de ~8K tokens ao GLM-5.3.
Em que o GLM-5.3 é melhor?
Programação e eficiência de tokens melhores que no GLM-5.2; contexto de um milhão de tokens para agentes de longo curso; o controle de esforço de raciocínio já vem no máximo. Veja a seção Sobre para o quadro completo, extraído das notas de lançamento do próprio fornecedor.
Quanto custa o GLM-5.3?
Na Synthorai, o GLM-5.3 custa $1.4 por milhão de tokens de entrada e $4.4 por milhão de tokens de saída. É o preço de tabela do provedor, sem margem da plataforma. Tokens de entrada em cache são cobrados a $0.26/M.
O GLM-5.3 suporta cache de prompts?
Sim, automaticamente: prompts servidos pela Z.ai entram em cache sem nenhuma mudança no código. Tokens de entrada em cache são cobrados a $0.26/M, contra $1.4/M sem cache. Guia de cache de prompts →
Como obtenho acesso ao GLM-5.3?
Aponte seu SDK da OpenAI existente para base_url="https://synthorai.io/v1", defina model="glm-5.3" e pronto. Uma única chave de API cobre todos os modelos do gateway.
Modelos relacionados
Comparar
Cada valor desta página é transcrito da documentação do fornecedor, ligada acima, e traz a data em que foi verificado. Os preços são comparados em todo o catálogo; os valores de especificação que os fornecedores definem de forma diferente são apresentados com a diferença indicada em vez de representados num gráfico. Nada aqui é medido por nós, e nada é pontuado.