唯元智创上线 GLM-5.3-Flash：320B MoE + 原生多模态，输入 ¥0.8/M 起

我们很高兴地宣布：智谱 GLM-5.3-Flash 已正式接入唯元智创平台，即日起所有用户可通过统一 API 调用。GLM-5.3-Flash 是 GLM-5 系列首个原生多模态模型，支持图像、视频与文件输入，同时保持 GLM-5.3 的 1M 超长上下文能力，API 定价与智谱官方完全对齐。

模型概览

GLM-5.3-Flash 于 2026 年 8 月 26 日由智谱正式发布，采用稀疏注意力与线性注意力混合架构，以更低成本提供超越 GLM-5.2 的智能水平。

项目	规格
模型全称	GLM-5.3-Flash
总参数量	320B（MoE 混合专家）
激活参数	18B
上下文窗口	1,000,000 tokens
最大输出长度	128K tokens
输入模态	文本、图像、视频、文件
输出模态	文本
思考模式	默认开启，不可关闭；支持 reasoning_effort
开放权重	✅ MIT 协议（Hugging Face: zai-org/GLM-5.3-Flash）

核心亮点

1. 原生多模态：图像、视频、文件统一输入

GLM-5.3-Flash 是 GLM-5 系列首个原生多模态版本，支持：

• 图像理解：截图分析、图表解读、OCR 增强
• 视频理解：长视频摘要、关键帧提取、动作识别
• 文件解析：PDF、Word、Excel 等文档直接输入

所有模态共享同一套 OpenAI 兼容接口，无需额外转换。

2. 1M 超长上下文 + 混合注意力架构

GLM-5.3-Flash 采用稀疏注意力（Sparse Attention）与线性注意力（Linear Attention）混合架构，在 1M 上下文场景下：

• 长上下文算力消耗约为 GLM-5.3 的 1/3
• KV 缓存占用降至 1/4 以下
• 支持 128K tokens 最大输出

这使得整本长篇小说、完整代码仓库、多文档合并分析等场景在长上下文下依然可用且成本可控。

3. 思考模式默认开启，能力全面超越 GLM-5.2

GLM-5.3-Flash 的 thinking 模式默认开启且不可关闭，通过 reasoning_effort 调节推理深度：

档位	适用场景	延迟特点
low	简单问答、格式转换	接近无思考，快速直出
high	复杂推理、Agent 决策	完整思维链，延迟较高
max	竞赛级代码、深度分析	最长思考预算，最高准确率

官方公布的 DeepSWE v1.1 基准中，GLM-5.3-Flash 通过率 63.4%，较 GLM-5.2 的 46.2% 提升显著，逼近 Claude Opus 4.8 水平。

API 定价（对齐智谱官方）

唯元智创平台 GLM-5.3-Flash 定价与智谱官方完全对齐，按量计费，随用随付：

计费项	价格（¥/百万 tokens）
输入	0.8
输出	2.8
输入（缓存命中）	0.23

缓存命中场景输入仅 ¥0.23/百万 tokens，对于知识库问答、固定模板生成等重复上下文场景，成本近乎可以忽略。

快速开始

通过唯元智创的 OpenAI 兼容协议，一行代码即可调用：

from openai import OpenAI

client = OpenAI(
    api_key="sk-your-api-key",
    base_url="https://api.weimeta.cn/v1"
)

# 文本模式：快速直出
response = client.chat.completions.create(
    model="glm-5.3-flash",
    messages=[
        {"role": "system", "content": "你是专业助手，回答简洁准确"},
        {"role": "user", "content": "总结这份技术文档的核心要点"}
    ],
    temperature=0.7,
    max_tokens=8192
)
print(response.choices[0].message.content)

多模态输入（图像 + 文本）：

# 图像理解：传入图片 URL 或 Base64
response = client.chat.completions.create(
    model="glm-5.3-flash",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "分析这张架构图的核心组件"},
                {"type": "image_url", "image_url": {"url": "https://example.com/arch.png"}}
            ]
        }
    ],
    max_tokens=16384
)
print(response.choices[0].message.content)

调节推理强度：

# 低推理开销：简单任务快速响应
response = client.chat.completions.create(
    model="glm-5.3-flash",
    messages=[{"role": "user", "content": "把这段话翻译成英文"}],
    extra_body={"reasoning_effort": "low"}
)

# 高推理强度：复杂 Agent 任务
response = client.chat.completions.create(
    model="glm-5.3-flash",
    messages=[{"role": "user", "content": "分析这个项目的架构并设计重构方案"}],
    extra_body={"reasoning_effort": "high"}
)

与 GLM-5.3 的选型建议

场景	推荐模型	理由
纯文本高频任务（摘要、分类、问答）	GLM-5.3-Flash	价格仅为 GLM-5.3 的 1/10，能力足够
图像/视频/文件输入	GLM-5.3-Flash	GLM-5.3 为纯文本模型，不支持多模态
复杂软件工程、长程 Agent	GLM-5.3	旗舰级推理深度，DeepSWE 分数更高
预算敏感型批量任务	GLM-5.3-Flash	输入 ¥0.8、输出 ¥2.8，相比旗舰版更具性价比

下一步

我们将持续接入更多顶尖模型。GLM-5.3（纯文本旗舰版）已同步上线，与 GLM-5.3-Flash 共享同一 API Key，欢迎体验。

如有任何问题或模型接入需求，欢迎通过官网 weimeta.cn 联系我们的技术团队。