通过 EvoLink 统一对话 API 接入 Z.ai 的 GLM-5.3 Flash(也常被搜索为 GLM 5.3 Flash / Zhipu GLM-5.3 Flash)。集成前可先测试图像输入、长文档分析、多步 Agent。
5.3 这一代里原生支持多模态的成员：文本、图片、视频、文件都能输入，价格约为 GLM-5.3 的十分之一，同样是 100 万 Token 上下文、思考常开、工具调用与提示缓存。
GLM-5.3 Flash
智谱多模态大批量模型
glm-5.3-flash大批量分类与信息抽取、截图与文档理解、视频与文件分析，以及单价直接决定路由的常规 Agent 步骤。
所有费率按每百万 Token 计,同时显示美元与 Credits,以你账户当前的价格为准。
集成前先估算一次 GLM-5.3 Flash 请求的费用。计算器按你账户的当前费率计算,官方价格仅作对照。
官方价预估 $0.0003 · 省 $0.0001(9%)
最低计费:每次请求 0.01 Credits。
快速测试
日常开发
生产评估
5.3 这一代的走量档，接在 EvoLink 的统一 API 上：文本、图片、视频、文件都能输入，价格约为 GLM-5.3 的十分之一，上下文同样是 100 万 Token，同样思考常开、支持工具调用与提示缓存。
GLM-5.3 Flash 在 EvoLink 上以模型 ID glm-5.3-flash 提供,支持 Chat Completions · Responses · Anthropic Messages,和其他模型共用同一把 API 密钥与余额。它提供 1M 上下文窗口,最大输出 131K Token,并支持图像输入、长文档分析、多步 Agent。
数字取自 EvoLink 路由配置;能力以 API 当前实际提供为准。
Flash 保留了 5.3 这一代的平台特性，只改变了价格和输入模态。正是这个组合让它可以当默认值，而不只是当兜底。
一条消息可以同时带指令、若干张图片和一个文件，所以服务于同一个判断的材料能留在同一次调用里，而不必跨流水线拼接。
Flash 不是短上下文模型。完整的 100 万窗口按单一费率提供，没有长上下文阶梯价——这正是大批量文档处理在这个价位上可行的原因。
稳定的系统提示和工具定义在整个长循环里都按缓存读取价计费。在一个本来就便宜的模型上，这会把多跑一步的边际成本压到接近于零。
Flash 的定价就是为走量设计的，所以问题很少是"用不用得起"，而是"能不能过准确率门槛"。先用它跑，只把没过的升级上去，和旗舰之间的价差就开始为你干活了。
工单路由、打标签、结构化抽取、内容分拣——在这个价位上，整批重跑一遍的成本低于为了避免重跑而投入的工程时间。批量大小不再是约束。
把界面截图、扫描件、图表作为 image_url 块发过去，拿回结构化输出。这是 GLM-5.3 完全不具备的能力——旗舰是纯文本模型。
视频和文件是原生接收的，不需要走单独的转写流水线，所以一次请求就能带上混合材料，而不必拆成"先转写、再推理"两步。
总结工具返回、决定走哪个分支、重排输出格式——这些步骤占据了调用量的大头，但难度并不高。把旗舰留给推理深度真正决定结果的那些步骤。
Flash 不是"窗口更小的阉割版 5.3"——上下文、协议、缓存机制完全一致。真正不同的有两点，其中一点还需要你自己实测。
文本、图片、视频、文件都通过标准的 messages 结构传入。图片放在 image_url 块里，url 填公网地址（官方推荐）或 Base64 Data URL，一张图一个块。
输入和输出都正好是 GLM-5.3 的十分之一，缓存读取更便宜。这个差距大到足以改变一个工作流的形态，而不只是改变它的账单数字。
这里同样思考常开，同样拒绝 thinking.type: "disabled"。智谱另外建议 Flash 使用 clear_thinking: false，这个参数会原样透传，不做改写。
图片和视频会计入 prompt_tokens 并按输入价计费，但上游没有公布每张图的 Token 换算公式。请用有代表性的样本跑一遍、读返回的 usage，按实测值而不是估算值来规划批量规模。
产品后端与批量任务走 EvoLink API;编码与分析类工作可直接在 Codex、Claude、Gemini 里调用 GLM-5.3 Flash。两条路径共用同一把 EvoLink API 密钥、余额、模型 ID 与请求记录。
适合:产品后端、批量任务、自动化流水线
向 EvoLink 发送 OpenAI 兼容的 Chat Completions(或 Anthropic Messages)请求,自行控制模型 ID、系统提示、输出预算、工具与结构化输出。
适合:在 Codex、Claude、Gemini 里做编码、评审与分析
把任务、要带入的材料和验收标准交给 Agent,由它组装请求、通过 EvoLink 调用 GLM-5.3 Flash,并把回答连同 token 用量一起返回。
这个示例是最短可运行的请求:一条 OpenAI 兼容的 Chat Completions 调用,带系统提示、用户消息和输出预算。完整参数与响应说明见 API 标签页。
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-flash",
"messages": [
{ "role": "system", "content": "You extract structured data. Answer in JSON only." },
{ "role": "user", "content": [
{ "type": "text", "text": "List every line item on this receipt as JSON." },
{ "type": "image_url", "image_url": { "url": "https://example.com/receipt.jpg" } }
] }
],
"max_tokens": 1024,
"temperature": 0.1
