EvoLink 통합 채팅 API로 Z.ai의 GLM-5.3(Zhipu GLM-5.3 / GLM 5.3(으)로도 검색됨)에 접근하세요. 통합 전에 긴 컨텍스트 코딩, 다단계 에이전트, 프롬프트 캐싱을(를) 먼저 테스트할 수 있습니다.
코딩 에이전트와 장기 엔지니어링 작업을 위한 Z.ai의 플래그십 추론 모델입니다. 100만 토큰 컨텍스트, 상시 활성 사고, 도구 호출, 프롬프트 캐싱을 지원하며 Chat Completions와 Anthropic Messages 양쪽에서 사용할 수 있습니다.
GLM-5.3
Z.ai 플래그십 추론 모델
glm-5.3저장소 규모의 코딩 에이전트, 긴 작업 체인, 도구 사용이 많은 워크플로, 그리고 입력 대부분을 캐시 읽기가 담당하는 프리픽스 안정형 에이전트 루프.
모든 요금은 100만 토큰 기준이며 USD와 크레딧으로 표시되고, 계정의 현재 가격을 반영합니다.
통합 전에 GLM-5.3 요청 1건의 비용을 예상해 보세요. 계산기는 계정의 현재 요금을 사용하며 공식 가격은 비교용 참고 정보입니다.
최소 과금: 요청당 0.01 크레딧.
빠른 테스트용
일반 개발용
프로덕션 평가용
Z.ai의 플래그십 추론 모델을 입력 $1.40, 출력 $4.40(100만 토큰당)에 EvoLink 통합 API로 호출하세요. 모델 ID glm-5.3, 100만 토큰 컨텍스트, 상시 low/high/max 추론, 도구 호출과 프롬프트 캐싱을 지원합니다.
GLM-5.3은(는) EvoLink에서 모델 ID glm-5.3로 Chat Completions · Responses · Anthropic Messages를 통해 제공되며, 다른 모든 모델과 같은 API 키와 잔액을 사용합니다. 1M 컨텍스트 윈도우와 최대 131K 출력 토큰, 그리고 긴 컨텍스트 코딩, 다단계 에이전트, 프롬프트 캐싱를 제공합니다.
숫자는 EvoLink 경로 설정에서 가져오며, 기능은 API가 현재 제공하는 범위입니다.
세 가지 특성이 대부분을 담당합니다. 각 특성은 동시에 모델을 잘못 쓰는 방법도 암시하므로, 프로덕션 트래픽을 넘기기 전에 이해해 둘 가치가 있습니다.
장문 컨텍스트 구간 요금이 없습니다. 90만 번째 토큰의 요율은 1,000번째와 같습니다. 공격적으로 잘라내야 할 이유 하나는 사라지지만, 윈도우를 채우는 것이 공짜가 되거나 정확해지는 것은 아닙니다.
모델명을 제외하면 요청 본문이 업스트림에 그대로 도달하므로, GLM 고유 필드와 프롬프트 캐시 프리픽스 해시, 사고 서명이 두 엔드포인트 모두에서 보존됩니다.
추론은 별도 항목이 아니라 completion 토큰 안에서 과금되므로, 131,072 토큰의 출력 상한은 추론과 최종 답변을 합친 상한입니다. 출력 예산은 상한이 아니라 작업 기준으로 설정하세요.
GLM-5.3은 GLM-5.2보다 비싸고 Flash보다는 훨씬 비쌉니다. 가장 최신이라는 이유만으로 기본 경로가 되어서는 안 됩니다. 진짜 강점은 더 깊은 추론이 재시도나 사람의 수정 한 번을 실제로 줄여주는 작업입니다.
연관된 모듈, 테스트, 프로젝트 규약을 100만 토큰 컨텍스트에 함께 담아, 코딩 에이전트에 파일을 하나씩 넘기는 방식을 없앨 수 있습니다. 이득은 파일 간 수정이 서로 깨지지 않는 형태로 나타나며, 단일 파일 자동완성이 좋아지는 것과는 다릅니다.
