

GLM 5.3 Flash e GLM 4.7 Flash lado a lado: especificações, recursos, parâmetros e preços ao vivo do catálogo da EmpirioLabs.
GLM 5.3 Flash e GLM 4.7 Flash são modelos de Z.ai na categoria Geração de Texto, disponíveis pela API da EmpirioLabs.
| Especificação | GLM 5.3 Flash | GLM 4.7 Flash |
|---|---|---|
| ID do modelo | glm-5-3-flash | glm-4-7-flash |
| Autor | Z.ai | Z.ai |
| Lançado | 26 de ago. de 2026 | 19 de jan. de 2026 |
| Janela de contexto | 1M tokens | 202.8K tokens |
| Saída máxima | 131.072 tokens | 131.072 tokens |
| Entrada | Texto Imagem Vídeo Arquivo | Texto |
| Saída | Texto | Texto |
| Saída estruturada | Modo JSON | Modo JSON |
| Região | 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-4-7-flash:generateContent |
| Recursos |
Tarifas ao vivo do catálogo da EmpirioLabs para os dois modelos. Cada tabela de tarifas sempre corresponde ao que a API cobra.
Parâmetros de requisição que cada modelo indica na EmpirioLabs, com os valores permitidos ou o intervalo quando houver. Um traço marca um parâmetro que o modelo não indica.
| Parâmetro | GLM 5.3 Flash | GLM 4.7 Flash |
|---|---|---|
| max_tokens | 1 a 131072 Padrão: 65536 | 1 a 131072 Padrão: 4096 |
| temperature | 0 a 1 Padrão: 1 | 0 a 1 Padrão: 1 |
| top_p | 0.01 a 1 Padrão: 0.95 | 0.01 a 1 Padrão: 0.95 |
| reasoning_effort | low, high, max Padrão: max | - |
| preserve_thinking | boolean Padrão: false | boolean Padrão: false |
| do_sample | boolean Padrão: true | boolean Padrão: true |
| tool_web_search | boolean Padrão: false | boolean Padrão: false |
| search_recency_filter | oneDay, oneWeek, oneMonth, oneYear, noLimit Padrão: noLimit | oneDay, oneWeek, oneMonth, oneYear, noLimit Padrão: noLimit |
| count | 1 a 50 Padrão: 10 | 1 a 50 Padrão: 10 |
| search_domain_filter | string | string |
| search_prompt | string | string |
| search_result | boolean Padrão: true | boolean Padrão: true |
| tool_stream | boolean Padrão: false | boolean Padrão: false |
| tools | array Padrão: [] | array |
| tool_choice | object | auto Padrão: auto |
| stop | array | array |
O uso base do token é gratuito. A busca web integrada é opcional através do tool_web_search e adiciona $0.033 por requisição quando ativada.
GLM 5.3 Flash atende a API Chat Completions compatível com OpenAI. Aponte qualquer SDK OpenAI para https://api.empiriolabs.ai/v1 com sua chave de API EmpirioLabs e use o id de modelo glm-5-3-flash. Os dois modelos são chamados pelo mesmo endpoint. Defina model como glm-5-3-flash ou glm-4-7-flash. Obtenha uma chave de API no painel 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 é o lançamento mais recente (26 de ago. de 2026); GLM 4.7 Flash foi lançado em 19 de jan. de 2026. GLM 5.3 Flash tem a maior janela de contexto: 1M tokens, contra 202.8K de GLM 4.7 Flash. Tipos de entrada que só GLM 5.3 Flash aceita: Arquivo, Imagem, Vídeo. As especificações, as tabelas de tarifas e os parâmetros desta página vêm do catálogo ao vivo da EmpirioLabs.
GLM 5.3 Flash é o lançamento mais recente (26 de ago. de 2026); GLM 4.7 Flash foi lançado em 19 de jan. de 2026.
Os dois modelos são tarifados em unidades ou níveis diferentes, então compare as tabelas de tarifas ao vivo desta página. Elas sempre correspondem ao que a API cobra.
Sim. Os dois modelos usam POST /v1/chat/completions com a mesma chave de API da EmpirioLabs, então a maioria das integrações alterna só mudando o valor model. Confira antes a tabela de parâmetros desta página se você depende de um parâmetro específico de um modelo.
Sim. Abra cada modelo no playground da EmpirioLabs e execute o mesmo prompt nos dois, com os parâmetros que a API expõe.
Confira nossos preços ou entre em contato se quiser que seu próprio modelo seja implementado em nossa pilha.