GLM-5.3-Flash
概述
GLM-5.3-Flash 是 Z.AI 于 2026 年 8 月 26 日发布的开放权重原生多模态模型，也是 GLM-5 系列的 Flash 级模型。该模型拥有 3200 亿总参数和 180 亿激活参数，支持 1M Token 上下文，并采用稀疏注意力与线性注意力相结合的混合架构，面向编程、Agent 和视觉知识工作负载。
GLM-5.3-Flash
本活动覆盖 B.AI API 和 Chat：
- API： GLM-5.3-Flash API 调用目前按
0 Credits结算，不收取输入、缓存写入、缓存读取或输出 Token 费用。 - Chat： GLM-5.3-Flash 在 B.AI Chat 上架后免费开放，具体开放时间以模型实际上架为准；开放后，Chat 使用按
0 Credits结算。
活动结束后，GLM-5.3-Flash 将恢复本页展示的价格。
主要特性
- 高效混合架构：采用稀疏注意力、线性注意力、流形约束超连接（mHC）和 IndexPool。Z.AI 在架构对比中表示，与 GLM-5.3 相比，该模型的注意力计算量降低至约三分之一，KV Cache 体积缩小至约四分之一。
- 原生多模态理解：支持文本、图片、视频和文件输入，使 Agent 能够在任务中检查界面、渲染结果、文档及其他视觉信息。
- 编程与 Agent 评测：Z.AI 公布的评测结果包括 Terminal-Bench 2.1 为 84.3、DeepSWE v1.1 为 63.4、Toolathlon Verified 为 78.4，以及 AutomationBench v1.0.6 为 48.8。
- 可配置的始终开启推理：支持
low、high和max推理强度，默认使用max，不支持关闭推理。
适用场景
- 可视化软件工程：结合截图或渲染结果检查，构建和优化前端、游戏、3D 场景及其他交互界面。
- 长周期编程 Agent：适用于需要推理、函数调用和大上下文的代码库级实现、调试、测试及多步骤自动化任务。
- 多模态专业工作流：对文档、图表、仪表盘、演示文稿、电子表格和视频进行提取与推理，再通过 Agent 环境生成结构化文本或办公交付物。
- 成本敏感型 API 工作负载：适用于重视低 Token 成本、缓存输入价格和 1M Token 上下文的大规模文本及多模态任务。
能力与限制
| 能力 | 说明 |
|---|---|
| 推理 | 推理始终开启。reasoning_effort 支持 low、high 和 max，默认值为 max。 |
| 创意写作 | 支持通用文本和长文本生成。 |
| 编程 | Z.AI 公布的评测结果包括 Terminal-Bench 2.1：84.3、DeepSWE v1.1：63.4、NL2Repo：56.3、Toolathlon Verified：78.4，以及 AutomationBench v1.0.6：48.8。 |
| 多模态 | 支持文本、图片、视频和文件输入，输出文本。 |
| 上下文窗口 | 1,000,000 Token。 |
| 最大输出 | 最高 131,072 Token；max_tokens 默认值为 65,536。 |
| 工具调用 | 支持函数调用、流式工具调用、上下文缓存和 JSON 结构化输出。ZCode 可结合 Browser Use 和 Computer Use，用于需要视觉信息支撑的 Agent 工作流。 |
| 多语言 | 官方模型仓库标明支持英文和中文。 |
已知限制
thinking.type仅支持enabled；需要降低推理强度时，应使用reasoning_effort: "low"，而不是关闭推理。
Credits 用量
| 模型 | 输入（Credits/Token） | 缓存写入（Credits/Token） | 缓存读取（Credits/Token） | 输出（Credits/Token） | 联网搜索（Credits/次） |
|---|---|---|---|---|---|
| GLM-5.3-Flash | 0.075 | 0.075 | 0.015 | 0.25 | - |
限时价格说明： 50% Token 价格活动将于 2026 年 9 月 9 日 24:00（UTC+8，新加坡时间）结束。
价格说明
文档价格为 B.AI 平台模型标准参考价，仅供基础计费说明使用。B.AI 可能会通过限时活动、充值赠送及账户权益等方式，为用户提供更低的实际使用成本。具体价格、赠送 Credits、账户权益及最终结算请以平台页面和账单记录为准。