여러 단계를 도는 계획–실행–검증 루프가 가장 큰 이득을 봅니다. 초반의 추론 오류가 체인 전체로 번지기 때문입니다. 단계별 품질이 아니라 체인 완료율로 평가하세요.
큰 도구 스키마와 긴 지시 블록이 캐시된 프리픽스 안에 들어가므로, 한 단계를 더 도는 한계 비용이 전체 입력 요율이 아니라 캐시 읽기 요율에 가까워집니다.
/v1/messages로 가는 요청은 바이트 단위로 그대로 전달되어 프롬프트 캐시 프리픽스와 사고 서명이 보존됩니다. Claude 프로토콜 코딩 CLI는 변환 계층 없이 EvoLink를 가리키고 glm-5.3을 선택하면 됩니다.
GLM-5.3은 GLM-5.2를 그대로 대체하지 않습니다. 파라미터 변경 하나가 명백한 파괴적 변경이고 가격도 움직였습니다. 프로덕션 경로를 옮기기 전에 이 네 가지를 확인하세요.
GLM-5.3은 항상 사고하며 thinking.type: "disabled"를 거부합니다. GLM-5.2에서 마이그레이션한 클라이언트가 비활성 모드를 계속 보내면 그대로 실패합니다. 공식 대체는 thinking.type: "enabled"와 reasoning_effort: "low" 조합입니다.
reasoning_effort는 low, high, max를 받고 기본값은 max입니다. 출력 토큰에 추론 토큰이 포함되므로 이 단계는 비용에 직접 영향을 줍니다. 대량 정형 호출에서 기본값을 그대로 두는 것이 5.3에서 과다 지출하는 가장 흔한 경로입니다.
캐시 읽기 토큰은 새 입력의 약 5분의 1로 과금됩니다. 시스템 프롬프트와 도구 스키마가 입력의 대부분을 차지하는 긴 에이전트 루프에서는, 그 프리픽스를 바이트 단위로 안정시키는 것이 모델 선택 자체보다 청구서에 더 크게 작용합니다.
5.3은 프로모션 할인 없이 업스트림 요율로 과금되므로 입력이 현재 GLM-5.2 요율보다 약 40% 높습니다. 추가된 추론이 측정 가능한 값어치를 하는 곳에만 5.3을 쓰고 나머지는 5.2나 Flash에 두세요.
프로덕트 백엔드와 배치 작업에는 EvoLink API를, 코딩·분석 워크플로에는 Codex, Claude, Gemini에서 GLM-5.3을(를) 직접 호출하세요. 두 경로 모두 같은 EvoLink API 키, 잔액, 모델 ID, 요청 기록을 공유합니다.
적합한 용도: 프로덕트 백엔드, 배치 작업, 자동화 파이프라인
OpenAI 호환 Chat Completions(또는 Anthropic Messages) 요청을 EvoLink로 보내고 모델 ID, 시스템 프롬프트, 출력 예산, 도구, 구조화 출력을 직접 제어합니다.
적합한 용도: Codex, Claude, Gemini에서의 코딩·리뷰·분석 작업
작업, 포함할 입력, 수락 기준을 Agent에 전달하면 Agent가 요청을 구성해 EvoLink를 통해 GLM-5.3을(를) 호출하고 토큰 사용량과 함께 답변을 돌려줍니다.
이 예시는 가장 짧게 실행 가능한 요청입니다: 시스템 프롬프트, 사용자 메시지, 출력 예산을 포함한 OpenAI 호환 Chat Completions 호출. 전체 파라미터와 응답 레퍼런스는 API 탭을 여세요.
curl -X POST https://api.evolink.ai/v1/chat/completions \
-H "Authorization: Bearer $EVOLINK_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "glm-5.3",
"messages": [
{ "role": "system", "content": "You are a senior engineer. Answer in JSON when asked." },
{ "role": "user", "content": "Review this diff and list risky changes as a JSON array:\n<diff>" }
],
"reasoning_effort": "low",
"max_tokens": 2048,
"stream": true
}'
# Reasoning is always on: reasoning_effort accepts low / high / max
# (default max) and thinking.type "disabled" is rejected.
# The same model ID works on /v1/messages (Anthropic Messages).
# The response includes choices[0].message and a usage object (prompt,
# cached, and completion tokens; completion tokens include reasoning).API 레퍼런스를 기준으로 모델 ID, messages 배열, 파라미터 범위를 확인하고 이 경로가 지원하지 않는 필드를 제거하세요.
