无需额外视觉模型即可理解图片、视频与文件。
返回模型列表
原生多模态 高效混合架构 视觉编程闭环
Zhipu AI
GLM-5.3-Flash
热门极致成本的原生多模态编程12% 优惠输入文件图像文本视频输出文本
API 格式OpenAI
GLM-5 系列首个原生多模态模型，面向低成本视觉编程，支持 100 万 Token 上下文。
glm-5.3-flash输入价格$0.1421每百万 tokens
输出价格$0.4737每百万 tokens
缓存读取$0.0284$0.032394每百万 tokens
上下文窗口1.0M tokens单次请求可携带的最大上下文
最大输出131.1K
计费方式按 Token
健康状态正常成功率 100% · 延迟 2.2s · 吞吐 35.8
模型详情
能力、基准与典型用法
GLM-5.3-Flash 是 GLM-5 系列首个原生多模态模型，总参数量 320B、激活参数量 18B，采用稀疏注意力与线性注意力混合架构，相比 GLM-5.3 注意力计算量和 KV 缓存大小分别降低 3.01 倍和 4.44 倍。模型原生理解图片、视频与文件，在编程循环中主动观察界面与渲染结果并持续改进，可在代码、浏览器与图形界面之间协同完成任务，同时支持 PPTX、PDF、DOCX、XLSX 等专业文档交付。输入支持文本、图片、视频和文件，输出为文本；上下文长度 100 万 Token，最大输出 128K Token。思考模式仅支持 enabled。此处原价按 1 美元兑 7.1 人民币换算自官方人民币刊例价：缓存未命中输入 0.80 元/百万 Token、缓存命中输入 0.23 元/百万 Token、输出 2.80 元/百万 Token；缓存存储限时免费。更快的 GLM-5.3-FlashX 变体以独立的 glm-5.3-flashx 模型名提供。
总参数量 320B、激活 18B，采用稀疏与线性注意力混合架构。
观察界面与渲染结果，并据此持续迭代产出。