GLM 5.3 Flash
GLM-5.3-Flash is a native multimodal model from Z.ai. It is suited for efficient coding and long-horizon agent tasks. Its hybrid sparse and linear attention architecture maintains accurate long-context behavior while...
Характеристики
Возможности
Цены
Статистика у нас · за 30 дней
Бенчмарки
независимые замеры: Vals AI и Design ArenaSAGE
отраслевые задачи · #5 из 29
- Claude Opus 5.591.3%
- GPT-6.1 Sol90.5%
- Claude Haiku 5.589.8%
- Gemini 4 Argon89.5%
- ▸ GLM 5.3 Flash89.3%
MedScribe
отраслевые задачи · #9 из 40
- Claude Opus 5.591.4%
- Claude Fable 5.191.3%
- Claude Sonnet 5.591.1%
- Claude Opus 591.0%
- Muse Spark 1.290.1%
- ▸ GLM 5.3 Flash88.9%
Access to Justice
юридические задачи без юриста · #14 из 23
- Qwen 3.8 Max76.4%
- Claude Sonnet 5.574.9%
- Wonder Full74.7%
- Claude Opus 5.573.8%
- GLM 5.373.7%
- ▸ GLM 5.3 Flash71.1%
Vals Legal Index
отраслевые задачи · #15 из 37
- Wonder Full77.9%
- Gemini 4 Argon76.8%
- Gemini 4 Carbon75.9%
- Muse Ember75.7%
- Wonder75.3%
- ▸ GLM 5.3 Flash71.0%
Code Migration
перенос кода между версиями · #16 из 30
- Claude Sonnet 5.586.9%
- Claude Fable 5.283.3%
- Claude Opus 5.581.0%
- GPT-6 Astra80.6%
- GPT-6.1 Sol77.3%
- ▸ GLM 5.3 Flash51.6%
Vibe Code Bench 1-100
отраслевые задачи · #18 из 26
- Wonder Full34.0%
- Claude Opus 5.530.4%
- Claude Opus 528.5%
- Claude Fable 5.128.0%
- GPT-6 Astra27.6%
- ▸ GLM 5.3 Flash16.0%
| Остальные бенчмарки | Место | Результат | Лидер |
|---|---|---|---|
| Terminal-Bench 4.0 | #21 из 40 | — | Claude Fable 5.2 · null% |
| HLAB-Vals-1.1 | #22 из 37 | 10.42% | Gemini 4 Argon · 27.08% |
| Legal Research Bench | #23 из 40 | 45.19% | Gemini 4 Carbon · 55.77% |
| Finance Agent | #24 из 39 | 60.59% | Claude Fable 5.2 · 69.47% |
| IOI | #24 из 40 | 52.5% | Gemini 4 Argon · 100% |
| Vals Finance Index | #26 из 39 | 55.83% | Gemini 4 Carbon · 67.05% |
| CyberBench | #28 из 40 | 67.86% | Wonder · 80.36% |
| Tax Agent Bench | #29 из 40 | 31.55% | Gemini 4 Carbon · 51.78% |
| Excel Modeling | #30 из 40 | 66.25% | Claude Fable 5.2 · 77.38% |
| SkillsBench | #30 из 35 | — | DeepSeek V4.1 Flash · null% |
| SRE Bench | #30 из 37 | 0.76% | GPT-6 Astra · 56.87% |
| Vals Index | #30 из 36 | 50.86% | Claude Fable 5.2 · 71.31% |
| Terminal-Bench-Science | #37 из 40 | — | GPT-6 Astra · null% |
Подключение
curl https://aicombiner.net/v1/chat/completions \
-H "Authorization: Bearer $AICO_KEY" \
-H "Content-Type: application/json" \
-d '{"model": "glm-5.3-flash", "messages": [{"role": "user", "content": "Привет"}]}'Один ключ открывает все модели каталога. Документация
Официальные источники
Подробно о модели GLM 5.3 Flash
GLM 5.3 Flash — модель компании Zhipu, выпущенная 26 августа 2026 г. Держит в контексте 1 000 тысяч токенов — это примерно 2 000 страниц текста. Поддерживает вызов функций (function calling), структурированный вывод по схеме, приём изображений, режим рассуждений, открытые веса.
Сколько стоит работа
Входные токены — 0.1434 $ за миллион, выходные — 0.5020 $. Повторная отправка того же контекста тарифицируется по кэшу — 0.0143 $. Тысяча запросов, в каждом 500 токенов вопроса и 500 токенов ответа, обойдётся примерно в 0.32 $.
Что показывают бенчмарки
Бенчмарк — это набор задач с проверяемым ответом. Место в нём говорит не о «силе» модели вообще, а о том, насколько хорошо она решает именно такие задачи. Разница в один-два процента обычно лежит внутри статистической погрешности, разрыв в десять и больше — уже реальная разница.
