- 1M 上下文
- 推理
- Responses API
GLM 5.3 · QuickSilver Pro
GLM 5.3 是 Z.ai 最新的推理旗舰,针对复杂软件工程和长程 agent 任务调优,拥有 1M token 的上下文窗口和 131K 最大输出。在 QuickSilver Pro 上,每百万 token 输入 $0.60 / 输出 $2.20,与本路由选择的 OpenRouter 上游端点平价,无加价或折扣。与 GLM 5.2 不同,这个 endpoint 上推理始终开启、无法关闭 —— 请改用 reasoning_effort 控制深度。
- 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
$0.60 / $2.20
与官方价相同
与 OpenRouter 价格相同
价格对比($/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 | $0.60 | $2.20 | — |
| OpenRouter(z-ai/glm-5.3) | $0.60 | $2.20 | 相同 |
| OpenAI (GPT-4o) | $2.50 | $10.00 | 低 78% |
OpenRouter 价格来源: openrouter.ai/api/v1/models/z-ai/glm-5.3/endpoints
概览
- 上下文
- 1M token
- 输入 / 1M
- $0.60
- 输出 / 1M
- $2.20
- 默认思考
- 是
- 最大输出
- 131K
- 延迟 · 实时
- —
- AA 智能指数
- 49
复杂软件工程和长程 agent —— Z.ai 最新的推理旗舰,拥有 1M token 的上下文窗口。
什么时候该选 GLM 5.3?
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
Z.ai 系列里最难的任务交给 GLM 5.3:仓库级重构、在长程任务中协调大量工具调用的「先规划后执行」型 agent,以及既需要在 1M token 上下文中容纳大型工作集、又需要单次调用输出最多 131K token 的任务。它以相同的每 token 价格接替 GLM 5.2,因此对于需要深思熟虑式推理的新项目,它是该系列的默认之选。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
这里推理是强制开启的,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 GLM,默认直接作答的 GLM 5.2 是该系列中更合适的选择。对于日常对话、短上下文代码生成或单次任务,它的每 token 价格和推理开销都大材小用 —— DeepSeek V4 Flash($0.06/$0.18)或 V4 Pro($0.70/$2.10)能以更低的成本搞定其中大部分。如果你已有一套针对 GLM 5.2 调优的提示词,切换前请先做 A/B 测试 —— 价格不同,推理轨迹和工具调用节奏不同。具体到 agent 式编码,还应与 Kimi K2.7 Code 做 A/B 对比。
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",
"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",
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",
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",
"input": "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",
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
- 服务商参考价
- $0.60 / $2.20openrouter.ai/api/v1/models/z-ai/glm-5.3/endpoints
- 目录核验日期
- 提示缓存 · 不参与对比
- 读取 $0.20
usage.cost = prompt_tokens × $0.60/1M + completion_tokens × $2.20/1M
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 —— 默认直接作答。
GLM 5.3 是 Z.ai 的后继版本(2026-08-18 发布),在复杂软件工程和长程 agent 任务上表现更好,上下文窗口同为 1M token,并明确给出 131K 的最大输出上限。有一处行为差异值得注意:GLM 5.3 的推理是强制的、无法关闭,而 GLM 5.2 默认直接作答。GLM 5.3 每百万 token 输入 $0.60 / 输出 $2.20,GLM 5.2 则为 $0.70 / $2.20,所以升级只需换一个模型 ID —— 记得为始终开启的思考多预留一些输出 token。
可以 —— GLM 5.3 在 QuickSilver Pro 上是一个 OpenAI 兼容的 chat completions endpoint(Responses API 同样可用)。设置 base_url=https://api.quicksilverpro.io/v1,填入你的 QSP key,并使用 model="glm-5.3"。流式输出、工具调用(tool_choice: "auto" —— 这个 endpoint 不接受强制指定某个函数)和 usage.cost 统计都可用。response_format: json_schema 在这个 endpoint 上暂不强制生效;如果需要严格的结构化输出,请使用 GLM 5.2。
每百万 token 输入 $0.60 / 输出 $2.20,缓存读取 $0.20,与本路由选择的 OpenRouter 端点(inceptron fp4)平价,无加价或折扣。路由按固定提供商顺序,或在量化筛选后按 sort: price 选择最低价合格端点;/models 的展示价可能不同。较贵的备用端点不会改变你的价格。使用 base_url=https://api.quicksilverpro.io/v1 和 model="glm-5.3"。