GLM-5.3-Flash API

Gọi GLM-5.3-Flash qua Wokey và xem bảng giá danh mục đã công bố, các dạng API gốc của upstream, ngữ cảnh và khả năng của mô hình.

ID mô hình
glm-5.3-flash
Nhà cung cấp
zhipu, volcengine, opencode, ollama
Trạng thái nguồn cung
Hiện có thể gọi

Ảnh chụp bảng giá danh mục

Giá tính cho mỗi 1 triệu token; việc quyết toán dựa trên giá tại thời điểm yêu cầu.

Hạng mục tính phíWokeyTham chiếu chính thứcTiết kiệm
Input$0.075$0.1550%
Output$0.25$0.550%
Cache read$0.015$0.0350%
Cache write———

Nguồn giá chính thức: https://docs.z.ai/guides/overview/pricing

Đo thực tế trên Wokey

28 ngày gần nhất (2026-10-13 đến 2026-11-09), cập nhật mỗi thứ Hai · Yêu cầu thực tế từ 100+ tài khoản

Thời gian đến token đầu tiên, prompt ngắn
2,3 giây (Trung vị · prompt dưới 8K token · p90 6,0 giây)
Thời gian đến token đầu tiên, prompt cỡ agent
4,3 giây (Trung vị · prompt 32K–128K token)
Tỷ lệ trúng cache prompt
94% (Tỷ lệ token đầu vào được đọc từ cache)

Client dùng nhiều nhất: DeepSeek Harness 55%, OpenCode 38%. Tỷ lệ trong các yêu cầu từ client nhận diện được; 55% yêu cầu nhận diện được client.

Cách đo

Thời gian đến token đầu tiên tính từ lúc gateway Wokey nhận yêu cầu đến nội dung stream đầu tiên (văn bản, tóm tắt suy luận hoặc từ chối). Con số này bao gồm thời gian xếp hàng, thử lại trên tài khoản khác và thời gian suy nghĩ của mô hình, nên dài hơn độ trễ token đầu tiên của chính upstream. Chỉ tính các yêu cầu streaming thành công, chia nhóm theo kích thước prompt (đầu vào cộng đọc và ghi cache).

Tỷ lệ trúng cache = token đọc từ cache ÷ token đầu vào trên các yêu cầu thành công. Tỷ lệ này phụ thuộc vào client và cách sử dụng; các trang tỷ lệ trúng cache phân tích chi tiết theo từng client.

Không tính tài khoản doanh nghiệp và tài khoản thử nghiệm của chính Wokey. Một mô hình được hiển thị khi có ít nhất 20 người dùng trong 28 ngày gần nhất và không người dùng nào gửi quá 50% số yêu cầu; các tài khoản đăng ký qua cùng một chuỗi giới thiệu được tính là một người dùng. Mỗi số liệu thời gian đến token đầu tiên cần ít nhất 500 yêu cầu.

Tỷ lệ trúng cache theo client

Khả năng của mô hình

Context
1,000,000 tokens
Đầu ra tối đa
131,072 tokens
Streaming
Được hỗ trợ
Tools
Được hỗ trợ
Vision
Được hỗ trợ
Các dạng API được hỗ trợ
/v1/chat/completions · /v1/messages

Gửi yêu cầu

/v1/chat/completions

curl https://api.wokey.ai/v1/chat/completions \
  -H "Authorization: Bearer $WOKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"glm-5.3-flash","messages":[{"role":"user","content":"Hello"}]}'

/v1/messages

curl https://api.wokey.ai/v1/messages \
  -H "x-api-key: $WOKEY_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "Content-Type: application/json" \
  -d '{"model":"glm-5.3-flash","max_tokens":1024,"messages":[{"role":"user","content":"Hello"}]}'

Dùng GLM-5.3-Flash trong công cụ của bạn

Gateway là https://api.wokey.ai (client tương thích OpenAI thường dùng https://api.wokey.ai/v1), và ID mô hình là glm-5.3-flash. Mở hướng dẫn cho client bạn đang dùng.

Câu hỏi thường gặp

Giá API GLM-5.3-Flash là bao nhiêu và tiết kiệm được bao nhiêu so với API chính thức?

Wokey niêm yết đầu vào $0.075 cho mỗi 1 triệu token và đầu ra $0.25 cho mỗi 1 triệu token; giá tham chiếu chính thức là $0.15 và $0.5. Tức là đầu vào thấp hơn 50% và đầu ra thấp hơn 50%. Việc quyết toán dựa trên giá tại thời điểm xử lý yêu cầu, và nguồn bảng giá của nhà cung cấp được liên kết trên trang này.

