Preço de tabela
$0.15
Por 1M de entrada
Projete seu custo do GLM 5.3 Flash por aqui, não pela tarifa promocional.
GLM 5.3 Flash
O nível eficiente da Z.ai na família GLM 5: um Mixture-of-Experts de 320B com 18B ativos, entrada de texto, imagem e vídeo, contexto de 1M e pesos abertos MIT.
Crie com o GLM 5
O que é o GLM 5.3 Flash?
O GLM 5.3 Flash foi lançado em 26 de agosto de 2026, depois de seis dias no OpenRouter como o modelo furtivo Ox Alpha.
01
320B no total, 18B ativos
Apenas 8 de 288 especialistas disparam por token: memória de um modelo de 320B, computação de um de 18B.
02
Multimodal de origem
A visão veio do corpus de pré-treinamento de 30T tokens, não de um codificador acoplado depois.
03
Flash significa barato, não rápido
A Artificial Analysis mede 50,2 tokens de saída por segundo, abaixo da mediana de 67 t/s da categoria.
Especificações, tamanho e status open source do GLM 5.3 Flash
Arquitetura, pesos e licenciamento conforme o model card no Hugging Face e o repositório zai-org/GLM-5.
Model card
Arquitetura
- Parâmetros totais
- 320B
- Parâmetros ativos
- 18B
- Janela de contexto
- 1.048.576 tokens
- Saída máxima
- 131.072 tokens
- Modalidade
- Texto, imagem, vídeo
MoE, 45 camadas, 8 de 288 especialistas.
Computação de um modelo denso de 18B.
A Io Net limita a 262.144; a Cloudflare, a 1.310.720.
Outros informam até 1.179.648.
Entrada multimodal, saída em texto.
Pesos e licenciamento
Tamanho e licença
- Licença dos pesos
- MIT
- Hugging Face
- zai-org/GLM-5.3-Flash
- GitHub
- zai-org/GLM-5
- Tamanho do checkpoint
- ~328 GB (FP8)
- Stacks de serving
- SGLang, vLLM
Uso comercial e redistribuição, sem limite.
Uma variante -BF16 e um espelho no ModelScope.
Sem repositório próprio; o GLM-5 é Apache-2.0.
Um job multinó, não uma workstation.
Mais TokenSpeed, KTransformers e GGUF da comunidade.
Model card e API de endpoints do OpenRouter, agosto de 2026.
Preços / 04
Preços do GLM 5.3 Flash: tabela cheia vs. desconto de lançamento
A Z.ai lista US$ 0,15 de entrada e US$ 0,50 de saída por 1M de tokens. Os US$ 0,075 / US$ 0,25 citados em todo lugar são um desconto temporário de lançamento de 50%.
Preço de tabela
$0.50
Por 1M de saída
Uma proporção acentuada de 1:3,3 — limite a saída primeiro.
Preço de tabela
$0.03
Por 1M de entrada em cache
Um quinto da entrada nova — é o que torna o contexto longo viável.
Independente
$0.10
Preço combinado
Artificial Analysis, em uma mistura 7:2:1 de cache/entrada/saída.
Uma diferença de 2x para pesos idênticos: Z.AI, Novita e GMICloud dão desconto; os demais cobram a tabela.
Benchmarks / 05
Benchmarks do GLM 5.3 Flash: do fornecedor e independentes
A Z.ai publica a própria tabela e escolhe as comparações. A diferença para o GLM 5.2 e os dados da Artificial Analysis resistem ao escrutínio.
Reportado pela Z.ai
Terminal-Bench 2.1
5.3 Flash84.3
Opus 4.885.0
O GPT-5.6 Terra marca 87,4; a distância aumenta nas tarefas difíceis.
Reportado pela Z.ai
DeepSWE v1.1
5.3 Flash63.4
GLM 5.246.2
Mesma família e método, por um décimo do preço. AutomationBench: 48,8 contra 26,2.
Reportado pela Z.ai
OfficeQA Pro
5.3 Flash62.4
Raciocínio documental e visual, reportado à frente do Opus 4.8.
Artificial Analysis
57
Intelligence Index
Independente, contra uma mediana de ~27 em modelos de pesos abertos semelhantes.
