智谱 GLM-5.3 一个月铺出四个型号，还有一个默认参数能让你账单翻几倍

先把最容易踩的坑说在前面：GLM-5.3 的 reasoning_effort 你不显式传，默认值是 max。

不是 medium，不是 auto，是 max。这个默认值配上「思考链会吃输出 token」这个事实，意味着你照着别家的习惯写调用代码、什么都不设，跑出来的账单会比你预期的高出一大截。单价没变，变的是它替你生成了多少个 token。

这是我认为这一批国产模型里最值得单独拎出来讲的一个默认值。

一、一个月，四个型号

表格可左右滑动

单位元每百万 token。国际站的美元价另算：glm-5.3 是 $1.4 / $4.4 / $0.26，glm-5.3-flash 是 $0.15 / $0.50 / $0.03，glm-5.3-flashx 是 $0.37 / $1.25 / $0.075。

最后那个 glm-5.3-prime 要特别说明：我只在 OpenRouter 上看到它（9 月 23 日上架，$2.8 / $8.8 / $0.56，描述是「GLM-5.3 的高速变体，1.5 到 2 倍输出吞吐」）。智谱官方的定价页和模型概览页截至 9 月 24 日都还没收录它，中文发布稿也搜不到。参数量、是否开源、官方定价一概不明。别把这个 id 写进生产，先等官方收录。

二、GLM-5.3 旗舰：753B，但基座没换

753B 总参，架构标记是 glm_moe_dsa——MoE 配动态稀疏注意力。1M 上下文、128K 输出、纯文本输入（旗舰没有多模态，多模态在 Flash 那边）。

官方文档里有一句很诚实的话：GLM-5.3 和 GLM-5.2 是同一个基座，全部提升来自后训练的 scaling。

这句话信息量很大。它意味着这次升级的成本结构跟「重新预训练一个模型」完全不同，也意味着提升是有方向性的——后训练打哪儿，哪儿涨。而这次打的方向很明确：网络安全。

• →CyberGym 84.5
• →ExploitBench 54.4
• →Terminal Bench 2.1 88.2
• →DeepSWE 66.9

官方说漏洞利用类 benchmark 的分数是 GLM-5.2 的两倍以上，还说联合中国的安全团队实测累计发现了 2436 个漏洞，其中 1097 个中高危。

这个方向值不值得，取决于你是谁。做安全业务的，这是这两个月国内最值得试的一个模型。做通用业务的，Terminal Bench 2.1 的 88.2 是个不错的数，但你要清楚自己买的主要不是这个。

许可证不是 MIT。HF 仓库上挂的是自定义的 GLM-5.3 License，主体是 MIT 式的授权，加了一条限制：MaaS 运营商如果滚动 12 个月营收超过 100 亿美元，商用前需要通过 Z.AI 的安全审查。

100 亿美元这个门槛，国内绝大多数公司一辈子够不着。所以对你我来说，这个协议实际上就是 MIT。但写进合同前还是要把这句话原样引给法务，别自己转述成「它是 MIT 的」。

三、GLM-5.3-Flash：这个才是 MIT

8 月 26 日上线，预览期的匿名代号是「Ox Alpha」。

• →320B 总参 / 18B 激活
• →线性注意力加稀疏注意力的混合架构，配 mHC（流形约束超连接）
• →原生多模态：图片、视频、文件、文本都能进
• →30T token 多模态预训练
• →MIT 协议

分数：Deep-SWE 63.4%、Terminal-Bench 2.1 84.3%、ExtractBench（短文本）96.3%。复现设置是 temperature 1.0、top_p 0.95。

官方的说法是「以十分之一的价格全面超过 GLM-5.2」，编程和 agent 能力接近 Claude Opus 4.8。

一个口径冲突要提醒：官方模型概览页标的上下文是 1M / 128K，而 HF 模型卡上写的是「300K 加上下文管理策略」。两处对不上，我没能确认哪个是硬上限。要跑超长输入的，自己先探边界，别按 1M 排产能。

对国内团队来说，glm-5.3-flash 大概是这一批里综合性价比最高的选择之一：0.8 元的输入价、原生多模态、MIT 协议、320B 的规模但只激活 18B。这四条凑齐的模型不多。

四、FlashX：花钱买速度

9 月 18 日上的 glm-5.3-flashx，定位是「更快更流畅的 Flash」，推理速度达到 200 tokens/s。不开源，API-only。

价格是 Flash 的 2.5 倍（¥2 对 ¥0.8）。媒体给的定性是「扩算力、提速度、提定价」，主打国产算力上的推理提速。

值不值得看一个问题：你的场景对首字延迟和吐字速度敏感吗？

做对话产品、做实时辅助、做流式输出给用户看的——速度就是体验，2.5 倍价钱买 200 tokens/s 有可能是值的。做后台批处理、做离线分析的——用户根本看不到中间过程，快慢只影响你的机器等待时间，这笔钱纯属浪费。

五、三个非踩不可的配置坑

除了开头那个 reasoning_effort 默认 max，还有两个：

一、从旧版本迁移的请求会直接失败。老代码里如果写着 thinking.type: "disabled"，在 GLM-5.3 上必须改成 "enabled" 并把 reasoning_effort 设成 "low"，否则请求报错。注意这个设计很别扭——想要「不思考」的效果，你要写的是「思考，但用最低强度」。直觉上会去找关掉的开关，找不到就以为是自己写错了。

二、chat template 里 clear_thinking 默认是 false。做多轮对话的要显式设成 true，否则历史思考内容会一直累积在上下文里，越滚越长，token 越烧越多。

把三条合起来看：GLM-5.3 的默认配置是按「一次性给最好结果」调的，不是按「日常高频调用」调的。你要拿它跑量，上手第一件事是把这三个参数全部显式写死，别用默认值。

reasoning_effort : 显式传，日常用 low 或 medium
thinking.type    : "enabled"（不存在 disabled 这条路）
clear_thinking   : 多轮对话设 true

六、三个端点，其中一个很有用

智谱这次给了三套端点：

https://open.bigmodel.cn/api/paas/v4      # OpenAI 兼容
https://open.bigmodel.cn/api/v1           # Response 格式
https://open.bigmodel.cn/api/anthropic    # Anthropic Message 格式

第三个值得单独说。它提供的是 Anthropic 的 Message 协议，意味着那些原本只认 Anthropic 协议的客户端和工具链，改个 base_url 和 key 就能接到 GLM 上。对中国开发者来说这条路的价值很直接——Anthropic 官方在中国大陆和香港都不提供服务，而一套习惯了那个协议的工作流不用重写就能继续用。

这不是智谱一家在做的事，但它是把三种协议一次性铺齐的少数几家之一。

七、选型结论

• →高频、要多模态、要 MIT → glm-5.3-flash，这一批里最实在的一个
• →安全相关业务 → glm-5.3，CyberGym 84.5 和 ExploitBench 54.4 这两个数在国内目前没什么对手
• →对话产品、在意吐字速度 → glm-5.3-flashx，多花 2.5 倍
• →后台批处理 → 别碰 FlashX
• →glm-5.3-prime → 等官方页面收录再说

上手第一天先把 reasoning_effort 显式写死。这一条能省的钱，比你在四个型号之间选来选去省得多。