GLM 5.3 API 成本：始终思考，每个正确答案比 5.2 便宜 2.5 倍

GLM 5.3 的价格与 GLM 5.2 相同，每百万输入 token 为 $1.40，每百万输出 token 为 $4.40，但已经无法关闭思考。任何禁用方式都会返回 400 错误，默认 effort 为 max。我们选了 11 道答案可验证的题目，每道运行 3 次。只有 max 做到了 33/33 全对，单次正确答案成本为 $0.00468。这个数字比使用 max 的 GLM 5.2 低 2.5x，因为 GLM 5.3 使用的推理 token 约少一半。low 的单次正确答案成本低 63%，但 33 次中错了 5 次。GLM 5.3 Flash 做对 31/33，价格只有十分之一。reasoning_effort 用于控制模型回答前的思考时长，现在它既决定成本，也影响准确率。我们在同一批测试中比较了两个 GLM 5.3 版本、GLM 5.2 和 DeepSeek V4.1 Flash。

TL;DR

• GLM 5.3 和 GLM 5.3 Flash 对 thinking: disabled、reasoning_effort: none 和 medium 都会返回错误 1210；只有 low、high 和 max（默认值）可用。
• 使用 max 时，GLM 5.3 得分为 33/33，单次正确答案成本为 $0.00468；GLM 5.2 使用 max 时为 $0.01173。
• 使用 low 时，GLM 5.3 得分为 28/33，GLM 5.3 Flash 为 24/33。
• 两个 GLM 5.3 版本都会忽略严格的 json_schema；使用 json_object 时，8/8 次都返回了正确值。

GLM 5.3 是什么，价格是多少？

它是以相同价格重新训练的 GLM 5.2，另有一个价格仅为十分之一的小型版本。根据 Z.ai 的使用指南，GLM 5.3“使用与 GLM-5.2 相同的基础模型，所有改进都来自后训练”，并且只接受文本输入。GLM 5.3 Flash“总参数量为 320B，每个 token 激活 18B 参数”（每个 token 实际只有 18B 参数参与计算，因此成本更低），支持图片、视频和文件输入。两者都有 1M token 的上下文窗口和 128K token 的最大输出。以下价格来自 Z.ai 的定价页面，单位为每百万 token：

Z.ai 的模型卡和 Flash 使用指南显示，主要提升集中在 agent 和编程任务：

下面是我们能够自行验证的部分：答案唯一且可检查的任务，不包括 agent benchmark。

现在还能关闭思考吗？

不能。GLM 5.2 支持 thinking: {"type": "disabled"}。GLM 5.3 和 GLM 5.3 Flash 遇到 thinking: disabled、enable_thinking: false，或者将 reasoning_effort 设为 none、minimal、medium 或 xhigh 时，都会返回 HTTP 400 和错误码 1210，错误信息为 该模型始终思考，不支持关闭思考；请使用 low、high 或 max。省略 reasoning_effort 时，默认使用 max。部分供应商支持用 thinking_budget 限制思考 token，但 GLM 5.3 虽然接受这个参数，实际会忽略它。对同一道题，无论将其设为 0 到 1,024 中的哪个值，模型都会产生约 101 个推理 token。

resp = client.chat.completions.create(
    model="glm-5.3",
    messages=[{"role": "user", "content": prompt}],
    reasoning_effort="high",   # "low" | "high" | "max"; omitted means "max"
    max_tokens=8192,           # GLM 5.3 Flash rejects anything above 131,072
)
reasoning_tokens = resp.usage.completion_tokens_details.reasoning_tokens  # billed as output
thinking_text = resp.choices[0].message.reasoning_content                # the thinking itself, as text

旧版的低成本方案本来也不好用：关闭思考后，GLM 5.2 在 33 次测试中只答对 10 次，DeepSeek V4.1 Flash 只答对 22 次。

哪个 effort 档位能答对？

对 GLM 5.3 来说，只有 max 可以；GLM 5.3 Flash 没有任何档位能全部答对。我们准备了 11 道答案为单个数字、可以直接验证的题目，每道运行 3 次。题目包括质数求和、数字计数、网格路径、硬币组合、将一条规则重复应用 40 次、计算 7 的 222 次方除以 1000 的余数、进制转换、背包问题，以及统计同时满足 3 个约束的四位数。推理 token 是模型在输出答案前生成的隐藏思考内容，按输出 token 计费。单次正确答案成本按标价计算，即总费用除以正确答案数：

相对 GLM 5.2 的 2.5x 差距来自推理量：推理 token 中位数分别为 538 和 1,129，最长一次分别为 7,733 和 21,917。较低档位通过省略检查步骤来降低成本。使用 low 时，GLM 5.3 有两次将网格路径数量答成 216，但由于其中一个单元格被阻塞，正确答案应为 132；硬币组合、背包问题和进制转换也各错了一次。GLM 5.3 Flash 使用 low 时，40 步规则题和约束计数题每次都答错。相比之下，DeepSeek V4.1 Flash 在所有档位都取得了 33/33。

只要任务涉及算术或多个步骤，GLM 5.3 就应保留默认设置。只有当错误答案容易被后续流程发现时，才适合使用 low。使用 max 时，GLM 5.3 的单次正确答案成本是 DeepSeek V4.1 Flash 的 3.4x；GLM 5.3 Flash 的成本不到其三分之一，但 33 次中错了 2 次。

问题本来没有答案时，它会编造吗？

不会，即使无法关闭思考也是如此。我们构造了 5 个虚假实体，并针对它们提问，因此唯一正确的回答是“我不知道”（例如 Verantis Dynamics 的股价、Oridium-7 的熔点，以及 1987 Pan-Continental Robotics Prize 的获奖者）。测试使用默认 effort，并将 token 上限设为 16,384：

