GLM-5.3，完成答案背后的工作
向 GLM-5.3 提供复杂的代码路径、一组源文档或需要工具的任务。给出证据，并明确有用的答案应包含什么。US$1.12 / 1M 输入，US$3.52 / 1M 输出。
- 百万 token 上下文
- 推理始终开启
- 文本输入
- 函数调用
- 流式输出
试用 GLM-5.3
用 GLM-5.3 尝试一项范围明确的任务。选择请求格式，检查字段，并根据你提供的证据核对答案。
glm-5.3每百万 token：$1.12 输入 · $3.52 输出。空字段会省略。嵌套值请使用 JSON。
根据返回用量和实时费率估算。横线表示缺少必要费率或用量。
GLM-5.3 实践
GLM-5.3 审查一次支付重试：崩溃发生的时间窗口、外部扣款，以及稳定的幂等键。
Review this Python payment handler: def pay(order): charge(order.card, order.total); db.mark_paid(order.id). A worker may retry after crashing between charge and mark_paid. Provide a concise failure timeline, a minimal idempotent design using a stable order key, and three executable-style regression cases. Do not claim a database transaction alone makes the external charge exactly-once.
Nothing ties the two steps together. charge is an external, non-transactional effect; the DB update is a separate operation. A crash (or worker timeout, or process kill, or deployment) between them leaves the order charged but unpaid — a retried worker charges again.
Note: wrapping both lines in a DB transaction doesn't fix it. The charge is external; a rollback at t2 cannot "un-charge" the card, and retry still re-executes the charge. Exactly-once for an external effect requires idempotency, not atomicity.
The key must be stable across attempts and derived from the order, never per-attempt or random, or both dedupe layers are useless.
本示例于 2026 年 10 月 29 日录自 GLM-5.3。展示的是原始英文回答的部分节选，其余部分已省略。使用前请审查生成的设计和代码。
GLM-5.3 价格
GLM-5.3 按请求使用的 token 计费。下表从计费配置读取当前输入、输出和缓存费率。
缓存输入属于总输入的一部分，推理属于输出的一部分。示例 token 数用于说明计算方法；实际费用以返回的用量为准。
- 输入
- $1.12价格 · 百万 token
- 输出
- $3.52价格 · 百万 token
- 缓存输入
- $0.208价格 · 百万 token
- 缓存写入
- $1.12价格 · 百万 token
什么是 GLM-5.3？
GLM-5.3 是 Z.ai 的文本推理模型，适合编程以及需要大工作上下文的任务。百万 token 窗口可容纳源文件、规范和持续对话。请筛选相关材料，并要求答案引用证据。
GLM-5.3 始终进行推理。可选择 low、high 或 max 强度，默认 max。推理和可见答案共同消耗输出预算，上限为 131,072 个 token。先从范围明确且预算足够的任务开始，再依据明确的验收检查核对结果。
模型：GLM-5.3 · 输入：文本 · 输出：文本和工具调用 · 格式：Chat Completions、Responses 和 Messages。
在应用或编程助手中使用 GLM-5.3
使用熟悉的请求格式，测试自己的工作负载。
接入 GLM-5.3
通过应用需要的格式接入 GLM-5.3。文档提供完整请求、各协议参数表，以及保留工具对话的示例。
- 1创建 API Key。
- 2从文档复制请求示例。
- 3用自己的数据检查结果。
使用 GLM-5.3 构建
让编程助手接入 GLM-5.3，并通过环境变量保存密钥。明确预期结果，运行前批准费用上限。
- 1复制配置说明。
- 2将 Key 保存在环境变量中。
- 3运行前先检查。
GLM-5.3 能帮助你做什么
有用的 GLM-5.3 提示词应包含具体任务、足以完成任务的证据，以及可检查的结果要求。
跨文件追踪故障
向 GLM-5.3 提供处理函数、相关类型和导致失败的输入。要求它解释假设在哪里失效，提出最小修改，并给出能捕获该故障的回归用例。
比对大量源材料
用 GLM-5.3 比较政策、笔记或规范中的要求。每项结论都应附支持段落，并在据此决策前明确列出尚未解答的问题。
提取实用 JSON
要求 GLM-5.3 按指令定义的字段返回 JSON 对象，并明确缺失值的表示方式。在应用中验证结果；JSON 对象模式不会强制执行你提供的 JSON Schema。
构建工具对话
