GLM-5.3-Flash is a native multimodal model from Z.ai. It is suited for efficient coding and long-horizon agent tasks. Its hybrid sparse and linear attention architecture maintains accurate long-context behavior while reducing compute overhead.
提供商
不同公司托管同一模型。OpenRouter 根据您选择的路由模式将请求路由到其中一家公司:Balanced(价格 + 速度)、Nitro(速度最快)或 Floor(价格最低)。
| US$0.0500 | US$0.4500 | US$0.0250 | 0.67s | 151 tok/s | ||
| US$0.1500 | US$0.5000 | US$0.0300 | 0.56s | 161 tok/s | ||
| US$0.1300 | US$0.5000 | US$0.0400 | 0.58s | 173 tok/s | ||
| US$0.1500 | US$0.5000 | US$0.0300 | 0.74s | 155 tok/s | ||
| US$0.1200 | US$0.3800 | US$0.0200 | 0.59s | 113 tok/s | ||
| US$0.0399 | US$0.0784 | US$0.0300 | 0.79s | 79 tok/s | ||
| US$0.1080 | US$0.3500 | US$0.0350 | 0.40s | 137 tok/s | ||
| US$0.1080 | US$0.3500 | US$0.0350 | 0.36s | 139 tok/s | ||
| US$0.1500 | US$0.5000 | US$0.0300 | 0.86s | 155 tok/s | ||
| US$0.1500 | US$0.5000 | US$0.0300 | 0.43s | 116 tok/s | ||
| US$0.1400 | US$0.2400 | US$0.0300 | 0.55s | 94 tok/s | ||
| US$0.1500 | US$0.5000 | US$0.0300 | 0.31s | 133 tok/s | ||
| US$0.1200 | US$0.3000 | US$0.0300 | 0.53s | 88 tok/s | ||
| US$0.1500 | US$0.5000 | US$0.0400 | 0.76s | 88 tok/s | ||
| US$0.1500 | US$0.5000 | US$0.0300 | 0.45s | 88 tok/s | ||
| US$0.1500 | US$0.5000 | US$0.0300 | 0.67s | 92 tok/s | ||
| US$0.1500 | US$0.5000 | US$0.0300 | 1.54s | 67 tok/s | ||
| US$0.1200 | US$0.4000 | US$0.0240 | 0.72s | 68 tok/s | ||
| US$0.1500 | US$0.5000 | US$0.0300 | 1.12s | 109 tok/s | ||
| US$0.2250 | US$0.7500 | US$0.0450 | 1.07s | 133 tok/s | ||
| US$0.1125 | US$0.3750 | US$0.0300 | 0.91s | 75 tok/s | ||
| US$0.0420 | US$0.1840 | US$0.0410 | 0.64s | 46 tok/s | ||
| US$0.1500 | US$0.5000 | US$0.0300 | 1.57s | 53 tok/s | ||
41% off | US$0.15US$0.0885 | US$0.50US$0.2950 | US$0.03US$0.0177 | 1.79s | 52 tok/s | |
44% off | US$0.15US$0.0840 | US$0.50US$0.2800 | US$0.03US$0.0168 | 1.62s | 41 tok/s | |
50% off | US$0.15US$0.0750 | US$0.50US$0.2500 | US$0.03US$0.0150 | 1.85s | 38 tok/s | |
| US$0.1750 | US$0.6250 | US$0.0225 | 2.08s | 32 tok/s | ||
| US$0.1000 | US$0.4000 | US$0.0300 | 3.49s | 27 tok/s | ||
| US$0.1750 | US$0.6250 | US$0.0225 | 7.13s | 25 tok/s | ||
Fast | US$0.1875 | US$0.6250 | US$0.0375 | 0.52s | 161 tok/s | |
| US$0.1500 | US$0.5000 | US$0.0300 | 2.48s | 91 tok/s | ||
