logo
返回模型列表

Z.AI: GLM 5.3 (Free)下线免费限速

z-ai/glm-5.3-free
对比对话

GLM-5.3 is Zhipu AI’s next-generation flagship text model, built on GLM-5.2 and enhanced through large-scale, long-horizon task post-training. It delivers an approximately 50% improvement in coding experience, autonomously handling complex project development, debugging, validation, and delivery. It also supports a 1-million-token context window, up to 128K-token outputs, tool calling, and MCP, with strong performance in cybersecurity tasks such as code review and vulnerability detection.

由:Z.ai输入类型:输出类型:发布时间:2026-08-13

供应商

在多个供应商之间路由请求。复制供应商标识以设置偏好供应商。

供应商缓存命中率上下文
BigModel下线
bigmodel
88.5%$1.4$0/ 百万 token$4.4$0/ 百万 token读取：0.260/ 百万 token写入：-/ 百万 token1M3.47s53.4tps

可用率

24 小时

AI Gateway 直连请求及各供应商的成功率。

Aug 25, 07:59
BigModel100.00%

吞吐量

24 小时

AI Gateway 实时流量的 P50 吞吐量，单位为每秒 token 数（TPS）。

Aug 25, 07:00
BigModel53.4 tps

延迟

24 小时

AI Gateway 实时流量的 P50 首 token 延迟（TTFT），单位为毫秒。

Aug 25, 07:00
BigModel3.47s

活动

该模型随时间变化的 token 用量和请求流量。

Token 消耗
Aug 24
BigModel243.0M

按实际处理请求的供应商拆分 token 用量。区块越大，表示该供应商处理的模型流量越多。

基准测试

标准化评测得分。百分比越高越好，并展示排名百分位。

指标来源：Artificial Analysis

No data
该模型暂无基准测试数据。

Apps

Public apps that send the most traffic to this model. Good signal for what real production workloads look like — and a hint at which use cases this model is best suited for. View All

Token 排行
1LiteLLMLiteLLM 是由 BerriAI 开发的开源 AI 网关和 Python SDK，它提供了一个统一的、兼容 OpenAI 的接口，用于调用 OpenAI、Anthropic、Gemini、Bedrock 和 Azure 等 100 多家大模型供应商。它可以作为库嵌入到应用程序代码中，也可以作为代理服务器进行自托管，为团队和组织提供虚拟密钥、支出跟踪、预算管理、防护措施、负载均衡、故障转移以及管理仪表板。
147.2M> 999%
2ZcodeZcode 是一款由 Z.ai 构建的免费跨平台桌面编码应用程序，适用于 macOS、Windows 和 Linux。它将 AI 代理置于工作区的核心，该工作区包含文件管理器、终端、Git 面板和浏览器预览，使开发人员能针对长期运行的多步骤任务进行代码的规划、编写、审查和验证。它针对 Z.ai 的 GLM 编码模型优化了，同时也支持通过自带密钥访问第三方模型和代理工具，如 Claude Code、Codex 和 Gemini。
42.2M
3Claude CodeClaude Code 是 Anthropic 推出的智能编程工具，运行于终端，能理解项目代码库、编辑文件、运行命令，并能通过自然语言指令处理测试、调试和 Git 操作等工作流。它还以 IDE 插件（VS Code、JetBrains）、桌面应用程序和网页界面的形式提供，被开发者广泛用于构建功能、修复错误以及自动化日常开发任务。
36.3M372.25%
4Pi Coding AgentPi 是一个由 Mario Zechner (badlogic) 在 earendil-works/pi 项目下创建的开源、基于终端的 AI 编码助手。它在项目目录中本地运行，内置了最小化的工具集（读取、写入、编辑、bash）以及会话管理功能，用来通过 TypeScript 扩展、技能、提示词模板、主题和可共享的 Pi 包进行功能扩展。它支持多种 LLM 提供商，既可以交互式使用，也可以在打印/JSON 模式下使用，支持通过 RPC 协议通信，或通过其 SDK 进行嵌入。
7.6M82.87%
5开桥 Studio Chat开桥 Studio Chat 是由开桥 Singapore 运营的开桥 AI 模型聚合平台的内置网页聊天工作区。它允许用户在浏览器 GUI 中与多种不同的大型语言模型进行对话，并有多模型并排比较、多模态文件输入、Artifacts 生成、网络搜索、图像生成/编辑以及语音输入/输出等功能。
321.7K38.08%
6CodexOpenAI Codex 是来自 OpenAI 的编码智能体，可在开发者的本地机器上运行，提供终端 CLI（codex / codex exec）、macOS 和 Windows 桌面应用程序以及 IDE 扩展。它可以浏览代码库、编辑文件、运行命令和测试、审查差异并自动化长期运行的软件工程任务。
194.0K90.93%
7OpenCodeOpenCode 是一个开源、遵循 MIT 协议的 AI 编程助手，由 SST（现为 Anomaly）团队开发，提供终端 TUI/CLI、桌面应用程序以及 IDE 插件。它与模型无关，支持多种 LLM 提供商或本地模型，让开发者能直接在工作流程中探索代码库、规划变更、编辑文件、运行 Shell 命令以及使用 LSP 和 MCP 集成。
125.0K
8FactoryDroid CLI 是 Factory (factory.ai) 的终端客户端，这是一款 AI 软件开发平台。它以 `droid` 命令的形式分发，内部名称为 factory-cli。它在交互式终端界面中运行 Factory 的编码代理 (“Droid”)，使开发者能委派代码库分析、实现、测试、代码审查和 Git 工作，并提供审批/自主权控制、MCP 工具集成以及用于脚本和 CI/CD 的无头 `droid exec` 模式。
12.8K

相关模型

更多模型来自 Z.ai

Z.AI: GLM 5.3 Prime
638.47Mtoken

GLM-5.3-Prime is the high-speed variant of Z.ai's GLM-5.3, inheriting its full capabilities while delivering 1.5–2× higher output throughput through inference acceleration. It supports text input and output with a 1M-token context window and up to 128K output tokens, and is optimized for coding and agentic workloads, including long-horizon multi-turn agent orchestration, real-time conversation, and streaming code generation.

Z.AI: GLM 5.3 FlashX
22.53Btoken

GLM-5.3-FlashX is a faster and smoother version of GLM-5.3-Flash, delivering inference speeds of up to 200 tokens/s. GLM-5.3-FlashX is a native multimodal model from Z.ai. It is suited for efficient coding and long-horizon agent tasks. Its hybrid sparse and linear attention architecture maintains accurate long-context behavior while reducing compute overhead.

Z.AI: GLM 5.3 Flash
233.42Btoken

GLM-5.3-Flash is a native multimodal model from Z.ai. It is suited for efficient coding and long-horizon agent tasks. Its hybrid sparse and linear attention architecture maintains accurate long-context behavior while reducing compute overhead.