APIMaster Blog

GLM-5.3-FlashX: що це таке, як швидко він працює та скільки коштує

GLM-5.3-FlashX — це високошвидкісний рівень обслуговування GLM-5.3-Flash від Zhipu, запущений 18 вересня 2026 року зі швидкістю до 200 токенів/с. Ось підтверджений ID моделі, ціни, вікно контексту, бенчмарки та способи виклику.

GLM-5.3-FlashXGLM-5.3-FlashGLM APIZ.aiZhipuinference speedAI pricingAPIMaster

Published 2026-09-18

Quick Answer

GLM-5.3-FlashX — це високошвидкісний рівень обслуговування GLM-5.3-Flash від Zhipu, випущений 18 вересня 2026 року з опублікованою піковою швидкістю інференсу 200 токенів/с. Це не нова модель: це та сама система GLM-5.3-Flash — 320B загальних параметрів з 18B активованих, вікно контексту на 1M токенів, до 128 000 вихідних токенів і нативний ввід зображень, відео, файлів та тексту — що обслуговується через швидшу конфігурацію інференсу.

ID моделі API — glm-5.3-flashx, і він стоїть поруч із glm-5.3-flash. Компроміс прямолінійний: FlashX коштує більше за токен, ніж Flash (Zhipu вказує $0.37 за ввід / $1.25 за вивід за 1M токенів проти $0.15 / $0.50 для Flash) і повертає швидші відповіді. Flash також є рівнем із відкритими вагами та тим, що входить до GLM Coding Plan, де Flash отримує 3× квоту GLM-5.3.

Якщо вам потрібна пропускна здатність, інтерактивна затримка або агентний цикл, що виконує багато коротких ходів, FlashX — це рівень, призначений для цього. Якщо ви оптимізуєте вартість за завершене завдання і можете зачекати, Flash дешевший для ідентичної роботи.

Що таке GLM-5.3-FlashX?

GLM-5.3-FlashX — це оптимізована за швидкістю кінцева точка сімейства GLM-5.3-Flash. Zhipu анонсувала його 18 вересня 2026 року, описавши як швидший і плавніший для підприємств і розробників, з API та офіційним центром досвіду, відкритими на момент запуску.

Варто розділяти дві речі:

Модель — GLM-5.3-Flash, нативна мультимодальна модель 320B-A18B, яку Zhipu відкрила 26 серпня 2026 року. Архітектура, ваги, довжина контексту та можливості спільні.
Рівень обслуговування — FlashX, конфігурація інференсу, налаштована на пропускну здатність. Zhipu повідомляє про швидкість до 200 токенів/с і приписує приріст інфраструктурній роботі, а не іншому чекпойнту.

Це розрізнення важливе під час оцінювання. Бенчмарки, обмеження контексту та мультимодальна поведінка, описані для GLM-5.3-Flash, застосовуються до FlashX, оскільки це та сама модель. Затримка та ціна — ні: вони змінюються залежно від рівня обслуговування.

Специфікації моделі з першого погляду

Специфікація	GLM-5.3-FlashX
ID моделі API	`glm-5.3-flashx`
ID сусідньої моделі	`glm-5.3-flash`
Випущено	18 вересня 2026 року
Загальні / активовані параметри	320B / 18B
Шари	45
Вікно контексту	1M токенів
Максимум вихідних токенів	128K
Модальності вводу	Відео, зображення, текст, файл
Модальність виводу	Текст
Опублікована пікова швидкість	200 токенів/с
Режим мислення	Лише `thinking.type: enabled`; його не можна вимкнути
Ключові функції API	Стрімінг, виклик функцій, кешування контексту, структурований вивід, стрімінг інструментів

Zhipu рекомендує temperature: 1, top_p: 0.95 та reasoning_effort: max. Для багатоходової роботи вона рекомендує зберігати історію мислення, а не очищати її (clear_thinking: false), а для стрімінгових запитів — увімкнути як stream: true, так і tool_stream: true.

GLM-5.3-FlashX проти GLM-5.3-Flash

Вимір	GLM-5.3-Flash	GLM-5.3-FlashX
Базова модель	GLM-5.3-Flash	GLM-5.3-Flash
Опублікована пікова швидкість	Стандартний рівень	До 200 токенів/с
Прайс-лист за ввід / 1M	$0.15	$0.37
Прайс-лист за вивід / 1M	$0.50	$1.25
Обмеження контексту та виводу	1M / 128K	1M / 128K
Мультимодальний ввід	Так	Так
Відкриті ваги	Так, з 26 серпня 2026 року	Та сама базова модель
GLM Coding Plan	Включено, з 3× квотою GLM-5.3	Не включено на момент запуску

Формат запиту ідентичний. Перехід з одного рівня на інший — це зміна поля model, а не переписування вашої інтеграції — що робить FlashX розумним кандидатом для A/B-тестування робочих навантажень, де час на хід є вузьким місцем.

