Alex GetmanAI-യുടെ ആദ്യ സൂചനകൾ
ML

GLM-5.3 Flash

Z.ai

റിലീസ് ചെയ്തു പുതുക്കിയത്
കോൺടെക്സ്റ്റ് വിൻഡോ
1M
10,48,576 ടോക്കണുകൾ
പരമാവധി ഔട്ട്‌പുട്ട്
131K
1,31,072 ടോക്കണുകൾ
ഇൻപുട്ട് / ഔട്ട്‌പുട്ട്
ഫയൽ, ചിത്രം, ടെക്സ്റ്റ്, വീഡിയോ → ടെക്സ്റ്റ്

API നിരക്കുകൾ

USD / 10 ലക്ഷം ടോക്കണുകൾ

ഇൻപുട്ട്ഔട്ട്‌പുട്ട്കാഷിൽ സൂക്ഷിച്ച ഇൻപുട്ട്
  • $0.15
zai-pricing
  • $0.50
zai-pricing
  • $0.03
zai-pricing
നിങ്ങളുടെ ഉപയോഗച്ചെലവ് കണക്കാക്കുക

കാലക്രമം

  1. · വെയ്റ്റുകളുടെ പതിപ്പ് · തെളിവിന്റെ ലിങ്ക്
ഇൻപുട്ട് / ഔട്ട്‌പുട്ട് വില · USD / 10 ലക്ഷം ടോക്കണുകൾ
മോഡൽതെളിവുകളുടെ ലിങ്കുകൾഇൻപുട്ട് / ഔട്ട്‌പുട്ട് വില
glm-5.3-flash
standard · ടെക്സ്റ്റ്
opencode-go$0.15 / $0.50
glm-5.3-flash
standard
zai-pricing
API റൂട്ട് ലഭ്യമല്ല
$0.15 / $0.50
  1. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · commits · zlxlabs/ci-infra-canary · @unknown
    ഉദ്ധരണി
    Agent-Model: glm-5.3-flash Agent-Effort: high
  2. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · commits · unixmonks/gpu · @unixmonks
  3. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · commits · sgl-project/sglang-torchtpu · @Lumosis
  4. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · commits · renj-arch/dimsred · @github-actions[bot]
  5. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · commits · raidenyn/veles-android · @raidenyn-shadow
    ഉദ്ധരണി
    the B5/v4 implementation and all integrations by actual ollama-cloud/glm-5.3-flash sessions (opencode-db safe metadata in package1-b5-v2-20261028/provenance/finish-phase-model-metadata.json); the earlier reviews were actually GPT (openai/gpt-5.6-sol high: windows-strict 520c2edd…,
  6. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · commits · psyb0t/peen · @psyb0t
  7. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · commits · phuchello2811-web/GLM · @doanbaphu
  8. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · commits · opencrabs/opencrabs · @adolfousier
  9. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · commits · nsbradley88/talus-public · @nsbradley88
  10. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · commits · metaviews/jessehirsh.com · @metaviews
    ഉദ്ധരണി
    z-ai/glm-5.3-flash as fallback, and a 404 'no provider serves this model'
  11. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · commits · leshicorn/email-bot · @unknown
  12. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · commits · juliolv/portfolio · @juliolv
    ഉദ്ധരണി
    build (deepseek-v4.1-flash) -> audit (qwen3.8-flash) -> review (glm-5.3-flash as mandated) -> design (gpt-6-luna). The auditor is a different model family
  13. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · commits · isotope13-dev/traits-dev · @unknown
    ഉദ്ധരണി
    Model: opencode:zai-coding-plan/glm-5.3-flash@high
  14. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · commits · isotope13-dev/traits-dev · @unknown
    ഉദ്ധരണി
    Model: opencode:zai-coding-plan/glm-5.3-flash@high
  15. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · commits · isotope13-dev/traits-dev · @unknown
    ഉദ്ധരണി
    Model: opencode:zai-coding-plan/glm-5.3-flash@high
  16. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · commits · ishan-parihar/artificial-route · @ishan-parihar
    ഉദ്ധരണി
    breaker then cooled every healthy sibling model — glm-5.3-flash never failed yet was blocked by is_cooling_for ORing
  17. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · commits · imoes/CentralStation · @unknown
    ഉദ്ധരണി
    After the global LLM connector moved to llmbase.ai (z-ai/glm-5.3-flash), every tool call
  18. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · commits · g00cey/tluna · @g00cey
  19. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · commits · detrin/202611_AI_tinkers · @detrin
  20. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · commits · databricks/unity-gateway · @lilly-luo
  21. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · commits · brightmeows/bmsrs · @brightmeows
    ഉദ്ധരണി
    Generated-By: pi 1.5.2 (glm-5.3-flash @ zhipuai-coding-plan, reasoning=max)
  22. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · commits · brightmeows/bmsrs · @brightmeows
    ഉദ്ധരണി
    Generated-By: pi 1.5.2 (glm-5.3-flash @ zhipuai-coding-plan, reasoning=max)
  23. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · commits · brightmeows/bmsrs · @brightmeows
