Z.ai
GLM-5.3 Flashمفتوح
High-speed, low-cost GLM 5.3 Flash model by Z.ai with 180+ tokens/sec throughput.
الذكاء
64.2 #282
AAQI 58.0
سرعة الإخراج
182 t/s
TTFT 220 ms · ITL 5.5 ms/tok
السعر الممزوج (3:1)
$0.15 /1M
إدخال $0.1/M · إخراج $0.3/M
السياق
262K
≈ 655 صفحة A4 · أقصى إخراج 8,192
Quality Domain Radar
6-Axis Frontier Evaluation vs Category Average & Flagship
GLM-5.3 Flash
Claude Mythos Preview (#1)
Average (68)
محاور الرادار تقريبية من درجات الفئات عند غياب قياسات مباشرة — راجع المنهجية.
نقاط القوة والمقايضات
أين يتفوق
- Open weights — self-host, fine-tune and audit with no vendor lock-in
- 182 tok/s output — fast enough for real-time agents
- Sub-400ms time-to-first-token
- Very low blended price — $0.15/1M mixed tokens
حالات استخدام قاتلة
Real-time agents
Low-latency loops for voice, gaming and interactive copilots.
High-volume batch jobs
Classification, extraction and summarization at minimal cost per call.
SWE-bench agents
Issue-to-PR resolution across multi-file repos — refactor, test and verify autonomously.
بداية سريعة للمطورين و API
عيّن
ZAI_API_KEY أولاً — احصل على مفتاح APIcurl https://api.z.ai/api/paas/v4/chat/completions \
-H "Authorization: Bearer $ZAI_API_KEY" \
-H "content-type: application/json" \
-d '{
"model": "glm-5-3-flash",
"messages": [{"role": "user", "content": "Refactor this function for O(n) time and explain the change."}]
}'import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.z.ai/api/paas/v4",
api_key=os.environ["ZAI_API_KEY"],
)
resp = client.chat.completions.create(
model="glm-5-3-flash",
messages=[{"role": "user", "content": "Refactor this function for O(n) time and explain the change."}],
)
print(resp.choices[0].message.content)const res = await fetch("https://api.z.ai/api/paas/v4/chat/completions", {
method: "POST",
headers: {
Authorization: `Bearer ${process.env.ZAI_API_KEY}`,
"content-type": "application/json",
},
body: JSON.stringify({
model: "glm-5-3-flash",
messages: [{ role: "user", content: "Refactor this function for O(n) time and explain the change." }],
}),
});
console.log((await res.json()).choices[0].message.content);الموارد والروابط الرسمية
نشر API
مقارنة المضيفين ووقت الاستجابة
الإنتاجية وTTFT وتسعير ذاكرة التخزين المؤقت عبر Groq وCerebras وTogether وDeepInfra وFireworks وBedrock وAzure.
GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
الدرجات حسب المصدر
الدرجات حسب الفئة
نتائج الاختبارات
المواصفات الحية والبنية
تحت الغطاء
- Prompt caching supported — cached input reads at $0.02/1M tokens.
تاريخ الإصدار
1 أغسطس 2026
المعلمات
Not disclosed
الترخيص
Open Weights
نافذة السياق
262,000 tokens
أقصى إخراج
8,192 tokens
الوسائط
text + image
أسعار التخزين المؤقت
قراءة $0.02 · كتابة $0.15 /1M
الاستدلال
—
سعر الإدخال
$0.1/M
سعر الإخراج
$0.3/M
سرعة الإخراج
182 t/s
الزمن حتى أول رمز
220 ms
آخر تحديث
28 أغسطس 2026
الفاتورة الشهرية المقدرة
الإنفاق الشهري المقدر
$0.00
جارٍ حساب التوفير مقابل GPT-4o…
اقتباس وتضمين
شارة Markdown لـ GitHub
Loading badge markdown...BibTeX
@misc{llmpodium2026glm53flash,
title = {Benchmark Analysis and Intelligence Evaluation of GLM-5.3 Flash},
author = {LLMPodium Research},
year = {2026},
url = {https://llmpodium.com/models/glm-5-3-flash}
}تضمين شارة النتيجة
أضف شارة Podium Score المباشرة إلى ملف README على GitHub أو Hugging Face — ترتبط بالترتيب المباشر.
معاينة
Markdown
Loading badge snippet...HTML
Loading badge snippet...المزيد من Z.ai
النماذج البديلة
أقرب البدائل لـ GLM-5.3 Flash استناداً إلى القدرات والأسعار ونتائج الاختبارات.