Z.ai: GLM 5.3 Flash

z-ai/glm-5.3-flash

z-ai

Использовать

Выпущена 26 августа 2026 г.|1.0М контекст|0,660 ₽/М вход|25,06 ₽/М выход

4,96 ₽за 1M токенов в среднемпо запросам клиентов за 30 дней, с учётом кэша

Ограниченная по времени скидка 50% через ZAI до 9 сентября 2026 года в 16:00 UTC.

Провайдер для Z.ai: GLM 5.3 Flash

Hubris маршрутизирует запросы к лучшему доступному провайдеру с автоматическим fallback при сбоях.

z-ai

Latency

—

Throughput

—

Uptime

—

Контекст

1.0М

токенов

Макс. ответ

944К

токенов

Вход

0,660 ₽

за 1М токенов

Выход

25,06 ₽

за 1М токенов

Кеш чтение

0,660 ₽

за 1М токенов

Модальности

Вход:ТекстИзображенияВидеоВыход:Текст

Провайдеры

Запросы обслуживает один из провайдеров ниже — маршрутизация автоматически выбирает оптимального по доступности и скорости в момент запроса. Итоговая стоимость зависит от того, какой провайдер обслужил запрос, и от попадания в кэш: при повторяющемся контексте вход тарифицируется по цене чтения кэша — до 60–80 % дешевле. Цены — в рублях за 1 млн токенов.

Средняя фактическая цена

4,96 ₽

по запросам за 30 дней · за 1 млн токенов


OpenInference	0,660 ₽	25,06 ₽	0,660 ₽	—	99,9 %	< 0,1 %
Relace	0,660 ₽	25,06 ₽	0,660 ₽	40 т/с	100,0 %	15,9 %
StreamLake−71 %	~~18,93 ₽~~5,49 ₽	~~63,10 ₽~~18,30 ₽	~~3,79 ₽~~1,10 ₽	—	86,7 %	< 0,1 %
Wafer	9,34 ₽	25,25 ₽	9,22 ₽	43 т/с	100,0 %	4,7 %
GMICloud−50 %	~~18,94 ₽~~9,47 ₽	~~63,12 ₽~~31,56 ₽	~~3,78 ₽~~1,89 ₽	19 т/с	97,1 %	3,7 %
Sail Research	9,89 ₽	31,56 ₽	3,29 ₽	—	100,0 %	< 0,1 %
Sail Research	9,89 ₽	31,56 ₽	3,29 ₽	—	100,0 %	< 0,1 %
Near AI	10,10 ₽	63,12 ₽	1,51 ₽	—	91,9 %	< 0,1 %
Reka	10,10 ₽	252,47 ₽	5,05 ₽	—	99,8 %	< 0,1 %
Novita−44 %	~~18,93 ₽~~10,60 ₽	~~63,13 ₽~~35,35 ₽	~~3,79 ₽~~2,12 ₽	—	99,9 %	< 0,1 %
Morph	14,39 ₽	82,05 ₽	4,04 ₽	—	99,4 %	< 0,1 %
InferenceNet	15,15 ₽	48,98 ₽	4,04 ₽	40 т/с	100,0 %	13,1 %
InferenceNet	15,15 ₽	48,98 ₽	4,04 ₽	40 т/с	100,0 %	13,1 %
Phala−15 %	~~18,94 ₽~~16,10 ₽	~~63,12 ₽~~53,65 ₽	~~3,79 ₽~~3,22 ₽	—	99,7 %	< 0,1 %
DigitalOcean	16,57 ₽	55,23 ₽	3,79 ₽	—	100,0 %	< 0,1 %
Makora	17,67 ₽	59,33 ₽	3,03 ₽	—	99,4 %	< 0,1 %
Cohere	18,94 ₽	63,12 ₽	3,79 ₽	—	47,8 %	< 0,1 %
PrimeIntellect	18,94 ₽	63,12 ₽	3,79 ₽	—	99,8 %	< 0,1 %
Modal	18,94 ₽	63,12 ₽	3,79 ₽	—	—	< 0,1 %
BaseTen	18,94 ₽	63,12 ₽	3,79 ₽	—	0,0 %	< 0,1 %
Crusoe	18,94 ₽	63,12 ₽	3,79 ₽	—	95,3 %	< 0,1 %
CoreWeave	18,94 ₽	63,12 ₽	2,52 ₽	—	98,9 %	< 0,1 %
AtlasCloud	18,94 ₽	63,12 ₽	3,79 ₽	—	98,0 %	< 0,1 %
Fireworks	18,94 ₽	63,12 ₽	3,79 ₽	—	97,8 %	< 0,1 %
Friendli	18,94 ₽	63,12 ₽	3,79 ₽	69 т/с	100,0 %	3,1 %
SiliconFlow	18,94 ₽	63,12 ₽	3,79 ₽	—	90,3 %	< 0,1 %
Together	18,94 ₽	63,12 ₽	3,79 ₽	67 т/с	99,2 %	25,0 %
Parasail	18,94 ₽	63,12 ₽	3,79 ₽	62 т/с	100,0 %	5,4 %
BaseTen	18,94 ₽	63,12 ₽	3,79 ₽	—	100,0 %	< 0,1 %
Venice	18,94 ₽	63,12 ₽	3,79 ₽	—	97,2 %	< 0,1 %
DeepInfra	18,94 ₽	63,12 ₽	3,79 ₽	—	99,8 %	< 0,1 %
Z.AI	18,94 ₽	63,12 ₽	3,79 ₽	28 т/с	100,0 %	10,3 %
NextBit	18,94 ₽	94,68 ₽	6,31 ₽	—	98,2 %	< 0,1 %
Inceptron	22,72 ₽	87,10 ₽	9,47 ₽	—	99,9 %	< 0,1 %
Fireworks	28,40 ₽	94,68 ₽	5,68 ₽	—	98,4 %	< 0,1 %

