Unquant

Opening your workspace…

Unquant

GLM-5.3-Flash

Mô hình chủ lực của chúng tôi sử dụng kiến trúc MoE thưa với 328 tỷ tham số, được gỡ bỏ kiểm duyệt ở cấp tensor: năng lực suy luận ngang tầm các mô hình hàng đầu dành cho lập trình phức tạp, tác tử hoạt động dài hạn và phân tích chuyên sâu, cùng khả năng hiểu hình ảnh, gọi công cụ và cửa sổ ngữ cảnh đầy đủ 262K ở mọi gói.

Mô hình mạnh nhất của chúng tôi, dành cho lập trình phức tạp, tác tử hoạt động dài hạn, suy luận và phân tích chuyên sâu, với cửa sổ ngữ cảnh đầy đủ 262K ở mọi gói. Hoạt động với mọi ứng dụng khách cho phép tùy chỉnh URL cơ sở tương thích với OpenAI và mã định danh mô hình.

Thông tin tổng quan

  • Dòng mô hình: GLM-5.3-Flash
  • Mã định danh mô hình: glm-5.3-flash
  • Các gói từ 109 USD / tháng
  • Mức sử dụng: token & tin nhắn không giới hạn
  • Ngữ cảnh: 262.144 token ở mọi gói
  • Gỡ bỏ kiểm duyệt ở cấp tensor, hỗ trợ hiểu hình ảnh và gọi công cụ
  • Quyền truy cập: thử nghiệm riêng tư · theo lời mời

Các gói đăng ký GLM-5.3-Flash

  • GLM Standard: 109 USD/tháng · token & tin nhắn không giới hạn · ngữ cảnh 262K · 1 luồng yêu cầu đồng thời
  • GLM Pro: 199 USD/tháng · token & tin nhắn không giới hạn · ngữ cảnh 262K · 2 luồng yêu cầu đồng thời
  • GLM Ultra: 399 USD/tháng · token & tin nhắn không giới hạn · ngữ cảnh 262K · 4 luồng yêu cầu đồng thời
  • GLM Dedicated: 5.999 USD/tháng · token & tin nhắn không giới hạn · ngữ cảnh 262K · 8 luồng yêu cầu đồng thời

So sánh các gói · Đăng ký tham gia thử nghiệm · Đọc tài liệu

GLM-5.3-Flash được xây dựng để làm gì

  • Lập trình phức tạp: Chỉnh sửa nhiều tệp, tái cấu trúc mã và gỡ lỗi với toàn bộ kho mã nguồn trong ngữ cảnh.
  • Tác tử: Gọi công cụ và điều chỉnh mức độ suy luận cho các phiên thực thi dài, nhiều bước trong Claude Code, Codex hoặc OpenCode.
  • Phân tích: Đọc trọn vẹn hợp đồng, tài liệu nghiên cứu và tài liệu dài.
  • Sáng tác truyện chuyên sâu: Viết truyện dài có cốt truyện phức tạp, duy trì tính nhất quán qua hàng trăm tin nhắn.

Thông số kỹ thuật

  • Tham số: 328 tỷ (kiến trúc hỗn hợp chuyên gia thưa)
  • Ngữ cảnh: 262K (token, ở mọi gói)
  • Đầu vào: Văn bản + hình ảnh (tích hợp khả năng hiểu hình ảnh)
  • Suy luận: 4 mức (không suy luận · thấp · cao · tối đa)
  • Mã định danh mô hình: glm-5.3-flash
  • Mô hình gốc: GLM-5.3-Flash của Z.ai, có trọng số mở
  • Đầu ra: Văn bản, với phần suy luận được trả về riêng
  • API: Tương thích với OpenAI và Anthropic
  • Gọi công cụ, hiểu hình ảnh, truyền dữ liệu theo luồng, đầu ra JSON, API OpenAI & Anthropic, gỡ bỏ kiểm duyệt trong trọng số, token không giới hạn

Kết nối trong một phút

Bạn có thể dùng bất kỳ ứng dụng khách nào tương thích với OpenAI. Ví dụ bằng 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)

Hướng dẫn thiết lập: SillyTavern · Janitor AI · Open WebUI · Claude Code · Tài liệu API

Câu hỏi thường gặp về GLM-5.3-Flash

GLM-5.3-Flash có thực sự không kiểm duyệt không?

Có. Hành vi từ chối được loại bỏ ngay trong trọng số mô hình (gỡ bỏ kiểm duyệt ở cấp tensor), nên bạn không cần duy trì prompt vượt rào. Khả năng hiểu hình ảnh, gọi công cụ và suy luận vẫn được giữ nguyên.

Có thực sự không giới hạn không?

Có. Mọi gói GLM-5.3-Flash đều bao gồm token và tin nhắn không giới hạn, không áp hạn mức hay tính phí theo lượng sử dụng. Các gói chỉ khác nhau ở số lượng yêu cầu có thể chạy cùng lúc.

Tôi được dùng bao nhiêu ngữ cảnh?

Bạn được dùng toàn bộ cửa sổ 262.144 token ở mọi gói, không bị áp giới hạn thấp hơn cho từng yêu cầu.

Tôi có thể tắt suy luận không?

Có. Gửi reasoning_effort với giá trị "none" để nhận câu trả lời trực tiếp, hoặc chọn "low", "high" (mặc định) hay "max".