| US$0.1500 | US$0.5000 | US$0.0300 | 1.07s | 75 tok/s | ||
| US$0.1500 | US$0.5000 | US$0.0300 | 0.59s | 75 tok/s | ||
| US$0.1500 | US$0.5000 | US$0.0300 | 2.78s | 27 tok/s | ||
| US$0.1030 | US$0.2980 | US$0.0520 | 6.05s | 9 tok/s | ||
| US$0.0650 | US$0.1800 | US$0.0120 | 3.66s | 20 tok/s | ||
| US$0.0650 | US$0.2400 | US$0.0640 | 0.84s | 56 tok/s | ||
| US$0.0750 | US$0.2500 | US$0.0150 | 2.28s | 43 tok/s | ||
| US$0.0800 | US$0.5000 | US$0.0120 | 1.45s | 17 tok/s | ||
| US$0.1000 | US$0.5000 | US$0.0300 | 2.35s | 27 tok/s | ||
| US$0.1500 | US$0.5000 | US$0.0300 | 7.80s | 20 tok/s | ||
不用于 Standard 路由:未使用这些端点的原因 | ||||||
| US$0.0650 | US$0.2500 | US$0.0200 | 0.46s | 133 tok/s | ||
- 输入 /百万
- US$0.05
- 输出 /百万
- US$0.45
- 缓存读取 /百万
- US$0.025
- 延迟
- 0.67s
- 吞吐量
- 151 tok/s
- 正常运行时间
- 99.75%
- 输入 /百万
- US$0.15
- 输出 /百万
- US$0.50
- 缓存读取 /百万
- US$0.03
- 延迟
- 0.56s
- 吞吐量
- 161 tok/s
- 正常运行时间
- 100.00%
- 输入 /百万
- US$0.13
- 输出 /百万
- US$0.50
- 缓存读取 /百万
- US$0.04
- 延迟
- 0.58s
- 吞吐量
- 173 tok/s
- 正常运行时间
- 99.58%

- 输入 /百万
- US$0.15
- 输出 /百万
- US$0.50
- 缓存读取 /百万
- US$0.03
- 延迟
- 0.74s
- 吞吐量
- 155 tok/s
- 正常运行时间
- 99.70%
- 输入 /百万
- US$0.12
- 输出 /百万
- US$0.38
- 缓存读取 /百万
- US$0.02
- 延迟
- 0.59s
- 吞吐量
- 113 tok/s
- 正常运行时间
- 99.56%
- 输入 /百万
- US$0.0399
- 输出 /百万
- US$0.0784
- 缓存读取 /百万
- US$0.03
- 延迟
- 0.79s
- 吞吐量
- 79 tok/s
- 正常运行时间
- 99.97%
- 输入 /百万
- US$0.108
- 输出 /百万
- US$0.35
- 缓存读取 /百万
- US$0.035
- 延迟
- 0.40s
- 吞吐量
- 137 tok/s
- 正常运行时间
- 100.00%
- 输入 /百万
- US$0.108
- 输出 /百万
- US$0.35
- 缓存读取 /百万
- US$0.035
- 延迟
- 0.36s
- 吞吐量
- 139 tok/s
- 正常运行时间
- 100.00%

- 输入 /百万
- US$0.15
- 输出 /百万
- US$0.50
- 缓存读取 /百万
- US$0.03
- 延迟
- 0.86s
- 吞吐量
- 155 tok/s
- 正常运行时间
- 100.00%
- 输入 /百万
- US$0.15
- 输出 /百万
- US$0.50
- 缓存读取 /百万
- US$0.03
- 延迟
- 0.43s
- 吞吐量
- 116 tok/s
- 正常运行时间
- 100.00%
- 输入 /百万
- US$0.14
- 输出 /百万
- US$0.24
- 缓存读取 /百万
- US$0.03
- 延迟
- 0.55s
- 吞吐量
- 94 tok/s
- 正常运行时间
- 99.77%
- 输入 /百万
- US$0.15
- 输出 /百万
- US$0.50
- 缓存读取 /百万
- US$0.03
- 延迟
- 0.31s
- 吞吐量
- 133 tok/s
- 正常运行时间
- 99.92%
- 输入 /百万
- US$0.12
- 输出 /百万
- US$0.30
- 缓存读取 /百万
- US$0.03
- 延迟
- 0.53s
- 吞吐量
- 88 tok/s
- 正常运行时间
- 100.00%
- 输入 /百万
- US$0.15
- 输出 /百万
- US$0.50
- 缓存读取 /百万
- US$0.04
- 延迟
- 0.76s
- 吞吐量
- 88 tok/s
- 正常运行时间
- 99.97%
- 输入 /百万
- US$0.15
- 输出 /百万
- US$0.50
- 缓存读取 /百万