Що «200 токенів/с» говорить і не говорить вам

Zhipu публікує 200 токенів/с як максимум. Сприймайте це як стелю швидкості генерації, а не як обіцянку щодо вашого робочого навантаження:

Це піковий показник. Реальна пропускна здатність залежить від довжини промпту, влучань у кеш, паралелізму та обраного провайдера.
Це не час до першого токена. Швидка швидкість декодування все одно відчувається повільною, якщо модель думає кілька секунд, перш ніж щось видати. Для інтерактивних продуктів вимірюйте обидва показники.
Це не загальна затримка завдання. Хід агента, який викликає три інструменти, обмежений виконанням інструментів, а не швидкістю токенів.
Довгий контекст змінює картину. На 1M токенів домінують префіл і поведінка KV-кешу. Саме на це націлена архітектура Flash.

Практичне правило: тестуйте Flash і FlashX на власних промптах і порівнюйте час до першого токена, вихідні токени за секунду та вартість за завершене завдання, а не одне число швидкості.

Звідки береться швидкість

Zhipu приписує прискорення FlashX інфраструктурним інвестиціям, а не новій архітектурі, побудованим на основі 100 000 вітчизняних AI-прискорювачів, які вже обслуговують трафік GLM-5.3-Flash.

Виділений рушій інференсу на SGLang, написаний для цієї архітектури, а не адаптований із загального стеку.
Оптимізація пам'яті для контекстів на 1M токенів, включаючи ReplaySSM, квантизацію W8A8, гібридну квантизацію кешу INT8/FP8/BF16 та Layer Split.
Розділена архітектура обслуговування Encode–Prefill–Decode (EPD), яка відокремлює мультимодальне кодування, префіл промпту та по-токенне декодування в незалежно керовані пули воркерів, тож кожен етап масштабується самостійно.
3× покращення наскрізного обслуговування порівняно з початковим базовим рівнем на тому самому обладнанні, що, за словами Zhipu, доводить вартість за токен до рівня, порівнянного з мейнстрімними GPU NVIDIA.

Одна деталь із цієї роботи варта окремої уваги: Zhipu каже, що інфраструктурний агент на базі GLM-5.3 допоміг інженерам оптимізувати ядра, діагностувати вузькі місця та покращити стек обслуговування — модель бере участь у системі, яка її обслуговує.

Бенчмарки: що Zhipu повідомляє для базової моделі

Усі наведені нижче числа опубліковані Zhipu для GLM-5.3-Flash і застосовуються до FlashX, оскільки модель та сама. Це результати, про які повідомляє постачальник, а не незалежні відтворення.

Бенчмарк	GLM-5.3-Flash	GLM-5.2
DeepSWE v1.1	63.4	46.2
AutomationBench	48.8	26.2
Z.ai Code Bench v1.0, максимальні зусилля	29.0	Claude Opus 4.8: 29.5

Zhipu також повідомляє, що GLM-5.3-Flash набирає 57 в Artificial Analysis Intelligence Index v4.1.1 за $0.045 за завдання за її дисконтною ціною — рівень, який, за її словами, раніше був доступний лише приблизно за 10× вартості — і що його продуктивність у кодуванні порівнянна з Claude Opus 4.8 на внутрішньому Z.ai Code Bench компанії.

Сприймайте це як напрямок, а не гарантію. Бенчмарки постачальників зазвичай запускаються на сприятливих для постачальника версіях харнесу; рядок Z.ai Code Bench вище був виміряний на Claude Code 2.1.207. Повторно проведіть власне оцінювання, перш ніж переводити продакшн-трафік.

Архітектура: чому рівень Flash дешевий в експлуатації

FlashX успадковує дизайн, який зробив Flash недорогим в обслуговуванні, і саме тому швидший рівень може існувати без стрибка ціни до рівня флагмана.

Гібридна розріджена та лінійна увага. Zhipu описує це як першу відкриту фронтирну модель, що поєднує обидві. Лінійна увага вловлює локальні залежності через моделювання стану; розріджена увага витягує релевантний глобальний контекст через легкий індексатор.
IndexPool. Чотири ключові вектори індексатора стискаються в один зваженим пулінгом, скорочуючи затримку та накладні витрати пам'яті індексатора на контексті 1M токенів.
Manifold-Constrained Hyper-Connections (mHC) для кращої ефективності масштабування.
Нижча вартість за токен, ніж GLM-5.3. Zhipu повідомляє про 3.01× менше обчислень уваги та 4.44× менший KV-кеш, ніж GLM-5.3. Порівняно з GLM-5.3 кількість активованих параметрів падає з 32B до 18B, а шарів — з 92 до 45.
Мультимодальний корпус попереднього навчання на 30 трильйонів токенів.