Доля запросов, скорость и латентность считаются по нашему трафику за 30 дней, в разрезе по провайдеру. У одного провайдера может быть несколько строк — разные регионы или тарифы с отдельными ценами; эти значения общие для провайдера, поэтому в таких строках они совпадают.

Поддерживаемые параметры

frequency_penaltyinclude_reasoninglogit_biaslogprobsmax_tokensmin_pparallel_tool_callspresence_penaltyreasoningreasoning_effortrepetition_penaltyresponse_formatseedstopstructured_outputstemperaturetool_choicetoolstop_ktop_logprobstop_p

Тарификация для Z.ai: GLM 5.3 Flash

Цены в рублях за 1 млн токенов. Списание — за реальные токены, без подписок.

Тип	Цена в ₽	Единица
Вход	0,660 ₽	за 1М токенов
Выход	25,06 ₽	за 1М токенов
Кэш: чтение	0,660 ₽	за 1М токенов

Пример кода и API для Z.ai: GLM 5.3 Flash

Hubris — OpenAI-совместимый API. Используйте любой OpenAI SDK, поменяв только base URL и ключ.

Получить API-ключ

curl https://api.hubris.pw/v1/chat/completions \
  -H "Authorization: Bearer sk-gw-..." \
  -H "Content-Type: application/json" \
  -d '{
    "model": "z-ai/glm-5.3-flash",
    "messages": [{"role": "user", "content": "Привет"}]
  }'

curl https://api.hubris.pw/v1/chat/completions \  -H "Authorization: Bearer sk-gw-..." \  -H "Content-Type: application/json" \  -d '{    "model": "z-ai/glm-5.3-flash",    "messages": [{"role": "user", "content": "Привет"}]  }'

from openai import OpenAI

client = OpenAI(
    base_url="https://api.hubris.pw/v1",
    api_key="sk-gw-...",
)

response = client.chat.completions.create(
    model="z-ai/glm-5.3-flash",
    messages=[{"role": "user", "content": "Привет"}],
)
print(response.choices[0].message.content)

from openai import OpenAIclient = OpenAI(    base_url="https://api.hubris.pw/v1",    api_key="sk-gw-...",)response = client.chat.completions.create(    model="z-ai/glm-5.3-flash",    messages=[{"role": "user", "content": "Привет"}],)print(response.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api.hubris.pw/v1",
  apiKey: process.env.HUBRIS_API_KEY!,
});