ID mô hình API của GLM-5.3-Flash là gì?

ID mô hình của GLM-5.3-Flash trên Wokey là glm-5.3-flash. Hãy dùng chính xác như vậy trong trường model của nội dung yêu cầu hoặc trong cài đặt mô hình của máy khách (ví dụ ANTHROPIC_MODEL trong Claude Code, hoặc model trong config.toml của Codex CLI); GET https://api.wokey.ai/v1/models cũng liệt kê ID này.

GLM-5.3-Flash hỗ trợ những dạng API nào và gọi qua Wokey như thế nào?

GLM-5.3-Flash hỗ trợ /v1/chat/completions (yêu cầu Chat Completions) và /v1/messages (yêu cầu Messages). Đặt base URL của API là https://api.wokey.ai, xác thực bằng khóa API Wokey và dùng ID mô hình chuẩn glm-5.3-flash; bạn có thể bắt đầu với /v1/chat/completions. Phần Gửi yêu cầu có ví dụ curl cho từng dạng API được hỗ trợ.

Làm sao để dùng GLM-5.3-Flash trong Claude Code?

Claude Code gọi GLM-5.3-Flash qua /v1/messages. Đặt ANTHROPIC_BASE_URL="https://api.wokey.ai", đặt ANTHROPIC_AUTH_TOKEN là khóa API Wokey của bạn và ANTHROPIC_MODEL="glm-5.3-flash", rồi khởi động claude. Claude Desktop cũng dùng /v1/messages; hướng dẫn thiết lập trình bày từng bước cho cả hai.

Cửa sổ ngữ cảnh và đầu ra tối đa của GLM-5.3-Flash là bao nhiêu?

Cửa sổ ngữ cảnh theo danh mục là 1,000,000 token và đầu ra tối đa là 131,072 token. Đây là hai giới hạn riêng biệt, và mỗi yêu cầu cũng phải đáp ứng các ràng buộc upstream có hiệu lực tại thời điểm xử lý.

Đọc cache và ghi cache của GLM-5.3-Flash được tính giá như thế nào?

Đọc cache: Wokey niêm yết $0.015 cho mỗi 1 triệu token và giá tham chiếu chính thức là $0.03 cho mỗi 1 triệu token. Ghi cache: nhà cung cấp không công bố mục tính phí riêng, nên Wokey cũng hiển thị — làm giá công khai.

Gọi GLM-5.3-Flash qua Wokey khác gì so với OpenRouter?

Wokey niêm yết GLM-5.3-Flash ở mức $0.075 đầu vào / $0.25 đầu ra cho mỗi 1 triệu token, so với giá tham chiếu chính thức $0.15 / $0.5. OpenRouter cho biết họ không cộng thêm phí trên suy luận và thu phí khi bạn mua tín dụng (5.5% khi trả bằng thẻ). Wokey cung cấp một danh sách mô hình được chọn lọc và không có tham số định tuyến theo từng nhà cung cấp, nên OpenRouter phù hợp hơn nếu bạn cần danh mục rộng hơn. Trang thay thế OpenRouter có so sánh đầy đủ.

GLM-5.3-Flash và GLM-5.3 khác nhau thế nào về giá và ngữ cảnh?

Trong bảng so sánh giá đã công bố, GLM-5.3-Flash niêm yết đầu vào/đầu ra ở mức $0.075 / $0.25 với cửa sổ ngữ cảnh 1,000,000 token; GLM-5.3 niêm yết $0.21 / $0.66 với cửa sổ ngữ cảnh 1,000,000 token. Đây là so sánh thực tế về giá và dung lượng, không phải xếp hạng chất lượng; hãy so sánh thêm các dạng API và khả năng được hỗ trợ.

GLM-5.3-Flash trên Wokey nhanh đến mức nào?

Đo trên các yêu cầu thực tế qua gateway Wokey từ 2026-10-13 đến 2026-11-09: thời gian đến token đầu tiên trung vị là 2,3 giây với prompt dưới 8K token (p90 6,0 giây) và 4,3 giây với prompt agent 32K–128K token. Có 94% token đầu vào được đọc từ cache prompt. Các client được dùng nhiều nhất là DeepSeek Harness và OpenCode. Thời gian tính từ lúc gateway nhận yêu cầu, bao gồm xếp hàng, thử lại và thời gian suy nghĩ.

Mô hình và tài liệu liên quan

Lấy khóa API · glm-5.3-flash