Для GLM 5.3 FlashX используйте Chat Completions API.

О модели

GLM 5.3 FlashX — быстрая версия GLM 5.3 Flash от Z.ai: по данным Z.ai, до 200 токенов в секунду. Это первая нативно мультимодальная модель серии GLM-5: принимает текст, изображения, видео и файлы, отвечает текстом. Архитектура — гибрид разреженного и линейного внимания, 320 млрд параметров, из них 18 млрд активных.

Контекст — 1 048 576 токенов, максимальный ответ — 131 072 токена. Модель вызывает функции и возвращает ответ в формате JSON. Z.ai советует temperature 1 и top_p 0,95.

Рассуждения включены по умолчанию, и Z.ai указывает, что отключить их нельзя. На странице проверено то, что мы вызывали сами; изображения принимаются, видео и файлы мы не проверяли.

Стоимость

Текущая стоимость использования этой модели:

Токены

Стоимость за 1 млн токенов

Входные токены

40,70₽

Выходные токены

137,50₽

Чтение из кэша

8,25₽

Как считается расход

  • Учитываются все токены

    И входные (input), и сгенерированные моделью (output)

Характеристики

Параметр

Значение

Вход

Текст, изображения (по данным Z.ai также видео и файлы)

Выход

Текст

Параметры

320 млрд, из них 18 млрд активных

Контекст

1 048 576 токенов

Максимальный ответ

131 072 токена

Рассуждения

Всегда включены

Вызов функций

Да

Ответ в JSON

Да

Дата выхода

18 сентября 2026

Сравнение с соседними моделями

Модель

Скорость

Вход

Контекст

GLM 5.3 FlashX (эта модель)

До 200 токенов в секунду

Текст, изображения, видео, файлы

1 048 576 токенов

GLM 5.3 Flash

Стандартная

Текст, изображения, видео, файлы

1 048 576 токенов

API

Эндпоинт

http 
POST https://api.akashilab.ru/v1/chat/completions
Текстовый запрос 
import osfrom openai import OpenAIclient = OpenAI(    api_key=os.environ["DSLAB_API_KEY"],    base_url="https://api.akashilab.ru/v1",)response = client.chat.completions.create(    model="glm-5.3-flashx",    messages=[        {"role": "system", "content": "Отвечай кратко и по делу."},        {"role": "user", "content": "Объясни, что такое идемпотентность."},    ],)print(response.choices[0].message.content)

Параметры

Параметр

Тип

По умолчанию

Описание

model

string

обязательный

ID модели: glm-5.3-flashx.

messages

array

обязательный

История диалога: роли system, user, assistant и tool. content — текст или блоки текста и изображений.

max_tokens

integer

—

Максимальный ответ в токенах, включая рассуждения.

stream

boolean

false

Потоковый ответ. Чтобы получить расход токенов в потоке, добавьте stream_options со значением include_usage: true.

tools

array

—

Ваши функции: type function, name, description и parameters.

temperature

number

—

Разброс ответов, от 0 до 2.

response_format

object

—

Формат ответа: json_object.

reasoning_effort

string

—

Уровень рассуждений: значение none не принимается (ошибка 400), high включает полные рассуждения. Другие значения зависят от модели.

Важно знать

  • Рассуждения нельзя отключить: задавайте max_tokens с запасом, рассуждения входят в лимит ответа.

  • Скорость до 200 токенов в секунду — данные Z.ai, мы её не измеряли.

  • Значение temperature вне диапазона от 0 до 2 возвращает ошибку 400.