Memahami gambar, video, dan dokumen tanpa model visi terpisah.
Kembali ke model
Multimodal native Arsitektur hybrid yang efisien Loop coding visual
Zhipu AI
GLM-5.3-Flash
UnggulanCoding multimodal native dengan biaya FlashDiskon 12%InputBerkasGambarTeksVideoOutputTeks
Format APIOpenAI
Model GLM-5 pertama yang multimodal native, dirancang untuk coding visual berbiaya rendah dengan jendela konteks 1M token.
glm-5.3-flashHarga input$0.1421per juta token
Harga output$0.4737per juta token
Baca cache$0.0284$0.032394per juta token
Jendela konteks1.0M tokenKonteks maksimum per permintaan
Output maks.131.1K
PenagihanPer token
KesehatanNormalBerhasil 100% · latensi 2.2s · throughput 35.8
Detail model
Kemampuan, benchmark, dan penggunaan umum
GLM-5.3-Flash adalah model multimodal native pertama dalam seri GLM-5, dengan total 320B dan 18B parameter aktif serta arsitektur hybrid sparse-attention plus linear-attention yang memangkas komputasi attention sebesar 3,01x dan ukuran KV cache sebesar 4,44x dibandingkan GLM-5.3. Model ini memahami gambar, video, dan dokumen secara native, mengamati antarmuka dan output yang dirender selama loop coding, dan menangani tugas lintas kode, browser, serta antarmuka grafis. Model ini juga menangani deliverable profesional seperti PPTX, PDF, DOCX, dan XLSX. Model menerima input teks, gambar, video, dan file serta mengembalikan teks, dengan jendela konteks 1M token dan hingga 128K token output. Mode thinking hanya mendukung enabled. Harga asli yang ditampilkan di sini adalah harga resmi daftar CNY yang dikonversi pada 7,1 CNY per USD: CNY 0,80 per 1M token input tanpa cache, CNY 0,23 per 1M token input cache-hit, dan CNY 2,80 per 1M token output. Penyimpanan cache saat ini gratis untuk waktu terbatas. Varian GLM-5.3-FlashX yang lebih cepat tersedia dengan nama model glm-5.3-flashx terpisah.
Total 320B dan 18B parameter aktif dengan attention sparse plus linear.
Memeriksa antarmuka dan output yang dirender, lalu melakukan iterasi pada hasil.