O benchmark mais confiável do GLM 5.3 Flash é o seu próprio backlog.
Recursos / 06
O que o GLM 5.3 Flash faz
Feito para harnesses de agentes: controle de raciocínio, ferramentas, saída estruturada e streaming sobre uma janela de um milhão de tokens.
01
Raciocínio com controle de esforço
Ligado por padrão, com nível de esforço ajustável.
02
Function calling
Ferramentas e escolha de ferramenta; seu app continua validando cada ação.
03
Saída estruturada
Uma restrição de formato de resposta devolve JSON parseável.
04
Respostas em streaming
1,47 s até o primeiro token supera a mediana; a taxa de saída, não.
05
Entrada de imagem e vídeo
Cole uma captura de tela, um diagrama ou uma gravação junto do seu prompt.
06
Contexto de um milhão de tokens
A tarifa de US$ 0,03 por entrada em cache mantém os turnos seguintes baratos.
Comparação / 07
GLM 5.3 Flash vs. DeepSeek V4 Flash
Ambos são o nível barato de uma família de ponta que publica pesos MIT. Divergem em modalidade, raciocínio e hardware.
Z.ai
GLM 5.3 Flash
- Arquitetura
- 320B / 18B ativos
- Entrada
- Texto, imagem, vídeo
- Contexto / saída
- 1M / 131K
- Preço de tabela
- $0.15 / $0.50
- Self-hosting
- ~328 GB FP8
KDA híbrida mais atenção MLA esparsa NoPE.
Multimodal de origem.
O teto de saída varia por provedor.
Antes do desconto de lançamento.
MIT, mas um job multinó.
DeepSeek
DeepSeek V4 Flash
- Arquitetura
- 284B / ~13B ativos
- Entrada
- Somente texto
- Contexto / saída
- 1M / 384K
- Preço de tabela
- $0.14 / $0.28
- Self-hosting
- Pesos MIT
Sem raciocínio por padrão.
Capturas precisam ser transcritas antes.
Orçamento de resposta bem maior.
Direto do fornecedor, com proporção mais plana de 1:2.
Fatia menor, mais barata de servir.
Os dois estão na lista de modelos do glm5.app, então um mesmo prompt passa por cada um.
Linha do tempo / 08
Linha do tempo do GLM 5.3 Flash, do Ox Alpha aos pesos abertos
Seis dias como modelo furtivo anônimo e então um lançamento completo com pesos abertos.
01
20 de ago — o Ox Alpha aparece
`stealth/ox-alpha` chega ao OpenRouter sem provedor declarado, grátis por token.
02
20-26 de ago — as ferramentas de agentes se acumulam
Os cinco maiores consumidores são ferramentas de coding agêntico; o OpenCode o oferece de graça.
03
26 de ago — o GLM 5.3 Flash é lançado
A Z.ai confirma a linhagem do Ox Alpha; model card, pesos MIT e preços chegam juntos.
04
A prévia rodou em chips chineses
Um motor próprio derivado do SGLang, reportado em cerca de 3x. Fornecedor não revelado.
05
Os pesos saíram no Hugging Face
`zai-org/GLM-5.3-Flash` mais uma variante BF16 e um espelho no ModelScope. Sem repositório no GitHub.
06
Onde a notícia aparece primeiro
OpenRouter na frente em preços, Hugging Face nas quantizações. Para relatos de campo, o Reddit ainda fala em Ox Alpha.
Para quem é / 09
Quem usa o GLM 5.3 Flash?
Times que pagam tarifa de modelo topo de linha por trabalho que nunca precisou dessa profundidade — e onde isso é um erro.
01
Coding agêntico de alto volume
Chamar ferramentas por um décimo do preço por token do GLM 5.3 torna loops longos de agente viáveis.
02
Trabalho na escala do repositório
Uma janela de um milhão de tokens mantém a base de código residente, então perguntas entre arquivos dispensam recuperação.
03
Depuração visual
Layouts quebrados, gravações de reprodução, esquemas em diagramas.
04
Times comparando a Z.ai com rivais
Compare com DeepSeek V4 Flash e Qwen no chat do glm5.app.