- SAGE — отраслевые задачи с проверяемым ответом. Результат: 89.3%, место #5 из 29. Лидер — Claude Opus 5.5 с 91.3%, разрыв 2.0 п.п.
- MedScribe — отраслевые задачи с проверяемым ответом. Результат: 88.9%, место #9 из 40. Лидер — Claude Opus 5.5 с 91.4%, разрыв 2.5 п.п.
- Access to Justice — юридические задачи, с которыми люди приходят без юриста: разбор договора, права при увольнении, обращения в госорганы. Результат: 71.1%, место #14 из 23. Лидер — Qwen 3.8 Max с 76.4%, разрыв 5.3 п.п.
- Vals Legal Index — отраслевые задачи с проверяемым ответом. Результат: 71.0%, место #15 из 37. Лидер — Wonder Full с 77.9%, разрыв 6.8 п.п.
- Code Migration — перенос кода со старых версий и языков на новые, с сохранением поведения. Результат: 51.6%, место #16 из 30. Лидер — Claude Sonnet 5.5 с 86.9%, разрыв 35.2 п.п.
- Vibe Code Bench 1-100 — отраслевые задачи с проверяемым ответом. Результат: 16.0%, место #18 из 26. Лидер — Wonder Full с 34.0%, разрыв 17.9 п.п.
- Terminal-Bench 4.0 — отраслевые задачи с проверяемым ответом. Результат: —%, место #21 из 40.
- HLAB-Vals-1.1 — юридические консультации в формате реальной практики. Результат: 10.4%, место #22 из 37. Лидер — Gemini 4 Argon с 27.1%, разрыв 16.7 п.п.
- Legal Research Bench — отраслевые задачи с проверяемым ответом. Результат: 45.2%, место #23 из 40. Лидер — Gemini 4 Carbon с 55.8%, разрыв 10.6 п.п.
- Finance Agent — агентские задачи в финансах: собрать данные, посчитать, оформить вывод. Результат: 60.6%, место #24 из 39. Лидер — Claude Fable 5.2 с 69.5%, разрыв 8.9 п.п.
- IOI — олимпиадные задачи по информатике уровня международной олимпиады. Результат: 52.5%, место #24 из 40. Лидер — Gemini 4 Argon с 100.0%, разрыв 47.5 п.п.
- Vals Finance Index — сводный индекс по финансовым задачам разных типов. Результат: 55.8%, место #26 из 39. Лидер — Gemini 4 Carbon с 67.0%, разрыв 11.2 п.п.
- CyberBench — кибербезопасность: поиск уязвимостей, разбор атак, защитные действия. Результат: 67.9%, место #28 из 40. Лидер — Wonder с 80.4%, разрыв 12.5 п.п.
- Tax Agent Bench — отраслевые задачи с проверяемым ответом. Результат: 31.6%, место #29 из 40. Лидер — Gemini 4 Carbon с 51.8%, разрыв 20.2 п.п.
- Excel Modeling — построение финансовых моделей в Excel по словесному описанию задачи. Результат: 66.3%, место #30 из 40. Лидер — Claude Fable 5.2 с 77.4%, разрыв 11.1 п.п.
- SkillsBench — отраслевые задачи с проверяемым ответом. Результат: —%, место #30 из 35.
- SRE Bench — отраслевые задачи с проверяемым ответом. Результат: 0.8%, место #30 из 37. Лидер — GPT-6 Astra с 56.9%, разрыв 56.1 п.п.
- Vals Index — отраслевые задачи с проверяемым ответом. Результат: 50.9%, место #30 из 36. Лидер — Claude Fable 5.2 с 71.3%, разрыв 20.5 п.п.
- Terminal-Bench-Science — отраслевые задачи с проверяемым ответом. Результат: —%, место #37 из 40.
Лучше всего модель показывает себя в «SAGE» (#5), слабее — в «Terminal-Bench-Science» (#37). Это нормально: модели обучают на разных данных, и профиль получается неровным.
Общий рейтинг
В общем зачёте Arena (слепые сравнения ответов на любые вопросы) модель занимает #37 место. Рейтинг -0.030 построен на 95 699 голосах — чем больше голосов, тем уже доверительный интервал. Свежие релизы часто стоят ниже, чем окажутся через месяц: у них просто меньше оценок.
Как ведёт себя у нас
За последние 30 дней через сервис прошло 48 запросов к этой модели, успешных 70.8%. Медианный ответ — 1714 мс, средний 2282 мс. Это быстрый вариант: подходит для чата и автодополнения.
Как подключить
Модель вызывается через OpenAI-совместимый API: адрес https://aicombiner.net/v1, ключ в заголовке Authorization: Bearer, имя модели — glm-5.3-flash. Один ключ открывает весь каталог, поэтому переключение между моделями — это смена одного поля в запросе. Деньги списываются по факту: за фактические токены, а не за попытку.