- US$0.03
- 延迟
- 0.45s
- 吞吐量
- 88 tok/s
- 正常运行时间
- 99.95%
- 输入 /百万
- US$0.15
- 输出 /百万
- US$0.50
- 缓存读取 /百万
- US$0.03
- 延迟
- 0.67s
- 吞吐量
- 92 tok/s
- 正常运行时间
- 100.00%

- 输入 /百万
- US$0.15
- 输出 /百万
- US$0.50
- 缓存读取 /百万
- US$0.03
- 延迟
- 1.54s
- 吞吐量
- 67 tok/s
- 正常运行时间
- 99.95%
- 输入 /百万
- US$0.12
- 输出 /百万
- US$0.40
- 缓存读取 /百万
- US$0.024
- 延迟
- 0.72s
- 吞吐量
- 68 tok/s
- 正常运行时间
- 99.89%

- 输入 /百万
- US$0.15
- 输出 /百万
- US$0.50
- 缓存读取 /百万
- US$0.03
- 延迟
- 1.12s
- 吞吐量
- 109 tok/s
- 正常运行时间
- 99.89%

- 输入 /百万
- US$0.225
- 输出 /百万
- US$0.75
- 缓存读取 /百万
- US$0.045
- 延迟
- 1.07s
- 吞吐量
- 133 tok/s
- 正常运行时间
- 99.73%
- 输入 /百万
- US$0.1125
- 输出 /百万
- US$0.375
- 缓存读取 /百万
- US$0.03
- 延迟
- 0.91s
- 吞吐量
- 75 tok/s
- 正常运行时间
- 100.00%
- 输入 /百万
- US$0.042
- 输出 /百万
- US$0.184
- 缓存读取 /百万
- US$0.041
- 延迟
- 0.64s
- 吞吐量
- 46 tok/s
- 正常运行时间
- 100.00%
- 输入 /百万
- US$0.15
- 输出 /百万
- US$0.50
- 缓存读取 /百万
- US$0.03
- 延迟
- 1.57s
- 吞吐量
- 53 tok/s
- 正常运行时间
- 100.00%
- 41% off
- 输入 /百万
- US$0.0885
- 输出 /百万
- US$0.295
- 缓存读取 /百万
- US$0.0177
- 延迟
- 1.79s
- 吞吐量
- 52 tok/s
- 正常运行时间
- 97.70%
- 44% off
- 输入 /百万
- US$0.084
- 输出 /百万
- US$0.28
- 缓存读取 /百万
- US$0.0168
- 延迟
- 1.62s
- 吞吐量
- 41 tok/s
- 正常运行时间
- 100.00%
- 50% off
- 输入 /百万
- US$0.075
- 输出 /百万
- US$0.25
- 缓存读取 /百万
- US$0.015
- 延迟
- 1.85s
- 吞吐量
- 38 tok/s
- 正常运行时间
- 99.65%
- 输入 /百万
- US$0.175
- 输出 /百万
- US$0.625
- 缓存读取 /百万
- US$0.0225
- 延迟
- 2.08s
- 吞吐量
- 32 tok/s
- 正常运行时间
- 99.91%
- 输入 /百万
- US$0.10
- 输出 /百万
- US$0.40
- 缓存读取 /百万
- US$0.03
- 延迟
- 3.49s
- 吞吐量
- 27 tok/s
- 正常运行时间
- 94.29%
- 输入 /百万
- US$0.175
- 输出 /百万
- US$0.625
- 缓存读取 /百万
- US$0.0225
- 延迟
- 7.13s
- 吞吐量
- 25 tok/s
- 正常运行时间
- 100.00%
- Fast
- 输入 /百万
- US$0.1875
- 输出 /百万
- US$0.625
- 缓存读取 /百万
- US$0.0375
- 延迟
- 0.52s
- 吞吐量
- 161 tok/s
- 正常运行时间
- 99.89%
- 输入 /百万
- US$0.15
- 输出 /百万
- US$0.50
- 缓存读取 /百万
- US$0.03
- 延迟
- 2.48s
- 吞吐量
- 91 tok/s
- 正常运行时间
- 99.71%
- 输入 /百万
- US$0.15
- 输出 /百万
- US$0.50
- 缓存读取 /百万
- US$0.03
- 延迟
- 1.07s
- 吞吐量
- 75 tok/s
- 正常运行时间
- 99.95%
- 输入 /百万
- US$0.15
- 输出 /百万
- US$0.50
- 缓存读取 /百万
- US$0.03
- 延迟
- 0.59s
- 吞吐量
- 75 tok/s
- 正常运行时间
- 100.00%
- 输入 /百万
- US$0.15
- 输出 /百万
- US$0.50
- 缓存读取 /百万
- US$0.03
- 延迟
- 2.78s
- 吞吐量
- 27 tok/s
- 正常运行时间
- 92.84%
- 输入 /百万
- US$0.103
- 输出 /百万
- US$0.298
- 缓存读取 /百万
- US$0.052
- 延迟
- 6.05s
- 吞吐量
- 9 tok/s
- 正常运行时间
