模型详情
GLM-5.3-Flash
GLM-5.3-Flash 是 Z.ai 开发的原生多模态模型。它适用于高效编码和长时域智能体任务。其混合稀疏和线性注意力架构在保持精确的长时域行为的同时，降低了计算开销。
模型规格
- 模型 ID
-
glm-5.3-flash
- 上下文长度
- 1M
- 最大输出
- 128K
- 输入/输出模态
- 发布日期
- 2026-08
02
API 端点
单一 MixRoute 网关，OpenAI 兼容
-
OpenAI-compatible
/v1/chat/completionsPOST
03
价格
固定费率，单位：/1M Tokens
输入
$0.1500 /1M Tokens
补全
$0.5000 /1M Tokens
缓存读取
$0.0300 /1M Tokens
05
选型摘要
快速判断是否适合你的工作负载
这个模型适合什么？
多模态模型；输入：文本、图像、文件、视频；输出：文本
GLM-5.3-Flash 是多模态模型。规格上，context window 为 1,000,000 个 Token，单次最多输出 128,000 个 Token。
使用前应检查什么？
1,000,000 context，输出上限 128,000
采用 GLM-5.3-Flash 前，输入价为 $0.1500／100 万 Token；已声明支持工具调用、结构化输出、流式输出、提示词缓存、视觉输入、OpenAI SDK 兼容；发布于 2026-08-26。建议先以具有代表性的流量试跑，确认质量与延迟。
为什么通过 MixRoute 使用？
通过兼容端点以模型 ID 调用
通过 MixRoute 的兼容端点（/v1/chat/completions）以模型 ID glm-5.3-flash 调用。现有的兼容 SDK 只需调整 base URL 与模型标识符。
07
能力与兼容性
未确认的能力保持“Unknown”，不做猜测
工具调用
glm-5.3-flash 支持函数调用与工具调用。
tools 定义；响应会返回 tool_calls，执行后再把结果送回模型。
结构化输出
glm-5.3-flash 可以按需生成 JSON 格式的输出。
response_format: { type: "json_schema" } 可强制输出有效的 JSON。
流式输出
glm-5.3-flash 支持流式响应。
stream: true 会逐步流式返回 Token，聊天界面可以边接收边渲染。
提示缓存
glm-5.3-flash 在支持的路由条件下可以使用提示缓存。
视觉输入
glm-5.3-flash 可以同时处理图像与文本输入。
image_url 内容块中传入 base64 编码的图片，与文本消息一起发送。
OpenAI SDK
通过 MixRoute 的 OpenAI 兼容端点调用 glm-5.3-flash。
base_url 改为 https://api.mixroute.ai/v1；其余部分遵循 OpenAI 风格。
08
Token 成本估算
基于本页价格的实时估算，非实际账单
同一前缀被重复读取的输入占比，最高 100%
09
FAQ
GLM-5.3-Flash 支持缓存，这可以显著降低重复前缀的延迟和成本。系统提示和工具定义等稳定内容受益最大。
单一端点，可验证的决策
使用相同的请求格式测试此模型和备用路由
从真实工作负载开始，再由质量、总成本和故障条件决定是否接入生产流量。