मुख्य सामग्री पर जाएँ
  • 1M context
  • Reasoning
  • Responses API

GLM 5.3 Flash QuickSilver Pro पर

glm-5.3-flash
Z.aiलाइव उपलब्धता—

एक OpenAI-compatible API से GLM 5.3 Flash का इस्तेमाल करें, 1M टोकन की कॉन्टेक्स्ट विंडो के साथ। प्रति दस लाख टोकन इनपुट $0.0284 / आउटपुट $0.0923।

  • 1M context
  • अधिकतम 131K output
  • Tools
  • Reasoning · डिफ़ॉल्ट रूप से चालू
  • Streaming
  • JSON Schema output नहीं

आप चुकाते हैं · input / output प्रति 1M

$0.0284 / $0.0923

लिस्ट प्राइस पर

Published reference जैसी ही दरें

Pricing तुलना ($/1M tokens)

बार की लंबाई = दिखाई गई सबसे ऊँची क़ीमत के मुक़ाबले क़ीमत

ProviderInputOutputQSP की तुलना में
QuickSilver Pro$0.0284$0.0923—
Published reference(z-ai/glm-5.3-flash)$0.0284$0.0923बराबर
OpenAI (GPT-4o mini)$0.15$0.6085% कम

एक नज़र में

Context
1M tokens
Input / 1M
$0.0284
Output / 1M
$0.0923
Default में सोचता है
हाँ
अधिकतम output
131K
Latency · लाइव
—
AA Intelligence Index
46

Workhorse pricing पर high-volume agents और coding — Z.ai के सबसे नए reasoning परिवार का तेज़ open-weights सदस्य, 1M-token context window के साथ।

GLM 5.3 Flash कब सही चुनाव है?

catalog की क्षमताओं और प्रकाशित क़ीमतों से तैयार, benchmark से नहीं।

कब इस्तेमाल करें

GLM 5.3 Flash तब चुनें जब आपको GLM 5.3 परिवार का reasoning-और-tools वाला व्यवहार कीमत के एक छोटे हिस्से पर चाहिए: high-volume agent loops, background codegen, इसके 1M-token context में विशाल working sets पर summarization, और batch pipelines जहाँ per-call लागत ही सबसे बड़ा हिस्सा होती है। $0.0284 / $0.0923 प्रति million tokens पर यह catalog के सबसे सस्ते tier से मुकाबला करता है और साथ ही 1M-token window बनाए रखता है — ऐसा मेल जो budget models नहीं देते। Reasoning हमेशा चालू रहती है; गहराई और latency व लागत के बीच संतुलन के लिए reasoning_effort इस्तेमाल करें।

  • लंबे दस्तावेज़ और codebases, 1M tokens तक के context के साथ
  • Tools call करने वाले agents
  • कई चरणों वाला reasoning, डिफ़ॉल्ट रूप से चालू
  • Chat Completions के साथ Responses API clients भी

कब कोई और model चुनें

सबसे कठिन repo-scale engineering और long-horizon plans के लिए GLM 5.3 परिवार का ज़्यादा मज़बूत चुनाव है — वही window, ज़्यादा गहरा मॉडल। यहाँ भी reasoning अनिवार्य है, इसलिए यह मामूली turns पर भी thinking tokens खर्च करता है; अगर आपको ऐसा सस्ता मॉडल चाहिए जो सीधे जवाब दे, तो DeepSeek V4 Flash ($0.06/$0.18) बिना overhead के जवाब देता है। अगर आपके prompts GLM 5.2 या GLM 5.3 पर tune किए हुए हैं, तो नीचे switch करने से पहले A/B करें — पूरे परिवार में traces और tool-call cadence अलग-अलग हैं।

Models में विकल्पों की तुलना करें

Quickstart (curl)

API key पाएँ →
curl https://api.quicksilverpro.io/v1/chat/completions \
  -H "Authorization: Bearer $QSP_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-5.3-flash",
    "messages": [{"role": "user", "content": "Hello!"}]
  }'
import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.quicksilverpro.io/v1",
    api_key=os.environ["QSP_KEY"],
)
response = client.chat.completions.create(
    model="glm-5.3-flash",
    messages=[{"role": "user", "content": "Hello!"}],
)
print(response.choices[0].message.content)
import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api.quicksilverpro.io/v1",
  apiKey: process.env.QSP_KEY,
});
const response = await client.chat.completions.create({
  model: "glm-5.3-flash",
  messages: [{ role: "user", content: "Hello!" }],
});
console.log(response.choices[0].message.content);
curl https://api.quicksilverpro.io/v1/responses \
  -H "Authorization: Bearer $QSP_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-5.3-flash",
    "input": "Hello!"
  }'
python (OpenAI SDK)
import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.quicksilverpro.io/v1",
    api_key=os.environ["QSP_KEY"],
)
response = client.chat.completions.create(
    model="glm-5.3-flash",
    messages=[{"role": "user", "content": "Hello!"}],
)
print(response.choices[0].message.content)

OpenAI-संगत। base_url बदलकर एक लाइन में migration।

Gateway का व्यवहार

इस मॉडल के लिए compatibility नोट्स।

prompt
1M tokens तक के prompts।
max_tokens
131K output tokens तक।
  • /v1/chat/completions: समर्थित
  • /v1/responses: समर्थित
  • streaming: समर्थित
  • tools: समर्थित
  • image input: इस मॉडल के लिए सूचीबद्ध नहीं
  • JSON Schema: इस मॉडल के लिए सूचीबद्ध नहीं
  • reasoning: समर्थित

क़ीमत कहाँ से आती है

Catalog v87 · कोई अलग long-context tier नहीं

Provider reference
$0.0284 / $0.0923
Catalog में सत्यापित
Prompt cache · तुलना नहीं
$0.0284 read

usage.cost = prompt_tokens × $0.0284/1M + completion_tokens × $0.0923/1M

/pricing.json

Base दरें; cached prompt tokens ऊपर दी गई cache दरों पर बिल होते हैं।

FAQ

सामान्य प्रश्न

Reasoning हमेशा चालू रहती है — इस endpoint पर यह अनिवार्य है और बंद नहीं की जा सकती (इसे बंद करने की कोशिश करने वाली request upstream पर reject हो जाती है)। गहराई और latency व लागत के बीच संतुलन के लिए reasoning_effort इस्तेमाल करें। Reasoning tokens output tokens के रूप में bill होते हैं और दिखने वाले जवाब से पहले आपके max_tokens budget में से लिए जाते हैं, इसलिए max_tokens खुलकर सेट करें, वरना जवाब कटा हुआ आ सकता है। अगर आपको बिना always-on thinking वाला GLM चाहिए, तो GLM 5.2 इस्तेमाल करें।

GLM 5.3 Flash

GLM 5.3 Flash को double credits के साथ आज़माएँ — $50 तक bonus credits

API Key पाएँ

$0.0284 / $0.0923input / output प्रति 1M tokens

आज़माएंAPI Key पाएँ