    ഉദ്ധരണി
    Generated-By: pi 1.5.2 (glm-5.3-flash @ zhipuai-coding-plan, reasoning=max)
  24. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · commits · brightmeows/bmsrs · @brightmeows
    ഉദ്ധരണി
    Generated-By: pi 1.5.2 (glm-5.3-flash @ zhipuai-coding-plan, reasoning=max)
  25. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · commits · agentgateway/agentgateway · @github-actions[bot]
    ഉദ്ധരണി
    json.providers.nebius.models["zai-org/GLM-5.3-Flash"].reasoning.effort[2] = "max";
  26. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · commits · KarpelesLab/oxinfer · @MagicalTux
    ഉദ്ധരണി
    GLM-5.3: the text model of GLM-5.3-Flash (glm5_next) and GLM-5.3 (glm_moe_dsa),
  27. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · commits · 183600/dyn_csa_experiment · @github-actions[bot]
    ഉദ്ധരണി
    auto: iteration 1-bug [model: nvidia/z-ai/glm-5.3-flash]
  28. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · vllm-project/vllm · @cjluo-nv
    ഉദ്ധരണി
    by ModelOpt itself (NVIDIA/Model-Optimizer#3176), large MoE models (e.g. GLM-5.3-Flash), lm-eval accuracy, layerwise weight reload, EPLB, experts with biases.
  29. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · vllm-project/vllm · @tuukkjs
    ഉദ്ധരണി
    (open) edits the deprecated shared sizes. #63070 (draft, GLM-5.3-Flash) and #66320 (Qwen3.5) would move more models to breakable graphs on gfx950, which then get these
  30. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · vllm-project/vllm · @jpvillam-amd
  31. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · vllm-project/vllm · @kirillbilchenko
    ഉദ്ധരണി
    compressed scale format (CSF) in GPU memory. On GLM-5.3-Flash with TP2, each rank uses 3.53 GiB less memory, and the KV cache holds 30.6% more
  32. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · vllm-project/vllm · @cjackal
    ഉദ്ധരണി
    In conjunction with #60229, support adaptive verification for GLM-5.3-Flash on Hopper GPUs by overriding `FlashInferMLASparseSM90Builder.get_varlen_cudagraph_max_query_len`.
  33. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · vllm-project/vllm · @MIR-AMD
  34. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · vllm-project/vllm · @HollowMan6
    ഉദ്ധരണി
    [LoRA][Model] Add LoRA support for GLM-5.3-Flash <!-- markdownlint-disable -->
  35. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · uwuclxdy/ai-pricelog · @cldbot
  36. · അലക്സിന്റെ പോസ്റ്റുകൾ · മോഡൽ കുടുംബം · GitHub search · Z.ai · pulls · sgl-project/sglang · @ischencheng
    ഉദ്ധരണി
    no longer fit next to the running requests. GLM-5.3-Flash NVFP4 on 2x B200 (TP2, the 0.9 split that was its default before #50018: 2,969,600 KV
  37. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · sgl-project/sglang · @siliangchen-amd
    ഉദ്ധരണി
    mHC models (the DeepSeek-V4 family, GLM-5.3-Flash) run the unfused mHC path: a chain of small kernels
  38. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · sgl-project/sglang · @eppaneamd
  39. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · sgl-project/sglang-torchtpu · @Bob-Chen222
  40. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · sgl-project/sglang-torchtpu · @HarutMov
  41. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · sgl-project/sglang-torchtpu · @lk-chen
    ഉദ്ധരണി
    On GLM-5.3-Flash with attention DP8 (one TPU v7x 2x2x1 host, AgentX trace replay), round robin caches 0.22 of prompt tokens at c16, against a theoretical
  42. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · sammasak/nixos-config · @sammasak
  43. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · sadabaevb/ainek · @sadabaevb
    ഉദ്ധരണി
    - **#84** is for `z-ai/glm-5.3-flash`: the same key and the same launcher our verifiers log, with release marks.
  44. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · rodkisten/photointel · @renovate[bot]
  45. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · renj-arch/dimsred · @renj-arch
    ഉദ്ധരണി
    200 on 2026-11-13 (`nemotron-3-ultra`, `nemotron-3.5-super-vl`, `nemotron-3.5-lightning`, `nemotron-3.5-bolt`, `minimax-m3.1-flash`, `glm-5.3-flash`). Default is `nvidia/nemotron-3-ultra-550b-a55b`. Retired ids are recorded in the file as a comment with EOL dates,