让 GLM-5.3 提出函数调用，再验证参数并执行函数。返回结果时携带原调用标识符。模型可基于结果推理，执行仍由应用控制。
GLM-5.3 的实用场景
找出重复执行问题
向 GLM-5.3 展示执行操作并记录完成状态的代码。询问哪些崩溃点会导致重复执行、如何保证操作幂等，以及哪些测试能证明修复有效。
将规范转化为检查
向 GLM-5.3 提供书面契约，要求生成边界测试用例。区分必需行为与假设，再逐项对照原始要求审阅。
规划小规模迁移
向 GLM-5.3 提供当前接口、目标接口和兼容性约束。要求列出修改顺序，并为每个阶段给出验证步骤和回滚条件。
开始使用 GLM-5.3
- 01
充值额度
创建账户，按需充值。额度永久不过期。
- 02
选择格式
使用 glm-5.3 作为模型 ID。从文档复制 Chat Completions、Responses 或 Messages 示例；各格式的字段名不同。
- 03
尝试一个小任务
给 GLM-5.3 一个答案可核验的问题。设置输出预算时为推理留出空间。
- 04
检查并继续
检查 GLM-5.3 的输出和用量。在自己的应用中继续对话时，保留完整的助手与工具历史。
GLM-5.3 能力一览
接入前，先根据任务选择格式与控制参数。
- 上下文窗口
- 1,048,576 个 token
- 推理强度
- low、high 或 max；始终开启
- 结构化输出
- Chat 和 Responses 的 JSON 对象模式
- 输入模态
- 仅文本；不接受图片、音频或视频输入
- 对话历史
- 按顺序保留推理、工具标识符和结果
以上为文档记载的模型能力。请使用自己的工作负载评估准确性和响应时间。
规划一次成功的 GLM-5.3 请求
为推理留出空间
GLM-5.3 的输出上限包含思考。请为任务设置合理预算，并检查完成状态。达到 token 上限与收到完整答案不同。
提供文本证据
GLM-5.3 接受文本，不接受截图或视频。请求审阅前先提取相关文字，并附文件名或章节标记，让答案能指向具体来源。
读取实际缓存用量
GLM-5.3 使用自动上下文缓存。稳定、可复用的前缀可能有帮助，但相同提示词不保证命中。计算费用时，请使用响应中的缓存 token 数。
核验重要结论
要求 GLM-5.3 提供来源段落或可执行检查。在据此对外修改前，审阅生成的代码、提取的金额和事实主张。
在 SeedRouter 使用 GLM-5.3
在此查看费率
发送请求前比较 GLM-5.3 的输入、输出和缓存费率。价格表根据当前计费配置更新。
按量付费
通过预付余额使用 GLM-5.3。无需月度订阅，失败的请求不收费。
保留完整历史
GLM-5.3 Chat 请求中，clear_thinking=false 会保留历史推理。请原样、按顺序保留推理字段和工具消息；只复制可见答案可能丢失下一轮所需的信息。
明确输出契约
在提示词中定义字段名、类型和缺失值的处理方式。要求 GLM-5.3 输出 JSON 对象，保存前解析并验证。明确处理验证失败，不要将合法 JSON 视为正确数据。
比较 GLM-5.3 与其他模型
选择前，查看实时价格和各任务适用的控制选项。
用 OpenAI 或 Anthropic SDK 调用 DeepSeek V4.1 Flash：100 万 token 上下文，思考可开可关，支持图片输入，高峰与非高峰时段实时计价，Playground 在线试用。
查看模型用 OpenAI 或 Anthropic SDK 调用 Kimi K3：100 万 token 上下文，推理始终开启，强度可选 low、high 或 max，按 token 实时计价，Playground 在线试用。
查看模型调用 Claude Fable 5 API：深度推理能力，100 万 token 上下文，强制工具调用，实时 token 价格，即时试用 Playground。
查看模型用 Anthropic SDK 或 OpenAI SDK 调用 Claude Fable 5.1：深度推理、百万 token 上下文、廉价缓存读取、实时价格与 Playground 体验。
查看模型体验 Claude Haiku 5.5 的文本分类、文档信息提取与摘要功能。查看实时输入与输出 token 价格，测试自己的提示词，并通过 Messages API 将模型接入你的实际应用。
查看模型GLM-5.3 指南
扩大工作负载前，先了解 token 计费、缓存行为及实际接入选择。
GLM-5.3 常见问题
GLM-5.3 是什么？+
GLM-5.3 是 Z.ai 的推理模型，适合编程、长文本分析和工具对话。它接受文本，返回文本或工具调用，与 GLM-5.3-Flash 不同。
GLM-5.3 免费吗？+
本服务的 GLM-5.3 请求按上方实时费率使用预付余额，无需订阅。失败的请求不收费。
GLM-5.3 能关闭思考吗？+
不能。GLM-5.3 始终推理，可选择 low、high 或 max 强度，默认 max。即使最终答案很短，推理 token 也计入输出。
GLM-5.3 支持多长上下文？+
GLM-5.3 提供百万 token 上下文窗口，官方客户端元数据列出的数值为 1,048,576 个 token。最大输出为 131,072 个 token。输入费用取决于实际输入用量，而非窗口上限。
GLM-5.3 支持哪些请求格式？+
GLM-5.3 文档提供 Chat Completions、Responses 和兼容 Anthropic 的 Messages 接入说明，各自参数不同。API 参考区分了已发布的 GLM 契约与需要针对具体工作负载验证的兼容字段。
GLM-5.3 多少钱？+
GLM-5.3 当前起价为 US$1.12 / 1M 输入、US$3.52 / 1M 输出。表中也列出缓存输入和单独报告的缓存写入。估算请求费用时应依据实际 token 用量，而非可见答案长度。