TheRouter.aiTheRouter.ai
返回模型列表

GLM-5.3-Flash

zaizai/glm-5.3-flash

Z.AI GLM-5.3-Flash — the cost tier of the 5.3 generation. Documented by the vendor under its VLM section: text parameters match GLM-5.3 and it additionally accepts image_url content blocks, so it is multimodal on input. Reasoning is always on.

Z.AI GLM-5.3 文档（含 Flash VLM 节） ↗Z.AI 模型价格 ↗GitHub — GLM-5 系列 ↗

GLM-5.3-Flash 是 Z.AI 第 5.3 代的低成本档。它与 GLM-5.3 旗舰共享 1M token 上下文和始终开启的推理，并额外支持 image_url 输入——使其成为 GLM-5.x 系列中首个同时接受视觉与文本的模型——而 token 成本约为 GLM-5.3 的九分之一。厂商将其记录在 VLM 节而非独立页面中，其文本参数据称与 GLM-5.3 完全一致。

Flash 与旗舰之间的路由判断取决于三个因素：图像输入、token 成本和延迟。当请求包含图像时，GLM-5.3-Flash 是正确的路由选择——它是 GLM-5.3 代唯一支持 image_url 内容块的文本生成模型。对于纯文本任务，当不需要旗舰的峰值代码性能时，它是预算选项。在 TheRouter 上，输入 $0.162/M、输出 $0.54/M，GLM-5.3-Flash 是目录中性价比较高的 1M 上下文多模态模型之一。

与 GLM-5.3 一样，Flash 变体要求推理始终开启。thinking.type: "disabled" 路径已被移除；此前关闭 thinking 的应用必须先切换到 reasoning_effort: "low"，再调用这两个模型中的任一个。三个努力级别——low、high、max——在两条路由上均可用，TheRouter 在 supported_parameters 列表中暴露 reasoning_effort，可直接透传。

适合使用
  • • GLM-5.3 代中需要视觉感知的工作流：文档截图、图表理解、含图像上下文的编程、UI 转代码等需要 image_url 块的任务，而 GLM-5.3 纯文本路由无法满足
  • • 高并发文本任务，GLM-5.3-Flash 约 9 倍的 token 成本优势是决定因素——批量摘要、分类、提取，以及不需要旗舰顶级代码基准分数的轻量 Agent 循环
  • • 延迟敏感的推理任务，reasoning_effort: "low" 配合 Flash 的更低价格，在相同努力级别下提供比 GLM-5.3 旗舰更便宜、更快的路径
  • • 在单个 1M 上下文窗口中结合图像解析与文本推理的多模态 Agent 管道——Flash 路由可避免对中等复杂视觉输入进行单独的视觉模型跳转
不适合使用
  • • 需要最高代码或 Agentic 基准性能时——GLM-5.3 旗舰在 Terminal Bench 3.0、DeepSWE 和 CyberGym 上的后训练优势不保证在 Flash 上同样体现；高风险工程任务应使用旗舰
  • • 需要 thinking.type: "disabled" 的调用方——GLM-5.3-Flash 与 GLM-5.3 一样无法关闭推理；始终为推理 token 预留预算，并使用 reasoning_effort: "low" 降低开销
  • • 对图像质量要求严苛的生产视觉管道——目前没有 Flash 视觉路径的独立基准数据；大规模落地前应在代表性输入上验证图像理解质量

供应商自营与 TheRouter 服务形态的差异

供应商自己运营时

Z.AI 在 VLM 节中将 GLM-5.3-Flash 的文本参数描述为与 GLM-5.3 一致，并额外支持 image_url 输入。上下文为 1M token，推理始终开启（努力级别：low/high/max）。未提取到单独的 Flash 价格页面。

在 TheRouter 上

TheRouter 通过 OpenAI Chat Completion 接口暴露 zai/glm-5.3-flash，具备 1M 上下文、131,072 最大完成 token、文本+图像输入、文本输出、tools、tool_choice、response_format 和 reasoning_effort。定价为输入 $0.162/M、输出 $0.54/M。

docs.z.ai ↗
上下文长度
1M
最大输出
131K
输入价格每百万 tokens
$0.162每百万 Tokens
输出价格每百万 tokens
$0.540每百万 Tokens

