

GLM 5.3 Flash et GLM 5.3 côte à côte : caractéristiques, capacités, paramètres et tarifs en direct du catalogue EmpirioLabs.
GLM 5.3 Flash et GLM 5.3 sont deux modèles Z.ai de la catégorie Génération de texte, disponibles via l'API EmpirioLabs.
| Spéc. | GLM 5.3 Flash | GLM 5.3 |
|---|---|---|
| ID du modèle | glm-5-3-flash | glm-5-3 |
| Auteur | Z.ai | Z.ai |
| Publié | 26 août 2026 | 14 août 2026 |
| Fenêtre de contexte | 1M tokens | 1M tokens |
| Sortie max | 131 072 tokens | 131 072 tokens |
| Entrée | Texte Image Vidéo Fichier | Texte |
| Sortie | Texte | Texte |
| Sortie structurée | Mode JSON | Mode JSON |
| Région | Singapore | Singapore |
| Endpoints | POST /v1/chat/completions POST /v1/responses POST /v1/messages POST /v1beta/models/glm-5-3-flash:generateContent | POST /v1/chat/completions POST /v1/responses POST /v1/messages POST /v1beta/models/glm-5-3:generateContent |
| Capacités |
Tarifs en direct du catalogue EmpirioLabs pour les deux modèles. Chaque grille tarifaire correspond toujours à ce que l'API facture.
Paramètres de requête indiqués pour chaque modèle sur EmpirioLabs, avec les valeurs autorisées ou la plage le cas échéant. Un tiret signale un paramètre que le modèle n'indique pas.
| Paramètre | GLM 5.3 Flash | GLM 5.3 |
|---|---|---|
| max_tokens | 1 à 131072 Par défaut: 65536 | 1 à 131072 Par défaut: 65536 |
| temperature | 0 à 1 Par défaut: 1 | 0 à 1 Par défaut: 1 |
| top_p | 0.01 à 1 Par défaut: 0.95 | 0.01 à 1 Par défaut: 0.95 |
| reasoning_effort | low, high, max Par défaut: max | low, high, max Par défaut: max |
| preserve_thinking | boolean Par défaut: false | boolean Par défaut: false |
| do_sample | boolean Par défaut: true | boolean Par défaut: true |
| tool_web_search | boolean Par défaut: false | boolean Par défaut: false |
| search_recency_filter | oneDay, oneWeek, oneMonth, oneYear, noLimit Par défaut: noLimit | oneDay, oneWeek, oneMonth, oneYear, noLimit Par défaut: noLimit |
| count | 1 à 50 Par défaut: 10 | 1 à 50 Par défaut: 10 |
| search_domain_filter | string | string |
| search_prompt | string | string |
| search_result | boolean Par défaut: true | boolean Par défaut: true |
| tool_stream | boolean Par défaut: false | boolean Par défaut: false |
| tools | array Par défaut: [] | array Par défaut: [] |
| tool_choice | object | object |
| stop | array | array |
GLM 5.3 Flash sert l'API Chat Completions compatible OpenAI. Pointez n'importe quel SDK OpenAI vers https://api.empiriolabs.ai/v1 avec votre clé API EmpirioLabs et utilisez l'id de modèle glm-5-3-flash. Les deux modèles s'appellent via le même endpoint. Définissez model sur glm-5-3-flash ou glm-5-3. Obtenez une clé API depuis le tableau de bord EmpirioLabs.
curl https://api.empiriolabs.ai/v1/chat/completions \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "glm-5-3-flash",
"messages": [
{"role": "user", "content": "Write a haiku about the ocean."}
]
}'GLM 5.3 Flash est la version la plus récente (26 août 2026) ; GLM 5.3 est sorti le 14 août 2026. Les deux modèles ont une fenêtre de contexte de 1M tokens. Types d'entrée acceptés uniquement par GLM 5.3 Flash : Fichier, Image, Vidéo. Les caractéristiques, les grilles tarifaires et les paramètres de cette page proviennent du catalogue EmpirioLabs en direct.
GLM 5.3 Flash est la version la plus récente (26 août 2026) ; GLM 5.3 est sorti le 14 août 2026.
GLM 5.3 Flash affiche le tarif le plus bas pour Entrée (par 1M de jetons d’invite) et Sortie (par 1M de jetons générés). Les deux grilles tarifaires en direct sont sur cette page et correspondent toujours à ce que l'API facture.
Oui. Les deux modèles utilisent POST /v1/chat/completions avec la même clé API EmpirioLabs : la plupart des intégrations basculent en changeant la valeur model. Vérifiez d'abord le tableau des paramètres de cette page si vous dépendez d'un paramètre propre à un modèle.
Oui. Ouvrez chaque modèle dans le playground EmpirioLabs et lancez le même prompt sur les deux, avec les paramètres exposés par l'API.
Consultez nos tarifs ou contactez-nous si vous souhaitez que votre propre modèle soit déployé sur notre stack.