- 99.03%

- 输入 /百万
- US$0.065
- 输出 /百万
- US$0.18
- 缓存读取 /百万
- US$0.012
- 延迟
- 3.66s
- 吞吐量
- 20 tok/s
- 正常运行时间
- 94.06%
- 输入 /百万
- US$0.065
- 输出 /百万
- US$0.24
- 缓存读取 /百万
- US$0.064
- 延迟
- 0.84s
- 吞吐量
- 56 tok/s
- 正常运行时间
- 100.00%
- 输入 /百万
- US$0.075
- 输出 /百万
- US$0.25
- 缓存读取 /百万
- US$0.015
- 延迟
- 2.28s
- 吞吐量
- 43 tok/s
- 正常运行时间
- 99.54%

- 输入 /百万
- US$0.08
- 输出 /百万
- US$0.50
- 缓存读取 /百万
- US$0.012
- 延迟
- 1.45s
- 吞吐量
- 17 tok/s
- 正常运行时间
- 99.92%
- 输入 /百万
- US$0.10
- 输出 /百万
- US$0.50
- 缓存读取 /百万
- US$0.03
- 延迟
- 2.35s
- 吞吐量
- 27 tok/s
- 正常运行时间
- 99.30%
- 输入 /百万
- US$0.15
- 输出 /百万
- US$0.50
- 缓存读取 /百万
- US$0.03
- 延迟
- 7.80s
- 吞吐量
- 20 tok/s
- 正常运行时间
- 100.00%
- 不用于 Standard 路由:未使用这些端点的原因
- Flex
- 输入 /百万
- US$0.065
- 输出 /百万
- US$0.25
- 缓存读取 /百万
- US$0.02
- 延迟
- 0.46s
- 吞吐量
- 133 tok/s
- 正常运行时间
- 99.28%
定价
客户为此模型实际支付的平均价格,与提供商公布的价格并列展示。由于缓存和折扣,实际支付的价格往往远低于标价。
加权平均值
GLM 5.3 Flash — 价格历史
| US$0.0280 | US$0.4925 | 92.1% | 9.3% | ||
| US$0.0314 | US$0.0779 | 86.1% | 5.4% | ||
| US$0.0323 | US$0.2503 | 71.9% | 0.7% | ||
| US$0.0363 | US$0.3025 | 77.4% | 2.8% | ||
| US$0.0402 | US$0.4996 | 91.5% | 1.8% | ||
| US$0.0406 | US$0.3798 | 79.4% | 14.9% | ||
| US$0.0413 | US$0.1833 | 64.1% | 3.3% | ||
| US$0.0414 | US$0.1786 | 44.6% | 0.0% | ||
| US$0.0429 | US$0.2941 | 64.4% | 0.5% | ||
| US$0.0430 | US$0.4996 | 54.3% | 1.1% | ||
| US$0.0436 | US$0.3495 | 88.2% | 4.6% | ||
| US$0.0449 | US$0.3494 | 86.4% | 2.2% | ||
| US$0.0477 | US$0.4997 | 85.3% | 0.3% | ||
| US$0.0478 | US$0.4998 | 85.1% | 5.1% | ||
| US$0.0482 | US$0.4997 | 84.9% | 2.3% | ||
| US$0.0486 | US$0.4998 | 84.5% | 10.4% | ||
| US$0.0487 | US$0.4995 | 84.4% | 0.1% | ||
| US$0.0514 | US$0.3996 | 69.4% | 1.4% | ||
| US$0.0518 | US$0.4998 | 68.8% | 1.6% | ||
| US$0.0520 | US$0.3996 | 70.8% | 0.3% | ||
| US$0.0551 | US$0.3748 | 69.5% | 4.7% | ||
| US$0.0552 | US$0.4996 | 83.1% | 2.7% | ||
| US$0.0561 | US$0.2993 | 70.9% | 0.4% | ||
| US$0.0571 | US$0.2393 | 75.4% | 0.7% | ||
| US$0.0573 | US$0.2495 | 29.5% | 0.1% | ||
| US$0.0579 | US$0.4997 | 76.8% | 0.8% | ||
| US$0.0582 | US$0.4997 | 76.5% | 1.1% | ||
| US$0.0591 | US$0.2772 | 76.4% | 0.7% | ||
| US$0.0592 | US$0.4996 | 75.7% | 0.8% | ||
| US$0.0597 | US$0.4999 | 75.2% | 7.7% | ||
| US$0.0634 | US$0.4997 | 72.1% | 2.6% | ||
| US$0.0643 | US$0.2394 | 64.5% | 0.6% | ||