Zhipu відверто визнає, що KV-кеш все ще трохи більший, ніж у Kimi-K3 та DeepSeek-V4-Flash, і називає це напрямком для майбутньої роботи — корисне нагадування, що порівняння архітектур ведуться за вимірами, а не за єдиним рейтингом.

Ox-Alpha: анонімна модель, що тестувалася публічно

Перед запуском Flash Zhipu запустила GLM-5.3-Flash анонімно як Ox-Alpha на OpenCode та OpenRouter. За словами Zhipu, вона стала найпопулярнішою моделлю тижня та встановила рекорди використання на обох платформах, причому весь цей трафік обслуговувався на китайських AI-чіпах.

Для розробників цікава не позиція в рейтингу, а метод валідації: реальний трафік, реальні агенти кодування, невідома назва моделі та жодного впливу бренду. Це сильніший сигнал, ніж таблиця бенчмарків, хоча все ще контрольований постачальником запуск без опублікованої методології.

Нативна мультимодальність і візуальне кодування

GLM-5.3-Flash — перша модель серії GLM-5, побудована як мультимодальна від початку, і FlashX це зберігає. Зображення передаються як блок вмісту з type: image_url всередині messages[].content[], використовуючи або URL, або Base64 data URL, і кілька блоків можна поєднати в одному повідомленні. Ввід відео та файлів задокументовано поряд із зображеннями та текстом.

Можливість, яка найбільше важлива на практиці, — це візуальне кодування: модель оглядає відрендерений інтерфейс, порівнює його з цільовим і ітерує. Zhipu документує робочі процеси для відтворення застосунку зі скриншотів або записів, побудови сцен Blender, створення прототипів ігор Godot, запуску браузерних агентів і агентів комп'ютерного використання та відтворення CAD-деталей — кожен із перевіркою моделлю власного відрендереного виводу, а не лише генерацією коду.

Той самий цикл поширюється на роботу з документами. Zhipu демонструє результати у PPTX, PDF, DOCX та XLSX, фінансові дослідження з відстежуваними джерелами, перевірку контрактів із відстежуваними анотаціями та юридичне складання документів, де модель рендерить і візуально перевіряє власний вивід на переповнення, невирівняність і неузгоджене стилізування.

Один приклад від Zhipu особливо конкретний: без зовнішніх ресурсів GLM-5.3-Flash працювала автономно 16 годин, щоб побудувати як сцену Blender резиденцію шеф-кухаря та тестову кухню площею приблизно 400 м².

Ціни: скільки коштує FlashX

Офіційні прайс-листи за 1M токенів, зі сторінок цін Zhipu (перевірено 18 вересня 2026 року):

Тип токенів	GLM-5.3-FlashX	GLM-5.3-Flash	GLM-5.3
Ввід (USD)	$0.37	$0.15	$1.40
Кешований ввід (USD)	$0.075	$0.03	$0.26
Вивід (USD)	$1.25	$0.50	$4.40

Зберігання кешованого вводу вказано як безкоштовне на обмежений час для всіх трьох рівнів.

Приклад вартості. Для 10M некешованих вхідних токенів і 1M вихідних токенів прайс-листи дають:

Робоче навантаження	GLM-5.3-FlashX	GLM-5.3-Flash	GLM-5.3
10M ввід + 1M вивід	$4.95	$2.00	$18.40
Той самий обсяг, весь ввід з кешу	$2.00	$0.80	$6.60

FlashX приблизно 2.5× Flash за вводом і виводом, і все ще значно нижче GLM-5.3. Чи варто це, повністю залежить від того, скільки вам коштує повільний хід — для пакетного конвеєра це рідко так, а для інтерактивного агента часто так.

Як викликати GLM-5.3-FlashX

FlashX використовує той самий інтерфейс chat-completions, що й Flash, тож міграція — це зміна одного рядка.

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_APIMASTER_KEY",
    base_url="https://apimaster.ai/v1",
)

response = client.chat.completions.create(
    model="glm-5.3-flashx",
    messages=[
        {
            "role": "user",
            "content": "Refactor this module for testability and show the diff.",
        }
    ],
    temperature=1,
    top_p=0.95,
    extra_body={
        "reasoning_effort": "max",
        "thinking": {"type": "enabled", "clear_thinking": False},
    },
)

print(response.choices[0].message.content)

Для стрімінгу додайте stream: true та tool_stream: true, як рекомендує Zhipu. Зверніть увагу, що мислення не можна вимкнути в цій моделі, тож закладайте токени міркування у свою оцінку вартості та в тайм-аути клієнта.

Практичний шлях міграції: тримайте ID моделі конфігурованим, надішліть репрезентативний зріз продакшн-трафіку як до glm-5.3-flash, так і до glm-5.3-flashx, і порівняйте частку завершень, час до першого токена та вартість за завершене завдання, перш ніж переводити робоче навантаження.

