Unquant

Opening your workspace…

Unquant

GLM-5.3-Flash

Unser 328B Sparse-MoE-Flaggschiff, auf Tensor-Ebene unzensiert: Frontier-Reasoning für komplexes Coding, langaufige Agents und tiefe Analyse, mit Vision, Tool-Calling und dem vollen 262K-Kontext auf jedem Tarif.

Unser leistungsfähigstes Modell für komplexes Coding, langaufige Agents, tiefes Reasoning und Analyse, mit dem vollen 262K-Kontext auf jedem Tarif. Funktioniert mit jedem Client, der eine benutzerdefinierte OpenAI-kompatible Basis-URL und Modell-ID akzeptiert.

Auf einen Blick

  • Modellfamilie: GLM-5.3-Flash
  • Modell-ID: glm-5.3-flash
  • Pläne ab $109 / Monat
  • Nutzung: unbegrenzte Tokens & Nachrichten
  • Kontext: 262.144 Tokens auf jedem Plan
  • Auf Tensor-Ebene unzensiert, mit Vision und Tool-Calling
  • Zugang: private Beta — auf Einladung

GLM-5.3-Flash-Abonnements

  • GLM Standard: $109/Monat — unbegrenzte Tokens & Nachrichten — 262K Kontext — 1 gleichzeitiger Stream
  • GLM Pro: $199/Monat — unbegrenzte Tokens & Nachrichten — 262K Kontext — 2 gleichzeitige Streams
  • GLM Ultra: $399/Monat — unbegrenzte Tokens & Nachrichten — 262K Kontext — 4 gleichzeitige Streams
  • GLM Dedicated: $5.999/Monat — unbegrenzte Tokens & Nachrichten — 262K Kontext — 8 gleichzeitige Streams

Pläne vergleichen — Beta-Zugang beantragen — Docs lesen

Wofür GLM-5.3-Flash gebaut ist

  • Komplexes Coding: Multi-File-Änderungen, Refaktorierungen und Debugging mit dem gesamten Repository im Kontext.
  • Agents: Tool-Calling und anpassbares Reasoning für lange, mehrstufige Läufe in Claude Code, Codex oder OpenCode.
  • Analyse: Verträge, Recherchen und lange Dokumente, vollständig gelesen.
  • Ernsthaftes Schreiben: Handlungsintensives Langform-Schreiben, das über Hunderte von Nachrichten konsistent bleibt.

Spezifikationen

  • Parameter: 328B (Sparse Mixture of Experts)
  • Kontext: 262K (Tokens, auf jedem Plan)
  • Eingabe: Text + Bilder (Vision eingebaut)
  • Reasoning: 4 Stufen (none — low — high — max)
  • Modell-ID: glm-5.3-flash
  • Basismodell: GLM-5.3-Flash von Z.ai, offene Gewichte
  • Ausgabe: Text, mit separat zurückgegebenem Reasoning
  • API: OpenAI und Anthropic kompatibel
  • Tool-Calling, Vision, Streaming, JSON-Ausgabe, OpenAI & Anthropic APIs, In den Gewichten unzensiert, Unbegrenzte Tokens

In einer Minute verbinden

Jeder OpenAI-kompatible Client funktioniert. In Python:

from openai import OpenAI

client = OpenAI(base_url="https://api.unquant.io/v1", api_key="YOUR_UNQUANT_KEY")
reply = client.chat.completions.create(
    model="glm-5.3-flash",
    messages=[{"role": "user", "content": "Hello!"}],
)
print(reply.choices[0].message.content)

Einrichtungsanleitungen: SillyTavern — Janitor AI — Open WebUI — Claude Code — API Docs

GLM-5.3-Flash FAQ

Ist GLM-5.3-Flash wirklich unzensiert?

Ja. Verweigerungsverhalten wird in den Modellgewichten entfernt (Unzensierung auf Tensor-Ebene), sodass kein Jailbreak-Prompt zu pflegen ist. Vision, Tool-Calling und Reasoning bleiben intakt.

Ist es wirklich unbegrenzt?

Ja. Jeder GLM-5.3-Flash-Plan umfasst unbegrenzte Tokens und Nachrichten ohne Limits oder Zähler. Pläne unterscheiden sich nur darin, wie viele Anfragen gleichzeitig laufen können.

Wie viel Kontext erhalte ich?

Das vollständige 262.144-Token-Fenster auf jedem Plan, ohne niedrigere Einzelanfrage-Obergrenze.

Kann ich das Reasoning ausschalten?

Ja. Senden Sie reasoning_effort „none“ für direkte Antworten oder „low“, „high“ (Standard) oder „max“.