GLM-5.3-FlashX：最高 200 tok/s，智能水平不变

同等智能水平下的 200 tok/s

GLM-5.3-FlashX 是 GLM-5.3-Flash 的高速版本，由 Z.ai（智谱）于 2026 年 9 月 18 日正式发布。GLM-5.3-Flash 此前以代号 Ox Alpha 进行预览，上线后在全球开发者中快速普及。面对激增的需求，Z.ai 进一步投入基础设施和推理优化，依托 10 万张国产芯片，推出了输出速度最高 200 tokens/s 的 FlashX。

GLM-5.3-FlashX 与 GLM-5.3-Flash 对比

FlashX 是速度更快的版本，两者架构和智能水平相同，按你的延迟要求选择即可。

适用场景

FlashX 针对吞吐和延迟关键的场景做了优化，同时不牺牲智能水平。

• 需要亚秒级响应的实时对话和会话式智能体。
• 包含多次串行工具调用的智能体循环，累积延迟影响明显。
• 需要即时反馈的 IDE 助手和行内代码补全。
• 延迟预算严格的高并发生产服务。
• 长上下文推理场景，端到端延迟主要由输出 token 生成速度决定。

如何接入 GLM-5.3-FlashX API

注册 TokenRa 账户，打开控制台创建 API 密钥，确认 GLM-5.3-FlashX 已为你的账户启用，然后从服务端发送兼容 OpenAI 的请求。密钥请保存在服务端，并在投入生产前核对实际的模型标识。

curl https://tokenra.io/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"glm-5.3-flashx","messages":[{"role":"user","content":"写一个 Python 列表排序函数"}]}'

GLM-5.3-FlashX 价格

GLM-5.3-FlashX 的价格与 GLM-5.3-Flash 一致：通过 TokenRa 使用时，输入每 100 万 tokens 0.14 美元，输出每 100 万 tokens 0.52 美元，缓存读取每 100 万 tokens 0.04 美元。开始使用无需绑定信用卡。投入生产前请在 TokenRa 控制台核对实时价格。

数据处理

提示词和生成内容由提供方保留，不用于训练。在发送敏感或受监管的信息之前，请查阅提供方和 TokenRa 的相关条款。

生产接入清单

• API 密钥保存在服务端，并按环境隔离凭据。
• 在依赖之前，核对 200 tok/s 的吞吐和支持的输入模态是否与实际集成一致。
• 用代表性的编程、智能体、推理和视觉上下文负载做测试。
• 设置明确的超时、有限重试、请求追踪和应用层预算控制。
• 结合自身场景审查数据处理方式、提供方条款、隐私要求和输出权利。

常见问题

继续探索