  46. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · pytorch/pytorch · @oonyshch
    ഉദ്ധരണി
    | router softmax, 288 experts (GLM-5.3-Flash) | 16 tokens | 1.75x | 1.01x | 1.7x at 16384 tokens (14.1 to 8.1 us) |
  47. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · misospace/courier · @itsmiso-ai
    ഉദ്ധരണി
    separate reviewer session on the same model family (GLM-5.3-Flash, no model diversity available). Four findings fixed: ownership cross-validation lives in `charts/courier/templates/common.yaml.tpl` (not `secure.yaml.tpl`), isolation test
  48. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · maximhq/bifrost · @sidbharth
    ഉദ്ധരണി
    | `z-ai/glm-5.3-flash` | reasoning, fallback | NEAR AI-hosted reasoning model; too slow for the 30s chat-stream timeout |
  49. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · lidge-jun/opencodex · @andrew05060414
    ഉദ്ധരണി
    showed prices. `cn:deepseek-v4.1-flash` came from OpenRouter (0.3/1.2). `cn:kimi-k3.1-pro`, `cn:glm-5.3-flash`, `zd/gpt-6-sol` and `zd/gemini-4-argon` came from models.dev.
  50. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · leptoskit/leptoskit · @ifiokjr
    ഉദ്ധരണി
    Created on behalf of Ifiok Jr. (@ifiokjr), GLM-5.3-Flash (zai-coding-plan/glm-5.3-flash), high reasoning.
  51. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · kollaborai/kollab · @kollaborai
    ഉദ്ധരണി
    claude-code 71, codex-cli 46, antigravity 6, openai-oauth 67, glm-5.3-flash 12, glm-5.3 12.
  52. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · kaina-visualsoftware/QA-Hub · @kaina-visualsoftware
    ഉദ്ധരണി
    logs de produção mostram interrupções por `TimeoutError` no `z-ai/glm-5.3-flash`; houve também HTTP 502 no endpoint separado `qa-ai`.
  53. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · harbor-framework/terminal-bench-science · @RishabhPatil
    ഉദ്ധരണി
    (`harbor run`) with `gemini/gemini-3.1-pro-preview` via `gemini-cli` (5 trials), `zai-org/GLM-5.3-Flash` via `terminus-2` (5 trials), and `Qwen/Qwen3.8-27B` via `terminus-2` (5 trials), plus Oracle (`1.0` reward, 4/4 pytest
  54. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · ggml-org/llama.cpp · @snakeice
    ഉദ്ധരണി
    necessary step for running large MoE models (e.g. GLM-5.3-Flash 320B, 157 GB GGUF) on consumer hardware (32 GB RAM, single GPU) where CPU offloading makes
  55. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · gcanlin/vllm · @gcanlin
    ഉദ്ധരണി
    Vision tower alone (glm-5.3-bf16 weights, identical to GLM-5.3-Flash's BF16 tower), 1x B200, eager as served by default, FA4. Two interleaved runs per variant, mean of
  56. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · figranium/fiptcha · @renovate[bot]
  57. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · egonSchiele/agency-lang · @egonSchiele
    ഉദ്ധരണി
    Anthropic stays at 20,000 from the provider layer; `z-ai/glm-5.3-flash` gets 131,072 from the model layer.
  58. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · duketopceo/open-computer · @duketopceo
  59. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · ddalcu/mlx-serve · @davidtai
    ഉദ്ധരണി
    serve packs an outside quant plugin claims (DeepSeek-V4.1, GLM-5.3-Flash, Qwen3.8, Ling-3.1-flash)
  60. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · crewAIInc/crewAI · @ats3v
  61. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · cassandre60/ChessSRS · @cassandre60
    ഉദ്ധരണി
    Model: z-ai/glm-5.3-flash
  62. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · basetenlabs/baseten-cli · @sanieldalib
  63. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · ashhart/TensorFold · @Bizuayeu
    ഉദ്ധരണി
    On four GB10s at TP=4 (GLM-5.3-Flash XSFP4, `--context 1048576 --parallel 8`), round time in ms from our own grid client (`"draft": false`, greedy, 256 tokens,
  64. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · ashhart/TensorFold · @Bizuayeu
    ഉദ്ധരണി
    as they are. On four GB10s at TP=4 (GLM-5.3-Flash XSFP4, `--context 1048576 --parallel 8`), round time in ms from our own grid client (`"draft": false`,
  65. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · ashcoft/document-mcp · @renovate[bot]
  66. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · anomalyco/models.dev · @NachiketKandari
    ഉദ്ധരണി
