glm-5.3
GLM-5.3 是 Z.ai 的最新旗艦模型,在複雜軟體工程和智慧代理能力方面實現全面提升。
模態
輸入 / 輸出價格
$1.4/ 1M
$1.4 官方價格
$4.4/ 1M
$4.4 官方價格
上下文
1M
發布日期
2026年8月18日
API 呼叫範例
POST /v1/chat/completionscurl --request POST 'https://api.tokatlas.com/v1/chat/completions' \
--header "Authorization: Bearer $UNIROUTER_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
"model": "glm-5.3",
"messages": [
{
"role": "user",
"content": "Explain quantum entanglement."
}
],
"temperature": 0.7
}'供應商與線路
目前供應商 · Zhipu V4
平台配置價格 · 群組:default
美元/百萬 Token。每列輸入與輸出價格來自同一級距。顯示可用群組中的最低倍率,實際依 API 金鑰所屬群組而定。
GLM-5.3 處理跨檔案開發與多步工程任務
把程式碼、介面規格和測試結果一起交給 GLM-5.3,讓它找出變更影響,再依驗證結果修正方案。模型提供大上下文、長輸出和可調整的推理強度。
1M Token 共用上下文
在同一個請求中對照相關模組、跨檔案差異和測試記錄。輸入與輸出共用視窗,讀入資料時要為最終答案保留空間。
最高 128K Token 輸出
可回傳大型修補計畫、分階段遷移清單或詳細審查報告。先列出可驗收的交付項目,再展開各部分。
三種推理強度
推理持續啟用。例行抽取可先試 low,需比較方案時可試 high,複雜修改則可從預設 max 開始評估。
工具呼叫和結構化結果
交由應用程式執行工具,模型再根據結果調整下一步。若下游程式直接讀取 JSON,按預期欄位驗證後再使用。
關於
模型定位
GLM-5.3 沿用 GLM-5.2 的基礎,主要透過後訓練改善多步程式開發、終端機操作與工程任務。原生介面處理文字,可把文件先轉成帶頁碼的文字再送入。輸入和輸出合計使用 1,048,576 Token 的視窗,單次輸出最多 131,072 Token。
程式開發與結構化工作
跨檔案變更可同時附上模組、介面契約與失敗測試,讓模型先釐清影響面,再依工具結果修正。需要報表時,可把日誌和需求整理成帶來源位置的 JSON。長任務中,執行狀態與工具權限由應用程式管理。
與 GLM-5.2 的差別
兩代的上下文與輸出上限相近。GLM-5.3 的推理固定啟用,提供 low、high 和 max,預設為 max。評估升級可在相同工具與提示配置下,分別記錄驗收通過率、延遲和輸出用量。
GLM-5.2 與 5.3 的規格對照
舊版請求的遷移
檢查原請求是否使用 thinking.type: "disabled",並把推理強度改為新版接受的值。消費串流時分開處理推理與最終答案,分段的工具參數應完整組裝並驗證後再送出。先用低流量驗證既有解析器與測試。
部署後怎麼觀察
長上下文能保留多份規格,但上一輪工具結果與新資料應按時間及來源標明。終端機診斷可先提供已遮蔽的建置記錄,要求模型針對相依衝突或 CI 失敗給出可驗證的判斷。小流量試跑需保留提示、工具結果和測試,而遇到較長回覆也要確認 UI 與解析器收尾正常。
從低強度開始找出成本差異。簡單分類和資料轉換可先試 low,需要在多個實作選項中作取捨時測 high,只有較難的跨模組任務才從 max 開始。跑遷移試驗時分開記錄平均延遲和較慢請求的延遲,再核對無效工具呼叫與回歸缺口。
glm-5.3 FAQ
GLM-5.3 的輸入和回覆上限如何計算?
上下文合計最多 1,048,576 token,生成最多 131,072 token。歷史對話、工具回覆與推理也要算進預算。
從 GLM-5.2 切換時,推理設定要怎麼改?
GLM-5.3 要求啟用推理。先檢查請求是否有關閉推理的設定,再從端點提供的 low、high 或 max 中選擇。
可以把截圖或 PDF 原檔直接交給 GLM-5.3 嗎?
原生模型以文字為輸入。若路由沒有檔案前處理,可先將 PDF 擷取成文字,或用支援影像的模型讀出截圖資訊。
GLM-5.2 和 5.3 有哪些值得重測的差異?
兩者公布的上下文和輸出上限相近。升級的重點是後訓練和推理控制,可重跑跨檔案修改、工具呼叫與回歸測試來比較。