Unquant

Opening your workspace…

Unquant

GLM-5.3-Flash

Nosso modelo mais avançado, com arquitetura MoE esparsa de 328 bilhões de parâmetros, sem censura no nível dos tensores: raciocínio de ponta para programação complexa, agentes de longa duração e análises aprofundadas, com visão, chamadas de ferramentas e o contexto completo de 262 mil tokens em todos os planos.

Nosso modelo mais capaz, para programação complexa, agentes de longa duração, raciocínio e análises aprofundados, com o contexto completo de 262 mil tokens em todos os planos. Funciona com qualquer cliente que permita configurar uma URL base compatível com a OpenAI e um ID de modelo personalizados.

Visão geral

  • Família do modelo: GLM-5.3-Flash
  • ID do modelo: glm-5.3-flash
  • Planos a partir de US$ 109 / mês
  • Uso: tokens & mensagens ilimitados
  • Contexto: 262.144 tokens em todos os planos
  • Sem censura no nível dos tensores, com visão e chamadas de ferramentas
  • Acesso: versão beta privada · por convite

Assinaturas do GLM-5.3-Flash

  • GLM Standard: US$ 109/mês · tokens & mensagens ilimitados · contexto de 262 mil tokens · 1 stream simultâneo
  • GLM Pro: US$ 199/mês · tokens & mensagens ilimitados · contexto de 262 mil tokens · 2 streams simultâneos
  • GLM Ultra: US$ 399/mês · tokens & mensagens ilimitados · contexto de 262 mil tokens · 4 streams simultâneos
  • GLM Dedicated: US$ 5.999/mês · tokens & mensagens ilimitados · contexto de 262 mil tokens · 8 streams simultâneos

Comparar planos · Solicitar acesso à versão beta · Ler a documentação

Para que o GLM-5.3-Flash foi desenvolvido

  • Programação complexa: Alterações em vários arquivos, refatorações e depuração com o repositório inteiro no contexto.
  • Agentes: Chamadas de ferramentas e raciocínio ajustável para execuções longas, com várias etapas, no Claude Code, Codex ou OpenCode.
  • Análise: Contratos, pesquisas e documentos longos, lidos na íntegra.
  • Ficção elaborada: Narrativas longas com enredos complexos que mantêm a coerência ao longo de centenas de mensagens.

Especificações

  • Parâmetros: 328 bilhões (mistura esparsa de especialistas)
  • Contexto: 262 mil (tokens, em todos os planos)
  • Entrada: texto + imagens (visão integrada)
  • Raciocínio: 4 níveis (nenhum · baixo · alto · máximo)
  • ID do modelo: glm-5.3-flash
  • Modelo base: GLM-5.3-Flash da Z.ai, com pesos abertos
  • Saída: texto, com o raciocínio retornado separadamente
  • API: compatível com OpenAI e Anthropic
  • Chamadas de ferramentas, visão, transmissão em tempo real, saída em JSON, APIs da OpenAI & Anthropic, censura removida dos pesos, tokens ilimitados

Conecte-se em um minuto

Qualquer cliente compatível com a OpenAI funciona. Em 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)

Guias de configuração: SillyTavern · Janitor AI · Open WebUI · Claude Code · Documentação da API

Perguntas frequentes sobre o GLM-5.3-Flash

O GLM-5.3-Flash é mesmo sem censura?

Sim. O comportamento de recusa é removido dos pesos do modelo (remoção de censura no nível dos tensores), então você não precisa manter um prompt para contornar restrições. Visão, chamadas de ferramentas e raciocínio permanecem intactos.

É mesmo ilimitado?

Sim. Todos os planos do GLM-5.3-Flash incluem tokens e mensagens ilimitados, sem limites nem medição de uso. Os planos diferem apenas no número de requisições que podem ser executadas ao mesmo tempo.

Quanto contexto eu tenho disponível?

A janela completa de 262.144 tokens em todos os planos, sem um limite menor por requisição.

Posso desativar o raciocínio?

Sim. Envie reasoning_effort com o valor "none" para respostas diretas, ou use "low", "high" (o padrão) ou "max".