Authorization Bearer 토큰을 확인하고 콘솔에서 사용 가능한 잔액을 확인하세요.
프롬프트 토큰이 GLM-5.3의 컨텍스트 윈도우를 초과했습니다. 관련 근거만 잘라내거나 검색해 넣고 캐시된 프리픽스를 재사용하세요.
지터를 두고 백오프 후 재시도하고, 병렬 버스트 대신 배치나 큐로 보내세요.
재시도 전에 민감한 콘텐츠, 잘못된 tool-call 인자, JSON 스키마 불일치를 확인하세요.
이 모델에서 나타나는 마이그레이션 문제는 다음 네 가지 점검으로 거의 다 잡힙니다. 앞의 둘은 명백한 실패이고, 뒤의 둘은 조용히 진행되는 비용 문제입니다.
Chat Completions와 Anthropic Messages 모두 같은 ID를 쓰며 업스트림 이름과 정확히 일치합니다. 변환할 별칭이 없습니다.
GLM-5.2 대비 유일한 명백한 파괴적 변경입니다. thinking.type: "enabled"와 reasoning_effort: "low"로 바꾸고 회귀 프롬프트를 다시 실행하세요.
기본값은 max입니다. 정형 호출과 지연에 민감한 호출을 low로 낮추고 채택률이 유지되는지 확인한 뒤 절감분을 계산하세요.
반환된 usage에 캐시 토큰이 나타나는지 확인하세요. 호출 사이에 프리픽스가 달라지면 매 요청이 전체 입력 요율로 과금되지만, 응답 자체로는 알 수 없습니다.
캐시에 적중한 입력은 별도의 낮은 요율로 과금되므로, 안정적인 시스템 프롬프트와 저장소 규칙, 도구 스키마는 긴 에이전트 루프에서도 저렴하게 유지됩니다. 캐시 쓰기 요금은 없습니다. 업스트림이 캐시 생성 토큰을 반환하지 않기 때문입니다.
연관된 코드, 명세, 에이전트 상태를 하나의 작업 컨텍스트에 담을 수 있습니다. 상한은 용량이지 목표가 아닙니다. 필요한 것만 검색하고, 프리픽스를 안정적으로 유지해 캐시에 적중시키며, 작업에 맞는 출력 예산을 설정하세요.
GLM-5.3은 GLM-5.2와 Flash보다 토큰당 비쌉니다. 그것은 각 모델이 실제로 출시할 만한 결과를 얼마나 자주 내놓는지와 함께 볼 때만 의미가 있습니다. 경로를 확정하기 전에 자신의 워크로드에서 일주일간 이 지표들을 추적하세요.
토큰당 40% 비싸지만 세 번 중 한 번의 재시도를 없애는 경로는 실제로 더 저렴합니다. 40% 비싸면서 아무것도 바꾸지 못하는 경로는 그저 더 비싼 기본값일 뿐입니다. 이 둘을 구분하는 유일한 방법은 같은 작업에서 둘 다 측정하는 것입니다.
