GLM-5.3-Flash

Notre modèle phare à architecture MoE parcimonieuse de 328 milliards de paramètres, sans censure au niveau des tenseurs : un raisonnement au niveau des meilleurs modèles pour les tâches de programmation complexes, les agents qui s'exécutent sur de longues durées et les analyses approfondies, avec la vision, l'appel d'outils et une fenêtre de contexte complète de 262K dans toutes les offres.

Notre modèle le plus performant, conçu pour les tâches de programmation complexes, les agents qui s'exécutent sur de longues durées, le raisonnement et l'analyse approfondis, avec une fenêtre de contexte complète de 262K dans toutes les offres. Fonctionne avec tout client permettant de définir une URL de base compatible avec OpenAI et un identifiant de modèle personnalisés.

En bref

• Famille de modèles : GLM-5.3-Flash
• Identifiant de modèle : glm-5.3-flash
• Abonnements à partir de 109 $ / mois
• Utilisation : tokens & messages illimités
• Contexte : 262 144 tokens dans toutes les offres
• Sans censure au niveau des tenseurs, avec la vision et l'appel d'outils
• Accès : bêta privée · sur invitation

Abonnements GLM-5.3-Flash

• GLM Standard: 109 $/mois · tokens & messages illimités · contexte de 262K · 1 flux de requêtes simultané
• GLM Pro: 199 $/mois · tokens & messages illimités · contexte de 262K · 2 flux de requêtes simultanés
• GLM Ultra: 399 $/mois · tokens & messages illimités · contexte de 262K · 4 flux de requêtes simultanés
• GLM Dedicated: 5 999 $/mois · tokens & messages illimités · contexte de 262K · 8 flux de requêtes simultanés

Comparer les offres · Demander l'accès à la bêta · Consulter la documentation

Les usages pour lesquels GLM-5.3-Flash est conçu

• Programmation complexe : Modifications sur plusieurs fichiers, refactorisation et débogage avec l'intégralité du dépôt dans le contexte.
• Agents : Appel d'outils et raisonnement réglable pour de longues exécutions en plusieurs étapes dans Claude Code, Codex ou OpenCode.
• Analyse : Contrats, travaux de recherche et longs documents lus dans leur intégralité.
• Fiction ambitieuse : Rédaction de longs récits aux intrigues élaborées, qui restent cohérents sur des centaines de messages.

Caractéristiques techniques

• Paramètres : 328 milliards (mélange d'experts parcimonieux)
• Contexte : 262K (tokens, dans toutes les offres)
• Entrée : texte + images (vision intégrée)
• Raisonnement : 4 niveaux (désactivé · faible · élevé · maximal)
• Identifiant de modèle : glm-5.3-flash
• Modèle de base : GLM-5.3-Flash de Z.ai, à poids ouverts
• Sortie : texte, avec le raisonnement renvoyé séparément
• API : compatible avec OpenAI et Anthropic
• Appel d'outils, vision, diffusion en continu, sortie JSON, API OpenAI & Anthropic, censure supprimée dans les poids du modèle, tokens illimités

Connectez-vous en une minute

Tout client compatible avec OpenAI convient. En 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)

Guides de configuration : SillyTavern · Janitor AI · Open WebUI · Claude Code · Documentation de l'API

Questions fréquentes sur GLM-5.3-Flash

GLM-5.3-Flash est-il vraiment sans censure ?

Oui. Les comportements de refus sont supprimés dans les poids du modèle (suppression de la censure au niveau des tenseurs) : vous n'avez donc aucun prompt de contournement à maintenir. La vision, l'appel d'outils et le raisonnement restent intacts.

Est-ce vraiment illimité ?

Oui. Chaque offre GLM-5.3-Flash comprend des tokens et des messages illimités, sans plafond ni compteur. Les offres se distinguent uniquement par le nombre de requêtes pouvant s'exécuter simultanément.

De quelle taille de contexte puis-je disposer ?

De la fenêtre complète de 262 144 tokens dans toutes les offres, sans plafond inférieur par requête.

Puis-je désactiver le raisonnement ?

Oui. Définissez reasoning_effort sur "none" pour des réponses directes, ou sur "low", "high" (valeur par défaut) ou "max".