Вибір між FlashX, Flash і GLM-5.3

Обирайте FlashX для інтерактивних продуктів, доповнень у IDE та агентних циклів із багатьма короткими ходами, де обмеженням є реальний час на хід, а робоче навантаження все ще відповідає можливостям класу Flash.
Обирайте Flash для пакетної обробки, офлайн-генерації та високооб'ємних конвеєрів, де вартість за завдання важливіша за затримку — а також для розгортань із відкритими вагами або самостійним хостингом, оскільки Flash — це рівень з опублікованими вагами.
Обирайте GLM-5.3, коли вам потрібна стеля флагмана, а не профіль витрат рівня Flash.
Не припускайте, що приріст швидкості застосовується рівномірно. Запити з важким префілом і довгим контекстом та ходи агента, обмежені інструментами, можуть отримати значно менше переваг, ніж короткі завдання генерації. Вимірюйте робоче навантаження, яке ви насправді запускаєте.

Почніть роботу з сімейством GLM на APIMaster.ai

APIMaster дає вам один сумісний з OpenAI ключ для сімейства GLM поряд із Claude, GPT, DeepSeek, Qwen, Gemini, Kimi та іншими моделями — з оплатою за використанням від $1 та до 70% знижки від офіційних тарифів на окремих маршрутах.

Оскільки FlashX зберігає той самий формат запиту, що й Flash, команди, які вже викликають GLM через APIMaster, можуть оцінити швидший рівень, не змінюючи свою інтеграцію, крім ID моделі.

Створіть акаунт APIMaster.
Додайте кредит з оплатою за використанням, починаючи від $1.
Створіть API-ключ у консолі APIMaster.
Спрямуйте свій сумісний з OpenAI клієнт на https://apimaster.ai/v1 і встановіть ID моделі, яку хочете оцінити.

Зареєструватися в APIMaster · Дослідити маркетплейс моделей · Перевірити ідентичність моделі

FAQ

Чи GLM-5.3-FlashX — це нова модель? Ні. Це високошвидкісний рівень обслуговування GLM-5.3-Flash. Та сама модель, те саме вікно контексту, той самий мультимодальний ввід — швидша конфігурація інференсу та інша ціна.

Який ID моделі GLM-5.3-FlashX? glm-5.3-flashx. Стандартний рівень — glm-5.3-flash.

Наскільки швидкий GLM-5.3-FlashX? Zhipu публікує максимум 200 токенів/с. Це піковий показник; вимірюйте час до першого токена та стійку пропускну здатність на власних промптах.

Скільки коштує GLM-5.3-FlashX? Zhipu вказує $0.37 за 1M вхідних токенів, $1.25 за 1M вихідних токенів і $0.075 за 1M кешованих вхідних токенів — приблизно 2.5× ціни GLM-5.3-Flash за вводом і виводом.

Яке вікно контексту? 1M токенів, з до 128 000 вихідних токенів, те саме, що й у GLM-5.3-Flash.

Чи може GLM-5.3-FlashX приймати зображення та відео? Так. Він приймає ввід відео, зображень, тексту та файлів і повертає текст. Зображення надсилаються як блок вмісту image_url, за URL або Base64 data URL.

Чи GLM-5.3-FlashX входить до GLM Coding Plan? Не на момент запуску. GLM-5.3-Flash повністю доступний у плані з 3× квотою GLM-5.3, а виклики в непіковий час, включаючи всі вихідні, споживають 50% стандартних балів.

Чи можу я вимкнути мислення, щоб заощадити токени? Ні. thinking.type підтримує лише enabled. Zhipu рекомендує зберігати історію мислення (clear_thinking: false) для багатоходової роботи.

Чи числа бенчмарків незалежні? Ні. Вони опубліковані Zhipu. Сприймайте їх як орієнтовні та повторно проведіть власне оцінювання, перш ніж спрямовувати продакшн-трафік.

Джерела та додаткове читання

Z.ai — документація моделей GLM-5.3-Flash/FlashX — ID моделей, параметри, можливості, рекомендовані налаштування, бенчмарки та деталі обслуговування
Z.ai — Ціни — офіційні прайс-листи за 1M токенів
Z.ai — технічний блог GLM-5.3-Flash — архітектура, порівняння ефективності та таблиці оцінювання
Hugging Face — zai-org/GLM-5.3-Flash — відкриті ваги для базової моделі
PANews — Zhipu запускає GLM-5.3-FlashX — звіт про запуск і передісторія Ox-Alpha

Усі джерела перевірено 18 вересня 2026 року. Ціни та доступність змінюються; перевіряйте поточні умови, перш ніж братися за велике робоче навантаження.

Back to Blog