    v1 (2; new models should usually be v2_only): isoquant/glm-5.3-flash, isoquant/deepseek-v4.1-flash-1017-fast
  67. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · anomalyco/models.dev · @models-dev-automation[bot]
  68. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · anomalyco/models.dev · @jIrwinCline
  69. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · ameetmadan/lautli · @renovate[bot]
  70. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · alexsantossp71-lgtm/remedios_app · @alexsantossp71-lgtm
    ഉദ്ധരണി
    `z-ai/glm-5.3-flash`, `stepfun-ai/step-5-preview`, `meta/muse-glimmer-30b`, `nvidia/nemotron-3.5-super-vl-120b-a12b` e `nvidia/nemotron-3.5-lightning-30b-a3b`. O app consulta o catálogo real da conta e só tenta os IDs retornados quando há correspondência.
  71. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · alecpullen/marshal · @alecpullen
  72. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · agentgateway/agentgateway · @github-actions[bot]
    ഉദ്ധരണി
    json.providers.nebius.models["zai-org/GLM-5.3-Flash"].reasoning.effort[2] = "max";
  73. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · TigreGotico/linguonnx · @renovate[bot]
  74. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · SwarnimWalavalkar/noesis · @SwarnimWalavalkar
  75. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · SwarnimWalavalkar/noesis · @SwarnimWalavalkar
    ഉദ്ധരണി
    through the real TUI in a PTY with `opencode-go/glm-5.3-flash`. I captured the provider request bodies and read the SQLite rows instead of trusting the model's
  76. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · SwarnimWalavalkar/noesis · @SwarnimWalavalkar
    ഉദ്ധരണി
    - With the real model (glm-5.3-flash) in the TUI, one temporary home and two projects:
  77. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · SwarnimWalavalkar/noesis · @SwarnimWalavalkar
    ഉദ്ധരണി
    - With the real model (glm-5.3-flash) in the TUI, using temporary homes: a global Program ran by name from another project and recorded its exact
  78. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · SwarnimWalavalkar/noesis · @SwarnimWalavalkar
  79. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · SwarnimWalavalkar/noesis · @SwarnimWalavalkar
    ഉദ്ധരണി
    - Real model over a PTY (`opencode-go/glm-5.3-flash`) in a temporary home, since deleted. In a first session I stated a codename and a rollback window.
  80. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · ROCm/aiter · @eppaneamd
    ഉദ്ധരണി
    - Callers that reach the new default: GLM-5.3-Flash at attention TP 2 (32 heads per rank), bf16 KV cache, gfx950,
  81. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · ROCm/aiter · @eppaneamd
  82. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · ROCm/aiter · @sumin-hong
  83. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · ROCm/aiter · @sumin-hong
    ഉദ്ധരണി
    every shape. This is what SGLang passes for GLM-5.3-Flash under CUDA graphs: the k-pool indexer's block-table capacity, 1M context / kpool 4 = 4,097 pages
  84. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · QNFO/qnfo-workers · @rwnq8
    ഉദ്ധരണി
    Draft for #6186: MODEL-AB-REGRESSION-1: qnfo-ai glm-5.3-flash -> standard on grounded-qa: win rate 0 < 0.4
  85. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · Pb314314/vllm · @Pb314314
  86. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · OpenHands/OpenHands · @sanchitmonga22
    ഉദ്ധരണി
    (166 providers); `GET /api/llm/models?provider=wally` returns 10 models, including `wally/glm-5.3-flash` and `wally/deepseek-v4.1-flash`.
  87. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · NousResearch/hermes-agent · @glitchbunny0
  88. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · NVIDIA/hyperflare-inference · @aarongiuffre
  89. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · NVIDIA/hyperflare-inference · @original-el8
  90. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · NVIDIA/hyperflare-inference · @original-el8
  91. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · NVIDIA/hyperflare-inference · @YouNeedCryDear
    ഉദ്ധരണി
    The [GLM-5.3-Flash model card](https://huggingface.co/zai-org/GLM-5.3-Flash) documents `reasoning_effort` and `clear_thinking` and no way to turn thinking off. No revision of these three repositories' templates has contained `enable_thinking`.
