对话
GLM-5.3 Flash
⧉glm-5.3-flash
GLM-5.3 Flash 是 GLM-5.3 家族的轻量版，单价更低，适合大批量、较简单的对话与文本处理任务。与 GLM-5.3 一样始终先思考再作答（思考过程在 reasoning_content 返回），支持工具调用与流式输出。完全兼容 OpenAI 接口，把 model 改成 glm-5.3-flash 即可接入。按量计费、失败不计费。
在线测试
直接试一下 GLM-5.3 Flash 的效果（登录后可用）。
Input
高级设置
联网搜索
记忆 · 多轮上下文
对话
开始对话在下方输入消息开始
关于 GLM-5.3 Flash
GLM-5.3 Flash 是智谱（Z.ai）GLM-5.3 家族的轻量版，在 NezhaGate 以 OpenAI 兼容接口提供。它单价更低，适合大批量、较简单的对话与文本处理；与 GLM-5.3 一样始终先思考再作答，思考过程在 message.reasoning_content 返回，正文在 content。支持工具调用与流式输出。把 model 改成 glm-5.3-flash 即可接入，按量计费、失败不计费。
应用场景
大批量文本处理
分类、打标签、信息抽取与格式整理，单价低，适合规模化跑批。
摘要与改写
长文摘要、润色、改写与翻译，成本可控。
轻量客服与问答
常见问题回复、意图识别等高频、简单的对话场景。
Agent 里的简单步骤
在 Agent 流程中承担判断、路由、格式转换等简单步骤，把 GLM-5.3 留给难题。
如何选择
任务简单、量大、看重成本时选 GLM-5.3 Flash；需要更强的编码、Agent 与推理能力时换 GLM-5.3。两者同属 GLM-5.3 家族，切换只改 model 字段。
常见问题
和 GLM-5.3 有什么区别？
Flash 是轻量版，单价更低，适合大批量、较简单的任务；GLM-5.3 是旗舰版，编码、Agent 与复杂推理更强。两者接入方式完全相同。
能关闭思考吗？
不能。GLM-5.3 Flash 始终先思考再作答，思考 token 按输出价计入 usage.completion_tokens。想要更短的回答，可以在提示词里要求简洁。
max_tokens 设得很小会怎样？
思考 token 也计入输出。上游对小于 1024 的 max_tokens 会按 1024 执行；若预算被思考用完，content 可能为空、finish_reason 为 length，按 usage 里的实际 token 计费。建议 max_tokens 至少留 1024 以上。
支持工具调用和流式输出吗？
都支持。tools / tool_calls 使用 OpenAI 格式；stream=true 时以 SSE 分块返回，思考内容在 delta.reasoning_content。
失败的调用会扣费吗？
不会。只有正常返回的调用才按实际用量结算，上游报错与超时不会动你的余额。
相关模型
探索其它可接入的模型。
GLM-5.3
glm-5.3
智谱新一代旗舰 · 编码与 Agent
$0.34/1M 输入 · $1.25/1M 输出 ↓73%
查看 →
DeepSeek V4.1 Flash
deepseek-v4.1-flash
DeepSeek 当前主力 Flash 模型 · 思考可开关
$0.09/1M 输入 · $0.36/1M 输出 ↓40%
查看 →
DeepSeek V4 Flash 0731
deepseek-v4-flash-0731
V4 Flash 固定快照 · 版本稳定
$0.04/1M 输入 · $0.18/1M 输出 ↓70%
查看 →
Gemini 3.6 Flash
gemini-3.6-flash
新一代高速思考模型 · 四档思考预算
$0.60/1M 输入 · $3.60/1M 输出
查看 →
GPT-6 Luna
gpt-6-luna
GPT-6 家族最高效的大批量款
$0.07/1M 输入 · $0.40/1M 输出 ↓22%
查看 →