}'
# Reasoning is always on for the 5.3 generation: do not send
# thinking.type "disabled". The same model ID works on /v1/messages
# (Anthropic Messages). The response includes choices[0].message and
# a usage object; image and video input is counted in prompt_tokens.对照 API 文档检查模型 ID、messages 数组和参数范围,去掉该路由不支持的字段。
检查 Authorization bearer token,并在控制台确认可用余额。
提示词 token 超过了 GLM-5.3 Flash 的上下文窗口。裁剪或只检索相关材料,并复用缓存前缀。
退避并带抖动重试;用批处理或队列代替并发突发。
重试前检查敏感内容、格式错误的 tool-call 参数和 JSON schema 不匹配。
其中两项是正确性检查，两项是成本检查。多媒体 Token 那一项是最多团队跳过、事后在大批量上后悔的一项。
Chat Completions 和 Anthropic Messages 用同一个 ID，与上游名称完全一致。
5.3 这一整代都会拒绝它。想要最省最快的路径，请用 thinking.type: "enabled" 配合 reasoning_effort: "low"。
发几张有代表性的图片或视频，从响应里读 prompt_tokens，自己算出每条的成本，再决定批量规模。
提前定义什么算 Flash 失败、失败后触发什么。没有规则的团队，要么什么都不升级、把错误直接发出去，要么什么都升级、把价格优势全丢掉。
命中缓存的输入走单独的低费率，稳定的系统提示和工具定义在长 Agent 循环里始终便宜。没有单独的缓存写入费用——上游不返回缓存创建 Token。
图片放在 messages[].content[] 里的 image_url 块，url 传公网地址（官方推荐）或 Base64 Data URL，多图就放多个块。多媒体内容会计入 prompt_tokens，按输入价计费——正式跑大批量之前，先用有代表性的样本实测一遍。
有用的比较不是"Flash 对某个基准测试"，而是"Flash 对 GLM-5.3，在你自己的任务上"。如果十次里有九次 Flash 和旗舰打平，那么"两个都用、只升级那一次"远比"十次都走旗舰"便宜。
给准确率差距定价，而不是假设它。一个成本只有十分之一的模型，只要大部分时候是对的，"先跑再升级"就能胜过把所有请求都发给旗舰——但"大部分时候"是个需要你在自己的任务上测出来的数字，不能从基准测试里继承。
Flash 是 5.3 这一代的走量档。先确认它能不能过你的准确率门槛；能过的话，和旗舰之间的价差大到足以改变所有常规任务的路由方式。
| 模型 | GLM-5.3 Flash | GLM-5.3 | DeepSeek V4 Flash |
|---|---|---|---|
| 输入 / 输出 | $0.106 / $0.371 | $1.059 / $3.706 | $0.398 / $1.192 |
| 上下文 | 1M | 1M | 1M |
| 缓存 | 缓存读取 | 缓存读取 | 缓存读取 |
| 最适合 | 大批量分类与信息抽取、截图与文档理解、视频与文件分析，以及单价直接决定路由的常规 Agent 步骤。 | 5.3 旗舰：纯文本，Flash 的价格只有它的十分之一。当 Flash 在困难推理上过不了准确率门槛时，它是正确的升级目标。 | DeepSeek 的走量模型，100 万上下文，缓存读取价极低。做大批量文本任务时，是最直接的成本对照。 |
同一把 API 密钥、同一份余额,换档位不用改接入。
可以。GLM-5.3 Flash 已是正式模型，Chat Completions 和 Anthropic Messages 两个端点都能用。
两个端点都用 glm-5.3-flash。EvoLink 的对外模型名与上游模型名完全一致。
文本、图片、视频和文件。这是它和 GLM-5.3 最主要的区别——GLM-5.3 是纯文本模型。
在 messages[].content[] 里放 image_url 块，url 填公网地址（官方推荐）或 Base64 Data URL。多张图片就放多个 image_url 块。
多媒体内容会计入 prompt_tokens，按输入价计费，没有单独的多媒体 SKU。上游没有公布图片的 Token 换算公式，所以正式跑大批量之前，请先用有代表性的样本跑一遍，看返回的 usage 实际是多少。
不能。5.3 这一整代都始终启用思考，会拒绝 thinking.type: "disabled"。想要最省最快的路径，请用 thinking.type: "enabled" 配合 reasoning_effort: "low"。
它控制多轮之间是否清除此前的思考内容。智谱对 Flash 的官方建议是 clear_thinking: false。这个参数会原样透传，EvoLink 不做改写。
输入和输出都是十分之一。这个差距通常大到足以支撑「先用 Flash 跑，只把没通过验收的请求升级到旗舰」这种做法。
缓存读取有独立费率，不到新输入的三分之一。没有缓存写入费用，因为上游不返回缓存创建 Token。想持续命中，就要保持提示前缀逐字节稳定。
上下文 1,000,000 Token，输出最多 131,072 Token，全程单一费率，没有长上下文阶梯价。
适合，它的定价就是为走量设计的。分类、抽取、常规 Agent 步骤、文档与截图理解都很合适。只在更深的推理确实能改变结果时，才升级到 GLM-5.3。
首次通过率、被采纳的产出、重试次数、推理 Token 占输出的比例、缓存命中率、每次请求的多媒体 Token 量、拿到可用结果的耗时，以及升级到 GLM-5.3 的比例。