| US$0.0653 | US$0.4747 | 76.0% | 1.0% | ||
| US$0.0819 | US$0.4997 | 56.7% | 0.0% | ||
| US$0.0829 | US$0.4999 | 55.9% | 0.0% | ||
| US$0.0838 | US$0.4995 | 55.2% | 0.5% | ||
| US$0.0892 | US$0.6244 | 56.2% | 0.0% | ||
| US$0.0903 | US$0.4998 | 49.7% | 2.5% | ||
Fast | US$0.0989 | US$0.6246 | 59.1% | 0.5% | |
| US$0.1230 | US$0.6246 | 34.1% | 0.1% | ||
| US$0.1369 | US$0.7497 | 48.9% | 3.9% | ||
不用于 Standard 路由:未使用这些端点的原因 | |||||
| US$0.0378 | US$0.2496 | 60.4% | 0.3% | ||
- 有效输入价格 US$0.0280 / 实际输出 US$0.4925token 占比9.3%
- 有效输入价格 US$0.0314 / 实际输出 US$0.0779token 占比5.4%
- 有效输入价格 US$0.0323 / 实际输出 US$0.2503token 占比0.7%
- 有效输入价格 US$0.0363 / 实际输出 US$0.3025token 占比2.8%
- 有效输入价格 US$0.0402 / 实际输出 US$0.4996token 占比1.8%
- 有效输入价格 US$0.0406 / 实际输出 US$0.3798token 占比14.9%
- 有效输入价格 US$0.0413 / 实际输出 US$0.1833token 占比3.3%
- 有效输入价格 US$0.0414 / 实际输出 US$0.1786token 占比0.0%
- 有效输入价格 US$0.0429 / 实际输出 US$0.2941token 占比0.5%
- 有效输入价格 US$0.0430 / 实际输出 US$0.4996token 占比1.1%
- 有效输入价格 US$0.0436 / 实际输出 US$0.3495token 占比4.6%
- 有效输入价格 US$0.0449 / 实际输出 US$0.3494token 占比2.2%
- 有效输入价格 US$0.0477 / 实际输出 US$0.4997token 占比0.3%
- 有效输入价格 US$0.0478 / 实际输出 US$0.4998token 占比5.1%
- 有效输入价格 US$0.0482 / 实际输出 US$0.4997token 占比2.3%
- 有效输入价格 US$0.0486 / 实际输出 US$0.4998token 占比10.4%
- 有效输入价格 US$0.0487 / 实际输出 US$0.4995token 占比0.1%
- 有效输入价格 US$0.0514 / 实际输出 US$0.3996token 占比1.4%
- 有效输入价格 US$0.0518 / 实际输出 US$0.4998token 占比1.6%
- 有效输入价格 US$0.0520 / 实际输出 US$0.3996token 占比0.3%
- 有效输入价格 US$0.0551 / 实际输出 US$0.3748token 占比4.7%
- 有效输入价格 US$0.0552 / 实际输出 US$0.4996token 占比2.7%
- 有效输入价格 US$0.0561 / 实际输出 US$0.2993token 占比0.4%
- 有效输入价格 US$0.0571 / 实际输出 US$0.2393token 占比0.7%
- 有效输入价格 US$0.0573 / 实际输出 US$0.2495token 占比0.1%
- 有效输入价格 US$0.0579 / 实际输出 US$0.4997token 占比0.8%
- 有效输入价格 US$0.0582 / 实际输出 US$0.4997token 占比1.1%
- 有效输入价格 US$0.0591 / 实际输出 US$0.2772token 占比0.7%
- 有效输入价格 US$0.0592 / 实际输出 US$0.4996token 占比0.8%
- 有效输入价格 US$0.0597 / 实际输出 US$0.4999token 占比7.7%
- 有效输入价格 US$0.0634 / 实际输出 US$0.4997token 占比2.6%
- 有效输入价格 US$0.0643 / 实际输出 US$0.2394token 占比0.6%
- 有效输入价格 US$0.0653 / 实际输出 US$0.4747token 占比1.0%
- 有效输入价格 US$0.0819 / 实际输出 US$0.4997token 占比0.0%
- 有效输入价格 US$0.0829 / 实际输出 US$0.4999token 占比0.0%
- 有效输入价格 US$0.0838 / 实际输出 US$0.4995token 占比0.5%
- 有效输入价格 US$0.0892 / 实际输出 US$0.6244token 占比0.0%
