文本模型 · 智谱

GLM-5.3 Flash API

GLM-5.3 Flash 是智谱 GLM-5 系列首个原生多模态模型，官方称总参数 320B、激活 18B，支持 100 万 token 上下文和最多 128K 输出。思考始终开启，可用 reasoning_effort 调整深度。它曾以 Ox Alpha 为代号预览。

模型 ID: glm-5.3-flash
上下文: 100 万 token
输入: 文本、图片
输出: 文本（含推理过程）

Capabilities

能力与接口

对话生成，支持三种接口格式，均已于 2026-10-23 在 tokenra.io 实测调用成功。点击下方的格式按钮可切换代码示例。

POSThttps://tokenra.io/v1/chat/completions已实测

OpenAI SDK，base_url 设为 https://tokenra.io/v1；鉴权用 Authorization: Bearer。推荐使用。

POSThttps://tokenra.io/v1/responses已实测

OpenAI Responses 接口，SDK 和 Key 与上面相同，回答在 output_text 中。

POSThttps://tokenra.io/v1/messages已实测

Anthropic SDK 或 Claude Code，Base URL 设为 https://tokenra.io；鉴权用 x-api-key（也可用 Bearer），并带上 anthropic-version。

模型 ID

模型 ID	说明
`glm-5.3-flash`	主 ID，本页内容均以它实测。
`glm‑5.3‑flash‑discounted`	同一模型的折扣 ID，各项实测表现一致。该 ID 使用的是不换行连字符（U+2011），请从本页复制；手动输入普通连字符会返回 `model_not_found`。

Request

请求参数

以下为 POST /v1/chat/completions 的字段，均已实测可用。

参数	类型	必填	说明
`model`	string	是	要调用的模型 ID，例如 `glm-5.3-flash`。
`messages`	array	是	按顺序排列的对话消息（system、user、assistant、tool）。多轮对话把历史消息放回这个数组即可。`content` 可以是字符串，也可以是由 `text` 和 `image_url` 组成的数组。
`stream`	boolean	否	是否以 SSE 流式返回，默认 `false`。
`stream_options`	object	否	设置 `{"include_usage": true}` 后，最后一个数据块携带 `usage`，其 `choices` 为空数组。
`max_tokens`	integer	否	生成 token 上限。推理 token 也计入其中：设得太小时，模型可能把额度全部用于推理，正文为空，`finish_reason` 为 `length`。
`temperature`	number	否	采样温度。
`top_p`	number	否	核采样阈值，一般与 temperature 二选一调整。
`presence_penalty`	number	否	对已出现过的内容施加惩罚，鼓励引入新话题。
`frequency_penalty`	number	否	按出现频率施加惩罚，减少重复。
`response_format`	object	否	`{"type": "json_object"}` 返回 JSON 对象；`{"type": "json_schema", "json_schema": {...}}` 返回符合你的 Schema 的 JSON（已用 `strict: true` 实测）。
`tools`	array	否	模型可以调用的函数工具列表（`type` 为 `function`）。
`tool_choice`	string / object	否	`auto`、`none`、`required`，或指定某个函数。
`parallel_tool_calls`	boolean	否	是否允许一次返回多个工具调用。
`reasoning_effort`	string	否	思考深度：`low`、`high` 或 `max`，厂商默认 `max`。
`user`	string	否	你自己的终端用户标识，用于审计或风控，不会作为对话内容。

该模型不支持的参数

该模型会忽略 max_completion_tokens，请用 max_tokens 限制输出长度。

其他格式

格式	必填字段	回答位置
OpenAI Responses	`model`, `input`	`output_text`
Anthropic Messages	`model`, `max_tokens`, `messages`	`content[]` 中 type 为 `text` 的块

Response

响应格式

{
  "id": "chatcmpl-1792766122484",
  "object": "chat.completion",
  "created": 1792766122,
  "model": "glm-5.3-flash",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "API 网关是接收客户端请求的统一入口，负责把请求转发到对应的后端服务；同时统一处理鉴权、限流和日志等通用逻辑。",
        "reasoning_content": "用户需要两句话解释 API 网关……"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 26,
    "completion_tokens": 58,
    "total_tokens": 84,
    "prompt_tokens_details": {
      "cached_tokens": 0
    },
    "completion_tokens_details": {
      "reasoning_tokens": 21
    }
  }
}

字段	类型	说明
`id`	string	本次请求的 ID，联系支持时请一并提供。
`object`	string	固定为 `chat.completion`，流式时为 `chat.completion.chunk`。
`created`	integer	Unix 时间戳（秒）。
`model`	string	实际生成回答的模型。
`choices[].message.content`	string	回答正文。
`choices[].message.reasoning_content`	string	模型的推理过程，与正文分开返回。
`choices[].message.tool_calls`	array	传入 `tools` 时，模型请求调用的工具。
`choices[].finish_reason`	string	`stop`、`length` 或 `tool_calls`。
`usage`	object	`prompt_tokens`、`completion_tokens`、`total_tokens`，以及 `prompt_tokens_details.cached_tokens`（缓存命中）和 `completion_tokens_details.reasoning_tokens`（推理 token）。

设置 stream: true 后，回答以 data: 开头的 chat.completion.chunk 数据行逐段返回，最后一行是 data: [DONE]。

Errors

错误与限制

常见错误

HTTP	error.code	含义	处理建议
`401`	—	API Key 缺失、错误或已删除，message 为 `Invalid token`。	检查 `Authorization: Bearer` 请求头，并在控制台核对 Key。
`400`	—	请求体不是合法 JSON。	修正 JSON，并带上 `Content-Type: application/json`。
`500`	`invalid_request`	缺少必填字段，例如未传 `messages`。	按 message 补全字段，重试无效。
`403`	`insufficient_user_quota`	账户余额或套餐额度不足。	在控制台充值后重试。
`503`	`model_not_found`	模型 ID 不存在，或你的分组下没有可用渠道。	在模型列表或 `GET /v1/models` 中核对模型 ID。
`429`	—	请求过于频繁。	指数退避后重试。
`5xx`	—	上游服务商出错或超时。	稍后重试几次；持续出错时保留 request id 联系支持。

使用限制与说明

图片输入已用指向公网 HTTPS 图片的 image_url 实测可用。
推理过程在 reasoning_content 中单独返回，与 content 中的回答分开，展示给终端用户时请按需取舍。
实测 reasoning_effort 为 low 或 high 时，简单问题只用 0–3 个推理 token；默认的 max 约用 100 个。

能力与接口

模型 ID

请求参数

其他格式

响应格式

错误与限制

常见错误

使用限制与说明

相关链接