跳到主要内容
  • 1M 上下文
  • 推理
  • Responses API

GLM 5.3 Flash · QuickSilver Pro

glm-5.3-flash
Z.ai实时可用性—

通过一个 OpenAI 兼容 API 使用 GLM 5.3 Flash,上下文窗口为 1M token。每百万 token 输入 $0.0284,输出 $0.0923。

  • 1M 上下文
  • 最大输出 131K
  • 工具调用
  • 推理 · 默认开启
  • 流式输出
  • 不支持 JSON Schema 输出

你支付 · 每 1M 输入 / 输出

$0.0284 / $0.0923

与官方价相同

与 Published reference 价格相同

价格对比($/1M token)

条形长度 = 相对所列最高价的价格

服务商输入输出对比 QSP
QuickSilver Pro$0.0284$0.0923—
Published reference(z-ai/glm-5.3-flash)$0.0284$0.0923相同
OpenAI (GPT-4o mini)$0.15$0.60低 85%

概览

上下文
1M token
输入 / 1M
$0.0284
输出 / 1M
$0.0923
默认思考
是
最大输出
131K
延迟 · 实时
—
AA 智能指数
46

以主力模型的价位跑大批量 agent 和编码 —— Z.ai 最新推理系列中的高速开放权重成员,拥有 1M token 的上下文窗口。

什么时候该选 GLM 5.3 Flash?

依据目录中的能力和公开价格整理,而非基准测试。

适用场景

想以极低的价格获得 GLM 5.3 系列的推理与工具调用表现时,选 GLM 5.3 Flash:大批量 agent 循环、后台代码生成、在 1M token 上下文中对超大工作集做摘要,以及单次调用成本占主导的批处理流水线。每百万 token $0.0284 / $0.0923 的价格可与目录中最便宜的一档竞争,同时保留 1M token 的窗口 —— 这是其他低价模型给不了的组合。推理始终开启;可用 reasoning_effort 在深度与延迟、成本之间取舍。

  • 长文档和代码库,最多 1M token 上下文
  • 需要调用工具的 Agent
  • 多步推理,默认开启
  • 既支持 Chat Completions,也支持 Responses API 客户端

何时该选其他模型

对于最难的仓库级工程和长程规划,GLM 5.3 是该系列中更强的选择 —— 窗口相同,模型更深。这里推理同样是强制开启的,所以即使是简单的轮次也会消耗思考 token;如果你想要一个直接作答的便宜模型,DeepSeek V4 Flash($0.06/$0.18)作答时没有这部分开销。如果你的提示词是针对 GLM 5.2 或 GLM 5.3 调优的,降档切换前请先做 A/B 测试 —— 该系列各模型的推理轨迹和工具调用节奏并不相同。

在模型列表中比较其他选择

快速开始(curl)

获取 API key →
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)

兼容 OpenAI。只需改一行 base_url 即可迁移。

网关行为

本模型的兼容性说明。

prompt
提示最多 1M token。
max_tokens
最多 131K 个输出 token。
  • /v1/chat/completions: 支持
  • /v1/responses: 支持
  • 流式输出: 支持
  • 工具调用: 支持
  • 图片输入: 本模型未列出
  • JSON Schema: 本模型未列出
  • 推理: 支持

价格从何而来

目录 v87 · 无单独的长上下文价格档

服务商参考价
$0.0284 / $0.0923
目录核验日期
提示缓存 · 不参与对比
读取 $0.0284

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

/pricing.json

按基础价格计算;缓存的提示 token 按上方缓存价格计费。

常见问题

常见问题

推理始终开启 —— 在这个 endpoint 上推理是强制的,无法关闭(试图关闭推理的请求会被上游拒绝)。可以用 reasoning_effort 在深度与延迟、成本之间取舍。推理 token 按输出 token 计费,并会先于可见回答从你的 max_tokens 预算中扣除,所以 max_tokens 要设得宽裕一些,否则回复可能被截断。如果你想要一个不是始终思考的 GLM,请使用 GLM 5.2。

GLM 5.3 Flash

充值翻倍试用 GLM 5.3 Flash —— 最高赠送 $50 额度

获取 API Key

$0.0284 / $0.0923每 1M token 输入 / 输出

试用获取 API Key