- 有效输入价格 US$0.0903 / 实际输出 US$0.4998token 占比2.5%
- 有效输入价格 US$0.0989 / 实际输出 US$0.6246Fasttoken 占比0.5%
- 有效输入价格 US$0.1230 / 实际输出 US$0.6246token 占比0.1%
- 有效输入价格 US$0.1369 / 实际输出 US$0.7497token 占比3.9%
- 不用于 Standard 路由:未使用这些端点的原因
- 有效输入价格 US$0.0378 / 实际输出 US$0.2496Flextoken 占比0.3%
性能
吞吐量是模型生成内容的速度(每秒 token 数,越高越好)。延迟是完整的往返时间(越低越好)。TTFT 是首个 token 的响应时间,即您看到内容出现前需要等待的时间(越低越好)。
P50,所有提供商中最佳
P50,最佳提供商
正常运行时间
正常运行时间是指过去 3 天中至少有一家提供商响应请求的时间百分比。可用性是指成功提供推理服务的时间百分比。OpenRouter 会持续监控,并在某家提供商返回错误时使用次优提供商。
过去 3 天的可用性
最近 72 小时过去 24 小时的可用性
当上游提供商发生错误时,如果您的请求筛选条件允许,我们可以通过路由到另一家健康的提供商来恢复服务。您可以通过以下接口以编程方式访问各提供商的正常运行时间数据: 端点 API。了解更多有关我们的 负载均衡和提供商路由选项。
基准测试
标准化评测得分,以及此模型针对共用基准测试提示词的实际输出。百分比越高越好,每项排名显示此模型在该来源所评测的模型中的位置。
| 来源 | 基准测试 | 得分 |
|---|---|---|
| Artificial Analysis | GLM-5.3-Flash Intelligence Index | 27.8 |
| Artificial Analysis | GLM-5.3-Flash Finance & Accounting Index | 38.8 |
| Artificial Analysis | GLM-5.3-Flash Strategy & Ops Index | 44.5 |
| Artificial Analysis | GLM-5.3-Flash Legal Index | 34.8 |
| Artificial Analysis | GLM-5.3-Flash Healthcare & Medical Index | 36.6 |
| Artificial Analysis | GLM-5.3-Flash Engineering Index | 34.5 |
| Artificial Analysis | GLM-5.3-Flash Economics Index | 35.3 |
| Artificial Analysis | GLM-5.3-Flash Cyber Index | 49.9 |
| Artificial Analysis | GLM-5.3-Flash Openness Index | 44.4 |
| Artificial Analysis | GLM-5.3-Flash AutomationBench-AA | 60.4% |
| Artificial Analysis | GLM-5.3-Flash GDP.pdf | 15.4% |
| Artificial Analysis | GLM-5.3-Flash AA-AnalystAgent | 25.0% |
| Artificial Analysis | GLM-5.3-Flash EnterpriseOps-Gym-AA | 33.2% |
| Artificial Analysis | GLM-5.3-Flash ITBench-AA | 51.2% |
| Artificial Analysis | GLM-5.3-Flash Harvey LAB-AA | 0.8% |
| Artificial Analysis | GLM-5.3-Flash GPQA Diamond | 91.2% |
| Artificial Analysis | GLM-5.3-Flash HLE | 39.9% |
| Artificial Analysis | GLM-5.3-Flash AA-LCR | 80.0% |
| Artificial Analysis | GLM-5.3-Flash τ³-Banking | 47.2% |
| Artificial Analysis | GLM-5.3-Flash GDPval-AA | 57.4% |
| Artificial Analysis | GLM-5.3-Flash CritPt | 15.4% |
| Artificial Analysis | GLM-5.3-Flash HLE-Diamond | 18.2% |
| Artificial Analysis | GLM-5.3-Flash SciCode | 51.6% |
| Artificial Analysis | GLM-5.3-Flash Terminal-Bench 4.0 | 32.8% |
| Artificial Analysis | GLM-5.3-Flash Terminal-Bench 2.1 | 84.3% |