模态能力

文本图像→文本

能力

视觉理解

价格明细

类型费率
输入$0.162 每百万 Tokens
输出$0.540 每百万 Tokens

支持参数

temperaturemax_tokenstop_ptoolstool_choiceresponse_formatstopreasoning_effort

模型规格

上下文窗口100 万 tokendocs.z.ai ↗已核实
最大输出 token 数TheRouter 当前路由为 131,072 tokentherouter.ai ↗已核实
模态文本 + 图像输入，文本输出（支持视觉）docs.z.ai ↗已核实
图像输入支持 image_url 内容块；记录在 Z.AI VLM 节中docs.z.ai ↗已核实
推理始终开启；thinking.type 固定为 enabled。三个努力级别：low（轻量）、high（增强）、max（深度，默认值）。不支持关闭。docs.z.ai ↗已核实
TheRouter 定价输入 $0.162/M token；输出 $0.54/M tokentherouter.ai ↗已核实
与 GLM-5.3 旗舰的成本对比输入约便宜 8.6 倍，输出约便宜 8.1 倍therouter.ai ↗已核实
API 能力函数调用、流式输出、结构化输出、推理努力控制、image_url 视觉输入docs.z.ai ↗已核实
代系GLM-5.3 代；文本参数与 GLM-5.3 旗舰一致；记录在 VLM 节docs.z.ai ↗已核实
训练数据截止未公开披露未知

基准成绩

BenchmarkDistributionScoreSource
DeepSWE v1.1 (GLM-5.3 flagship, generation reference)
Z.AI 模型页面上 GLM-5.3 旗舰的厂商报告分数。尚未发布 Flash 的独立分数；本行仅供代系背景参考，不应视为 Flash 分数。
66.9docs.z.ai ↗
Z.ai Code Bench Max (GLM-5.3 flagship, generation reference)
Z.AI 文档中 GLM-5.3 旗舰的厂商报告分数，较 GLM-5.2 提升 50%。尚未发布 Flash 的独立分数。
34.5%%docs.z.ai ↗
CyberGym vulnerability discovery (GLM-5.3 flagship, generation reference)
Z.AI 文档中 GLM-5.3 旗舰在漏洞发现任务上的厂商报告分数。仅供代系背景参考，尚未发布 Flash 的独立分数。
84.5%%docs.z.ai ↗

API 使用示例

所有新集成都应使用下方示例中的全球端点 api.therouter.ai；旧中国加速端点已下线。

cURL
curl https://api.therouter.ai/v1/chat/completions   -H "Content-Type: application/json"   -H "Authorization: Bearer $THE_ROUTER_API_KEY"   -d '{
    "model": "zai/glm-5.3-flash",
    "messages": [
      {"role": "user", "content": "Summarize the key points from this input."}
    ]
  }'

API 使用指南

完整 API 参考 →

视觉 + 文本 Chat

GLM-5.3-Flash 接受与文本并列的 image_url 内容块。可在用户消息 content 数组中以 URL 或 base64 data URI 形式传递图像。

cURL
curl https://api.therouter.ai/v1/chat/completions \
  -H "Authorization: Bearer $THEROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "zai/glm-5.3-flash",
    "reasoning_effort": "low",
    "messages": [
      {
        "role": "user",
        "content": [
          {"type": "image_url", "image_url": {"url": "https://example.com/diagram.png"}},
          {"type": "text", "text": "Describe the architecture shown in this diagram."}
        ]
      }
    ],
    "max_tokens": 800
  }'

zai 其他模型

zai/glm-5.3同代的纯文本旗舰——代码基准分数更高，无视觉输入，token 成本约高 9 倍。zai/glm-5.2上一代旗舰，与 GLM-5.3 定价相同；支持关闭推理（如有需要）。zhipu/glm-4.7-flash当 GLM-5.3-Flash 的价格仍超出预算时，可使用更老的 GLM Flash 免费档路由。