const response = await client.chat.completions.create({
  model: "z-ai/glm-5.3-flash",
  messages: [{ role: "user", content: "Привет" }],
});

console.log(response.choices[0].message.content);

import OpenAI from "openai";const client = new OpenAI({  baseURL: "https://api.hubris.pw/v1",  apiKey: process.env.HUBRIS_API_KEY!,});const response = await client.chat.completions.create({  model: "z-ai/glm-5.3-flash",  messages: [{ role: "user", content: "Привет" }],});console.log(response.choices[0].message.content);

Сравнить с…

выбрать любую модель →

GLM 5.3 Flash или GLM 5.3той же линейки · цена, скорость, качество, код GLM 5.3 Flash или Qwen3.7 Flashблизкая по цене · цена, скорость, качество, код GLM 5.3 Flash или GPT-6.1 Solпопулярная · цена, скорость, качество, код GLM 5.3 Flash или Claude Sonnet 5популярная · цена, скорость, качество, код

Другие модели от z-ai

Z.ai: GLM 5.3

GLM-5.3 — это крупномасштабная модель рассуждений от Z.ai, созданная для решения сложных задач программной инженерии и долгосрочных агентских задач. Она поддерживает текстовый ввод и вывод с контекстным окном в 1M токенов и превосходит GLM-5.2 в кодировании и в балансе между производительностью и эффективностью токенов. Рассуждения всегда включены и не могут быть отключены. Поддерживаются низкие, высокие и максимальные усилия рассуждений; по умолчанию установлено максимальное.

1.0М контекст·от 88,37 ₽/М

Z.ai: GLM 5.3 Prime

GLM-5.3-Prime — это высокоскоростной вариант GLM-5.3 от Z.ai, который наследует все его возможности, обеспечивая при этом в 1,5–2 раза большую пропускную способность вывода за счет ускорения инференса. Он поддерживает текстовый ввод и вывод с контекстным окном в 1M токенов и до 128K выходных токенов, а также предназначен для рабочих нагрузок, связанных с кодированием и агентными задачами, включая многоэтапную оркестрацию агентов с длительным горизонтом, разговор в реальном времени и потоковую генерацию кода. Рассуждения всегда включены и не могут быть отключены. Поддерживаются низкие, высокие и максимальные усилия рассуждений; по умолчанию установлено максимальное значение.

1.0М контекст·от 353,46 ₽/М

Z.ai: GLM 5.3 FlashX

GLM-5.3-FlashX — это высокоскоростной вариант GLM-5.3-Flash от Z.ai, нативной мультимодальной модели, обеспечивающей скорость инференса до 200 токенов/с. Построенная на той же гибридной архитектуре разреженного и линейного attention (320B общих параметров, 18B активных), она подходит для эффективного кодирования, визуального понимания и задач агентов с длинным горизонтом с контекстным окном в 1M токенов.

1.0М контекст·от 46,71 ₽/М

Z.ai: GLM Flash Latest

Эта модель всегда перенаправляется на последнюю модель в семействе GLM Flash.

1.0М контекст·от 0,660 ₽/М

Z.ai: GLM Latest

Эта модель всегда перенаправляется на последнюю модель GLM от Z.ai.

1.0М контекст·от 9,97 ₽/М

Z.ai: GLM 5.2

GLM 5.2 — это крупномасштабная модель рассуждений от Z.ai. Она поддерживает ввод и вывод текста с контекстным окном в 1M токенов и подходит для долгосрочных рабочих процессов агентов, программной инженерии на уровне проектов и сложной многошаговой автоматизации. Поддерживаются уровни рассуждений high и xhigh; xhigh соответствует максимальному уровню рассуждений. Модель особенно сильна в кодировании и использовании инструментов в рамках длительных задач, способна поддерживать инженерный контекст и последовательно следовать стандартам на протяжении всего цикла разработки, от требований до многоплатформенного развертывания, в рамках одной задачи.

1.0М контекст·от 4,30 ₽/М