| Artificial Analysis | GLM-5.3-Flash FrontierCode-AA 2.0 | 17.6% |
| Artificial Analysis | GLM-5.3-Flash FrontierCode 1.1 | 41.0% |
| Artificial Analysis | GLM-5.3-Flash Terminal-Bench-Science | 4.8% |
| Artificial Analysis | GLM-5.3-Flash CritPt v2 (Hard Subset) | 24.5% |
| Artificial Analysis | GLM-5.3-Flash CritPt v2 | 46.3% |
| Artificial Analysis | GLM-5.3-Flash AA-Omniscience Accuracy | 28.2% |
| Artificial Analysis | GLM-5.3-Flash AA-Omniscience Non-Hallucination Rate | 61.7% |
| Artificial Analysis | GLM-5.3-Flash CWE-Bench-AA | 55.8% |
| Artificial Analysis | GLM-5.3-Flash DeepsecBench-AA | 19.9% |
| Artificial Analysis | GLM-5.3-Flash CyberGym-E2E-AA | 74.0% |
| Artificial Analysis | GLM-5.3-Flash MLCR-AA | 11.7% |
| Artificial Analysis | GLM-5.3-Flash VIALS-AA | 39.8% |
| Design Arena | GLM-5.3-Flash Agents Arena Pdf Elo | 1136 |
| Design Arena | GLM-5.3-Flash Models Arena 3D Elo | 1286 |
| Design Arena | GLM-5.3-Flash Models Arena Asciiart Elo | 1255 |
| Design Arena | GLM-5.3-Flash Models Arena Code Categories Elo | 1259 |
| Design Arena | GLM-5.3-Flash Models Arena Data Visualization Elo | 1256 |
| Design Arena | GLM-5.3-Flash Models Arena Game Development Elo | 1260 |
| Design Arena | GLM-5.3-Flash Models Arena SVG Elo | 1266 |
| Design Arena | GLM-5.3-Flash Models Arena UI Component Elo | 1293 |
| Design Arena | GLM-5.3-Flash Models Arena Website Elo | 1253 |
| Vals AI | GLM 5.3 Flash Access to Justice Benchmark | 71.1% |
| Vals AI | GLM 5.3 Flash Code Migration v1.1 | 51.6% |
| Vals AI | GLM 5.3 Flash CyberBench v1.1 | 67.9% |
| Vals AI | GLM 5.3 Flash CyberOffense | 18.3% |
| Vals AI | GLM 5.3 Flash EMB v1.1 | 66.3% |
| Vals AI | GLM 5.3 Flash Finance Agent v2.1 | 60.6% |
| Vals AI | GLM 5.3 Flash Vals Finance Index | 55.8% |
| Vals AI | GLM 5.3 Flash GPQA Diamond | 86.4% |
| Vals AI | GLM 5.3 Flash HLAB-Vals-1.1 | 10.4% |
| Vals AI | GLM 5.3 Flash IOI | 52.5% |
| Vals AI | GLM 5.3 Flash LiveCodeBench | 80.5% |
| Vals AI | GLM 5.3 Flash LegalBench | 83.9% |
| Vals AI | GLM 5.3 Flash Vals Legal Index | 71.1% |
| Vals AI | GLM 5.3 Flash Legal Research Bench | 45.2% |
| Vals AI | GLM 5.3 Flash MedScribe | 88.9% |
| Vals AI | GLM 5.3 Flash MMLU Pro | 86.1% |
| Vals AI | GLM 5.3 Flash MMMU Pro | 86.0% |