同类模型

跨供应商的相似能力档位
google/gemini-3.5-flash
Google 推出的可比较低成本大上下文多模态 Flash 档模型，支持视觉输入。
qwen/qwen3-vl-235b
当更强的图像理解基准比成本更重要时，可选阿里巴巴的旗舰视觉语言模型。

动态与变更

2026-08-19

GLM-5.3: Zhipu's Open-Source Flagship with 1M Context — API Integration and Routing Guide

TheRouter 的 GLM-5.3 代路由指南涵盖基准背景、从 GLM-5.2 的迁移、与 Z.AI 和 DashScope 的 API 集成，以及如何在多模型策略中定位 GLM-5.3 和 Flash。

TheRouter 编辑重写TheRouter Blog ↗

常见问题

GLM-5.3-Flash 与 GLM-5.3 有什么不同？

GLM-5.3-Flash 增加了 image_url 视觉输入——使其成为多模态输入模型——每 token 成本约比 GLM-5.3 旗舰低 8-9 倍。文本参数和 1M 上下文据称与旗舰相同。旗舰为纯文本，拥有更高的代码基准分数；Flash 是同代中的预算版和支持视觉的路由。

docs.z.ai ↗
GLM-5.3-Flash 可以关闭推理吗？

不可以。与 GLM-5.3 一样，Flash 变体要求推理始终开启。thinking.type: "disabled" 参数已被移除。如果你此前关闭了 thinking，请在更新模型 ID 前切换到 reasoning_effort: "low"——这是可用的最低开销推理模式。

docs.z.ai ↗
GLM-5.3-Flash 适合用于生产视觉管道吗？

该路由已在 TheRouter 目录中激活并上线，因此技术上可用于生产。但目前尚未发布 GLM-5.3-Flash 视觉能力的独立基准数据。大规模管道落地前，请在代表性输入上验证图像理解质量。

therouter.ai ↗
GLM-5.3-Flash 与 Google Gemini Flash 在多模态任务上如何比较？

两者都是支持 image_url 输入的大上下文、低成本多模态 Flash 档模型。GLM-5.3-Flash 以输入 $0.162/M、输出 $0.54/M 的价格具有竞争力。关键差异在于始终开启的推理及可选努力级别，这是 Gemini Flash 没有以同样方式暴露的功能。选择时应综合考虑生态系统适配性、你任务类型的独立视觉基准，以及推理开销是否可接受为延迟权衡。

therouter.ai ↗
事实档案 — 本页每条断言可在此回溯来源
来源URL采集于
上下文窗口docs.z.ai ↗2026-09-18已核实
最大输出 token 数therouter.ai ↗2026-09-18已核实
模态docs.z.ai ↗2026-09-18已核实
图像输入docs.z.ai ↗2026-09-18已核实
推理docs.z.ai ↗2026-09-18已核实
TheRouter 定价therouter.ai ↗2026-09-18已核实
与 GLM-5.3 旗舰的成本对比therouter.ai ↗2026-09-18已核实
API 能力docs.z.ai ↗2026-09-18已核实
代系docs.z.ai ↗2026-09-18已核实
训练数据截止——未知
DeepSWE v1.1 (GLM-5.3 flagship, generation reference)docs.z.ai ↗2026-09-18已核实
Z.ai Code Bench Max (GLM-5.3 flagship, generation reference)docs.z.ai ↗2026-09-18已核实
CyberGym vulnerability discovery (GLM-5.3 flagship, generation reference)docs.z.ai ↗2026-09-18已核实
GLM-5.3: Zhipu's Open-Source Flagship with 1M Context — API Integration and Routing GuideTheRouter Blog ↗2026-09-18已核实
GLM-5.3-Flash 与 GLM-5.3 有什么不同？docs.z.ai ↗2026-09-18待核实
GLM-5.3-Flash 可以关闭推理吗？docs.z.ai ↗2026-09-18待核实
GLM-5.3-Flash 适合用于生产视觉管道吗？therouter.ai ↗2026-09-18待核实
GLM-5.3-Flash 与 Google Gemini Flash 在多模态任务上如何比较？therouter.ai ↗2026-09-18待核实
客服支持