两个 GLM 5.3 版本都只用了几百个推理 token，就明确表示没有相关信息。DeepSeek V4.1 Flash 会先思考 7,000 到 16,000 个 token，然后通常会编造内容（Andrew Martin, the robot protagonist of Isaac Asimov's The Bicentennial Man, won）。在前一天对它进行的单独测试中，更多请求直接达到了 token 上限，但它同样很少拒绝作答。对于确实可能查不到结果的查询，这是我们在两个 Flash 档模型之间测得的最大差异。

GLM 5.3 会遵循 JSON schema 吗？

不会严格遵循，应使用 json_object。我们通过 response_format 为发票提取任务设置了严格的 json_schema。GLM 5.3 和 GLM 5.3 Flash 在 16/16 次运行中都返回 HTTP 200，但完全忽略了 schema。返回的 JSON 被包在 Markdown 代码块中，还包含 schema 未要求的字段（invoice_date、reference），因此没有任何一次能解析为要求的对象。Z.ai 的 API 参考文档只列出了 text 和 json_object。问题在于，API 会静默接受 schema，而不是直接报错。

改用 {"type": "json_object"}，并在 prompt 中写明字段后，两个版本都在 8/8 次运行中返回了全部正确的值，GLM 5.2 和 DeepSeek V4.1 Flash 也是如此。由于思考始终开启，GLM 5.3 完成提取时的输出 token 中位数为 240，Flash 为 140；关闭思考的 V4.1 Flash 只需要 25。你仍需自行根据 schema 验证结果。

GLM 5.3 Flash 处理一张图片要多少钱？

token 数会随像素面积增加，而且不会在 2048x2048 处封顶。因此即使费率更低，处理大图时仍然比 DeepSeek V4.1 Flash 更贵。我们向 GLM 5.3 Flash 发送了生成的 PNG 图片（GLM 5.3 仅支持文本），然后减去纯文本 prompt 的 token 数：

尺寸超过 512 像素后，GLM 5.3 Flash 平均每 766 个像素使用约 1 个 token；detail、图片内容和文件格式都不会改变计数。DeepSeek V4.1 Flash 的数据来自前一天对该模型的测试。发送截图和文档页面前应先缩小尺寸：在 2048x2048 下，GLM 5.3 Flash 的单张图片成本高出 2.8x。

与 GLM 5.2 相比，还有哪些变化？

速度有所提升，接口机制基本没变。在同一时间窗口内使用 low 进行 streaming 时，GLM 5.3 每秒生成 59 到 64 个输出 token，GLM 5.3 Flash 为 70 到 82，GLM 5.2 为 51 到 55，DeepSeek V4.1 Flash 为 124 到 161。在两轮 function calling 循环中，每个模型每轮都发起一次调用。3 个 GLM 版本对英文、中文和 Python 文本的 token 计数完全相同，分别为 737、484 和 488，因此现有 token 预算可以直接沿用。

prompt 中重复出现的开头部分按缓存费率计费，缓存 token 以 64 个为步长计算（一个 1,153 token 的 prompt 中，有 1,024 个 token 命中缓存）。两个版本都能接受接近 1M token 上限的 prompt，尽管 Flash 模型卡上写的是 300,000 token。我们在约 990,000 token 的 prompt 前部隐藏了一个值，模型成功返回了该值（我们没有测试末尾内容的召回）；当 prompt 增加到约 1.07M token 时，API 返回 400 和 Prompt exceeds max length，而不是静默截断。升级时有一处不兼容：GLM 5.3 Flash 不接受高于 131,072 的 max_tokens。

Synthorai 如何接入

GLM 5.3、GLM 5.3 Flash 和 GLM 5.2 在网关中的模型 ID 分别为 glm-5.3、glm-5.3-flash 和 glm-5.2，按 Z.ai 标价计费，并通过 /v1/chat/completions 和 /v1/responses 提供服务。错误 1210 会原样透传，因此仍在发送 GLM 5.2 关闭参数的客户端会直接失败，而不会静默切换到 max 进行思考。推理文本通过 reasoning_content 返回；发送给 GLM 5.3 Flash 的图片使用 image_url content part。

FAQ

GLM 5.3 可以关闭思考吗？

不能。GLM 5.3 和 GLM 5.3 Flash 对所有关闭方式都会返回 400 和错误 1210；只接受 low、high 和 max，默认值为 max。在我们的测试中，low 的单次正确答案成本低 63%，但正确次数从 33/33 降至 28/33。

GLM 5.3 比 GLM 5.2 便宜吗？

按 token 计算，不便宜：两者的输入价格都是 $1.40，输出价格都是 $4.40。按单次正确答案计算，更便宜：使用 max 时，GLM 5.3 的成本为 $0.00468，GLM 5.2 为 $0.01173，因为前者使用的推理 token 约少一半。

GLM 5.3 Flash 能替代 GLM 5.3 吗？

如果偶尔出现的数字错误能被下游流程发现，可以，价格只有十分之一。GLM 5.3 Flash 使用 max 时得分为 31/33，单次正确答案成本为 $0.00040；GLM 5.3 则以 $0.00468 的成本取得 33/33。多步算术任务不应使用 Flash 的 low，该设置只答对了 24/33。

相关内容：GLM 5.2 的 reasoning effort、GLM 5.2 的 tool call、DeepSeek V4.1 Flash 成本、LLM 思考控制、LLM 结构化输出。

← 返回博客