| Vals AI | GLM 5.3 Flash ProgramBench | 0.0% |
| Vals AI | GLM 5.3 Flash ProofBench v1.1 | 21.0% |
| Vals AI | GLM 5.3 Flash SAGE | 89.3% |
| Vals AI | GLM 5.3 Flash SkillsBench | 40.2% |
| Vals AI | GLM 5.3 Flash SRE Bench | 0.8% |
| Vals AI | GLM 5.3 Flash SWE-bench | 92.0% |
| Vals AI | GLM 5.3 Flash Tax Agent Bench | 31.6% |
| Vals AI | GLM 5.3 Flash TaxEval v2 | 75.6% |
| Vals AI | GLM 5.3 Flash Terminal-Bench 4.0 | 37.4% |
| Vals AI | GLM 5.3 Flash Terminal-Bench-Science | 2.9% |
| Vals AI | GLM 5.3 Flash Vals Index | 50.9% |
| Vals AI | GLM 5.3 Flash Vibe Code Bench 1-100 | 16.0% |
| Vals AI | GLM 5.3 Flash Vibe Code Bench v1.1 | 30.8% |
应用
向此模型发送最多流量的公开应用。这能很好地反映实际生产工作负载的情况,也能提示此模型最适合哪些用例。
活动
此模型的 token 用量和请求流量随时间的变化。
API
可直接用于调用此模型的代码。OpenRouter 的 API 与 OpenAI 兼容——大多数 SDK 只需替换基础 URL 即可使用。切换模型时,唯一需要更改的是下方的模型标识符。
可通过欧盟区域内路由使用
Z.ai: GLM 5.3 Flash 可通过欧盟区域内路由使用。发送至 eu.orr.api.report.finance 的请求会在欧盟境内解密,并且仅路由至欧洲(欧盟/欧洲经济区、英国和瑞士)的共享提供商端点。
- 欧洲的提供商
- Inceptron
- 欧洲价格
- Inceptron:输入 US$0.15/M tokens,输出 US$0.50/M tokens
- 基础 URL
https://eu.orr.api.report.finance/api/v1- 套餐
- 需要 Business 或 Enterprise 套餐。Business 支持自助使用:无需合同,无每月最低消费。 用于欧盟区域内路由的 OpenRouter Business
故障时关闭:如果欧洲没有可用的共享提供商端点,请求将报错,而不会离开该区域。使用您自己的 BYOK 密钥处理的请求会发送至您部署所在的区域,该区域由您控制。 区域内路由文档
文档
在 OpenRouter 上使用 Z.ai: GLM 5.3 Flash 构建应用的指南、实用教程、博客文章和工具。
常见问题
Yes, the stealth model Ox Alpha was revealed to be ZAI's new model, GLM-5.3 Flash.
GLM-5.3-Flash is a native multimodal model from Z.ai. It is suited for efficient coding and long-horizon agent tasks. Its hybrid sparse and linear attention architecture maintains accurate long-context behavior while reducing compute overhead.
OpenRouter 上的 GLM 5.3 Flash 文档包括 Open-Weight vs Closed-Weight Models: What's the Difference? 博客文章。快速入门介绍了 API 密钥和您的首次请求,API 参考列出了所有参数。
GLM 5.3 Flash 的费用为 US$0.0399/百万输入 token 和 US$0.0784/百万输出 token,Cache Read,价格为 US$0.03/M tokens 单独计费。
GLM 5.3 Flash 的上下文窗口为 1,048,576 个 token。它最多支持 131,072 个补全 token。
是的。GLM 5.3 Flash 支持通过 tools 进行函数调用。 它还支持通过 response_format 中的 JSON schema 实现结构化输出。
GLM 5.3 Flash 接受 文本、图像和视频 作为输入,并返回 文本。
在 OpenRouter 上,GLM 5.3 Flash 由 36 家提供商提供服务:Relace, Wafer, Open Inference, Darkbloom, Particle AI, Tenstorrent, GMICloud, NEAR AI 及另外 28 个。 请求会路由至最佳的可用提供商,并在故障时自动切换至其他提供商,您也可以通过提供商路由固定或排除提供商。
GLM 5.3 Flash 于 2026年8月26日 发布。