GLM-5.3은 GLM-5.2보다 비쌉니다. 실제로 답해야 할 질문은 재시도와 사람 손질이 줄어든 만큼이 그 차액을 메우는지입니다. 먼저 측정하고 그다음 프로덕션 경로를 정하세요.
| 모델 | GLM-5.3 | GLM-5.2 | Kimi K3 |
|---|---|---|---|
| 입력 / 출력 | $1.4 / $4.4 | $1 / $3.5 | $3 / $15 |
| 컨텍스트 | 1M | 1M | 1.05M |
| 캐싱 | 캐시 읽기 | 캐시 읽기 | 자동 캐시 읽기 |
| 적합한 용도 | 저장소 규모의 코딩 에이전트, 긴 작업 체인, 도구 사용이 많은 워크플로, 그리고 입력 대부분을 캐시 읽기가 담당하는 프리픽스 안정형 에이전트 루프. | 이전 세대 GLM 플래그십으로 토큰 단가는 여전히 더 저렴합니다. 5.3에서 측정 가능한 이득이 없는 작업, 그리고 사고 비활성화에 의존하는 클라이언트는 계속 이 모델을 쓰세요. | Moonshot의 100만 컨텍스트 추론 모델. 장문 컨텍스트 코딩과 에이전트 작업에서 벤더 간 비교 기준으로 유용합니다. |
같은 API 키와 잔액으로, 연동을 바꾸지 않고 티어를 전환할 수 있습니다.
예. GLM-5.3은 프로덕션 모델로 제공되며, Chat Completions와 Anthropic Messages 모두에서 사용할 수 있습니다.
두 엔드포인트 모두 glm-5.3입니다. EvoLink의 모델명은 업스트림 이름과 정확히 일치합니다.
예. 같은 API 키로 클라이언트를 EvoLink로 향하게 하고 glm-5.3을 지정하세요. 모델명을 제외하면 요청이 바이트 단위로 그대로 전달되므로 프롬프트 캐시 프리픽스와 사고 서명이 보존됩니다.
불가능합니다. GLM-5.3은 항상 사고하며 thinking.type: "disabled"를 거부합니다. GLM-5.2에서 마이그레이션한다면 thinking.type: "enabled"와 reasoning_effort: "low" 조합으로 바꾸세요. 공식 대체 방안입니다.
기본값은 max입니다. 일상적인 수정, 분류, 지연에 민감한 호출에는 low를, 아키텍처 설계와 디버깅, 긴 작업 체인에는 high나 max를 쓰세요. 출력 토큰에 추론 토큰이 포함되므로 이 설정은 비용에 직접 영향을 줍니다.
GLM-5.3은 할인 없는 업스트림 요율이고 GLM-5.2는 프로모션 가격이라 입력이 약 40% 비쌉니다. 추가된 추론이 실제로 재시도를 줄이는 작업은 5.3으로, 그렇지 않으면 5.2나 GLM-5.3 Flash로 보내세요.
캐시 읽기에는 별도 요율이 있으며 새 입력의 약 5분의 1입니다. 업스트림이 캐시 생성 토큰을 반환하지 않아 쓰기 요금은 없습니다. 계속 적중시키려면 프롬프트 프리픽스를 바이트 단위로 안정적으로 유지하세요.
컨텍스트 1,000,000 토큰, 출력 최대 131,072 토큰이며 윈도우 전 구간이 단일 요금입니다. 장문 컨텍스트 구간 요금은 없습니다.
Flash는 약 9분의 1 가격이며 이미지·영상·파일 입력을 받습니다. 대량, 멀티모달, 정형 작업은 Flash로 시작하고, 더 깊은 추론이 필요하며 채택률이 차액을 정당화할 때 GLM-5.3으로 옮기세요.
아니요, GLM-5.3은 텍스트 전용입니다. 이미지·영상·파일 입력에는 GLM-5.3 Flash를 사용하세요.
코딩 에이전트와 긴 작업 체인에서 "채택된 작업 하나당 비용"으로 GLM-5.3을 평가하고, Claude와 GPT는 성능 상한 기준으로, Kimi K3는 벤더 간 장문 컨텍스트 비교 대상으로 삼으세요.
첫 시도 성공률, 채택된 결과물, 재시도, 출력에서 추론 토큰이 차지하는 비율, 캐시 적중률, 유효한 도구 호출, 채택 가능한 결과까지의 시간, 폴백 비율입니다.