05
Quem hospeda com um cluster
Os pesos MIT e o suporte a vLLM são reais, mas 328 GB em FP8 descartam uma única máquina.
06
Não para interfaces sensíveis à latência
A cerca de 50 tokens de saída por segundo, fica atrás da maioria dos concorrentes de mesmo preço.
Como usar o GLM 5.3 Flash / 10
Como usar o GLM 5.3 Flash
Três caminhos: chat grátis no navegador, a API do glm5.app ou os pesos MIT no seu próprio hardware.
01
01
Converse grátis com o GLM 5.3 Flash
Escolha GLM 5.3 Flash no chat e anexe capturas de tela. Contas novas ganham créditos grátis.
02
02
Chame a API do glm5.app
Envie requisições compatíveis com OpenAI para `https://glm5.app/api/v1` com o ID de modelo `glm-5.3-flash`.
03
03
Ou hospede os pesos você mesmo
Baixe `zai-org/GLM-5.3-Flash` e sirva com SGLang ou vLLM — cerca de 328 GB em FP8.
Integration specimen
Comece pela API do GLM 5.3 Flash
Um endpoint de Chat Completions compatível com OpenAI. Use o ID de modelo `glm-5.3-flash` em `https://glm5.app/api/v1`.
Abrir a documentação da APIRequest previewcurl
curl https://glm5.app/api/v1/chat/completions \
-H "Authorization: Bearer $GLM5_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "glm-5.3-flash",
"messages": [{
"role": "user",
"content": "Read this stack trace and name the failing call site."
}],
"stream": true
}'Perguntas frequentes sobre o GLM 5.3 Flash
Ox Alpha, preços, benchmarks, parâmetros, Hugging Face, vLLM, DGX Spark e DeepSeek V4 Flash.
O GLM 5.3 Flash é o mesmo modelo que o Ox Alpha?
Sim — ele rodou como `stealth/ox-alpha` por seis dias a partir de 20 de agosto de 2026. Conversas salvas do Ox Alpha são remapeadas automaticamente.
O GLM 5.3 Flash é igual ao GLM 5.3?
Não — são níveis diferentes, com uma diferença de preço de cerca de 10x. O Flash é o modelo multimodal 320B-A18B; o GLM 5.3 é o carro-chefe em texto.
Qual é o preço do GLM 5.3 Flash?
A Z.ai lista US$ 0,15 por 1M de entrada, US$ 0,03 em cache e US$ 0,50 de saída. Os US$ 0,075 / US$ 0,25 citados são um desconto temporário de lançamento de 50%.
O GLM 5.3 Flash é grátis?
A prévia do Ox Alpha era gratuita; agora é cobrado por uso. Você ainda pode testá-lo grátis no chat do glm5.app.
Quantos parâmetros o GLM 5.3 Flash tem e qual é o tamanho dele?
320B no total, 18B ativos por token, 45 camadas roteando 8 de 288 especialistas. O checkpoint FP8 tem cerca de 328 GB.
O GLM 5.3 Flash está no Hugging Face e no GitHub?
Os pesos estão no Hugging Face em `zai-org/GLM-5.3-Flash` sob MIT. Não há repositório dedicado no GitHub — as receitas ficam em `zai-org/GLM-5`.
Dá para rodar o GLM 5.3 Flash em vLLM ou em uma DGX Spark?
vLLM, SGLang, TokenSpeed e KTransformers são suportados. 328 GB não cabem em uma DGX Spark; a comunidade relata unir duas em 4 bits.
GLM 5.3 Flash ou DeepSeek V4 Flash — qual usar?
Flash para entrada visual ou deliberação; DeepSeek V4 Flash para uma proporção mais plana de 1:2 ou 384K de saída.
O que o Reddit diz sobre o GLM 5.3 Flash?
A maior parte dos relatos práticos está sob o nome da prévia, então procure por Ox Alpha no Reddit.
Start here
Comece hoje com o GLM 5.3 Flash
Rode sua tarefa mais difícil no GLM 5.3 Flash grátis no navegador e depois ligue o ID do modelo ao seu pipeline.