  92. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · NVIDIA/cudnn-frontend · @Anerudhan
    ഉദ്ധരണി
    Add pooled DSA forward APIs for Blackwell GLM-5.3-Flash pools index keys before selecting attention tokens. Add forward APIs for gated cache updates, paged scoring, pool
  93. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · NVIDIA/TensorRT-LLM · @ruocheng-nv
    ഉദ്ധരണി
    end in #22082: a one-token prompt on the GLM-5.3-Flash FP8 target must not depend on the KDA slot's previous request, and the target is not
  94. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · NVIDIA/TensorRT-LLM · @kaiyux
  95. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · NVIDIA/Model-Optimizer · @shengliangxu
    ഉദ്ധരണി
    - **GLM-5.3-Flash** (`models/glm5_next/modeling_ptq_vllm.py`, a new package): the k-pool indexer with its K-cache writers and DeepGEMM scorer, from `vllm_indexer.py`. Like `kimi_k3`, `glm5_next` has no `specs.py`: it
  96. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · NVIDIA/Model-Optimizer · @cjluo-nv
  97. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · NVIDIA-NeMo/Megatron-Bridge · @kamran-nvidia
  98. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · Max-Health-Inc/config · @quotentiroler
    ഉദ്ധരണി
    fix(vite): release notes default to Gemma 4 before glm-5.3-flash retires (4.5.1)
  99. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · Max-Health-Inc/config · @quotentiroler
    ഉദ്ധരണി
    - Changes the default model to `@cf/zai-org/glm-5.3-flash`, which followed the prompt rules more reliably than the previous default in testing. `RELEASE_NOTES_MODEL` still overrides it.
  100. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · Lore-Hex/quill-router · @jasminelee
    ഉദ്ധരണി
    Move the Fortanix GLM 5.3 Flash offer from the homepage to its model page and search text
  101. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · Layr-Labs/flock-challenge · @yukon-autoresearch[bot]
    ഉദ്ധരണി
    Model: zai-org/GLM-5.3-Flash Harness: Hermes Agent
  102. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · Layr-Labs/d-inference · @jonathan308
  103. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · Layr-Labs/arena-fortress · @yukon-autoresearch[bot]
    ഉദ്ധരണി
    submitted game. The game model remains the challenge's `z-ai/glm-5.3-flash` through the organizer's gateway.
  104. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · KarpelesLab/oxinfer · @MagicalTux
    ഉദ്ധരണി
    - the text model of GLM-5.3-Flash (glm5_next) and GLM-5.3 (glm_moe_dsa),
  105. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · IBM/Evoflux · @renovate[bot]
  106. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · CYBERSZP0NT/szmelc-router · @sernik77
  107. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · C2SM/icon4py · @egparedes
    ഉദ്ധരണി
    models` and shows a red check. gt4py uses `zai-org/GLM-5.3-Flash` with fallbacks `Qwen/Qwen3.8-Flash-Next-FP8,Qwen/Qwen3.8-27B-FP8`.
  108. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · BerryUIKI/CatCup-Tavern · @BerryUIKI
    ഉദ്ധരണി
    ## Verified against the real endpoint (`deepseek-v4.1-flash` / `glm-5.3-flash`, 21 models)
  109. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · BerriAI/litellm · @xinglan163
    ഉദ്ധരണി
    feat(deepinfra): add GLM-5.3-Flash, MiMo-V2.6-Flash, Nemotron-3.5-Super-VL, and Hy4-preview
  110. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · pulls · Augustas11/macprovider · @Augustas11
    ഉദ്ധരണി
    M3 Ultra 256 GB, GLM-5.3-Flash, `msb-throughput --engine scheduler --prompt-tokens 1024 --decode-tokens 256 --runs 3`, the provider slice at `3675596d1` against main at `30ea73b89`, interleaved, two
  111. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · commits · raspy135/tideLM · @unknown
  112. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · commits · juliolv/portfolio · @juliolv
    ഉദ്ധരണി
    paid model; the cheap tier (deepseek-v4.1-flash, glm-5.3-flash, qwen3.8-flash,
  113. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · commits · islgit07/zcodebride-for-magpie · @islgit07
  114. · തെളിവുകളുടെ ലിങ്കുകൾ · GitHub search · Z.ai · commits · 520042/aigw-gateway-panel · @520042

സിഗ്നലുകൾ 1

സാങ്കേതിക വിവരങ്ങൾ

Z.ai വികസിപ്പിച്ച മോഡലാണ് GLM-5.3 Flash; ഇതിന്റെ വെയിറ്റുകൾ പൊതുവായി ലഭ്യമാണ്; റിലീസ് ചെയ്ത തീയതി 2026-08-26. കോൺടെക്സ്റ്റ് വിൻഡോയുടെ വലുപ്പം 10,48,576 ടോക്കണുകൾ ആണ്. പരമാവധി ഔട്ട്‌പുട്ട് 1,31,072 ടോക്കണുകൾ ആണ്. പത്ത് ലക്ഷം ഇൻപുട്ട് ടോക്കണുകൾക്ക് $0.15, പത്ത് ലക്ഷം ഔട്ട്‌പുട്ട് ടോക്കണുകൾക്ക് $0.50 എന്നതാണ് വില.

കോൺടെക്സ്റ്റ് വിൻഡോ
10,48,576
പരമാവധി ഔട്ട്‌പുട്ട്
1,31,072
ഇൻപുട്ട്
ഫയൽ · ചിത്രം · ടെക്സ്റ്റ് · വീഡിയോ
ഔട്ട്‌പുട്ട്
ടെക്സ്റ്റ്
വെയിറ്റുകൾ
തുറന്നത്
ഇൻപുട്ട് · USD / 10 ലക്ഷം ടോക്കണുകൾ
$0.15
ഔട്ട്‌പുട്ട് · USD / 10 ലക്ഷം ടോക്കണുകൾ
$0.50
കാഷിൽ സൂക്ഷിച്ച ഇൻപുട്ട് · USD / 10 ലക്ഷം ടോക്കണുകൾ
$0.03

ചോദ്യങ്ങൾ

GLM-5.3 Flash-ന്റെ കോൺടെക്സ്റ്റ് വിൻഡോയുടെ വലുപ്പം എത്രയാണ്?

കോൺടെക്സ്റ്റ് വിൻഡോയുടെ വലുപ്പം 10,48,576 ടോക്കണുകൾ ആണ്. പരമാവധി ഔട്ട്‌പുട്ട് 1,31,072 ടോക്കണുകൾ ആണ്.

GLM-5.3 Flash-ന്റെ വില എത്രയാണ്?

പത്ത് ലക്ഷം ഇൻപുട്ട് ടോക്കണുകൾക്ക് $0.15, പത്ത് ലക്ഷം ഔട്ട്‌പുട്ട് ടോക്കണുകൾക്ക് $0.50 എന്നതാണ് വില. കാഷിൽ സൂക്ഷിച്ച ഇൻപുട്ടിന് പത്ത് ലക്ഷം ടോക്കണുകൾക്ക് $0.03 ആണ് വില.

GLM-5.3 Flash-ന്റെ വെയിറ്റുകൾ പൊതുവായി ലഭ്യമാണോ?

അതെ. Z.ai വെയിറ്റുകൾ പ്രസിദ്ധീകരിക്കുന്നു.

GLM-5.3 Flash എപ്പോഴാണ് റിലീസ് ചെയ്തത്?

2026-08-26 ന്.