GLM-5.3 สามารถรับมือกับงานวิศวกรรมซอฟต์แวร์ระยะยาวได้หรือไม่?

ใช่. GLM-5.3 ผ่านการฝึกเพิ่มเติมโดยเฉพาะบนสภาพแวดล้อมวิศวกรรมระยะยาว ซึ่งเอเจนต์ต้องวางแผน ใช้เครื่องมือ ตรวจสอบผลลัพธ์ ปรับกลยุทธ์ และทำงานหลายขั้นตอนให้เสร็จสมบูรณ์.

GLM-5.3 ดีกว่า GLM-5.2 ในการเขียนโค้ดมากแค่ไหน?

Z.ai รายงานว่าคะแนนเกณฑ์วัดผลการเขียนโค้ดระยะยาวเพิ่มขึ้นอย่างมีนัยสำคัญ: Terminal-Bench 3.0 เพิ่มจาก 4.6 สำหรับ GLM-5.2 เป็น 28.3 สำหรับ GLM-5.3 ขณะที่ DeepSWE v1.1 เพิ่มจาก 46.2 เป็น 66.9.

GLM-5.3 API รองรับโหมดการให้เหตุผลใดบ้าง?

GLM-5.3 รองรับระดับความพยายามในการคิดสามระดับ: low, high และ max. ต่างจากการกำหนดค่าบางแบบก่อนหน้านี้ ไม่สามารถปิดการคิดได้.

GLM-5.3 เป็นโอเพนซอร์สหรือ open-weight หรือไม่?

Z.ai ประกาศว่า GLM-5.3 เป็นโมเดลแบบ open-weight แต่กำหนดจะเผยแพร่น้ำหนักโมเดลประมาณสองสัปดาห์หลังการเปิดตัว ระหว่างที่ Z.ai ดำเนินการประเมินและเสริมความปลอดภัยเพิ่มเติมให้เสร็จสิ้น.

GLM-5.3 เปรียบเทียบกับ Claude Opus 4.8 ในด้านการเขียนโค้ดอย่างไร?

GLM-5.3 มีพัฒนาการอย่างมากในเกณฑ์วัดผลการเขียนโค้ดระยะยาวและงานเอเจนต์ และถูกวางตำแหน่งให้เป็นทางเลือกแบบ open-weight ที่แข็งแกร่ง แต่การเปรียบเทียบที่ Z.ai รายงานยังแสดงว่าโมเดลแนวหน้าที่เป็นกรรมสิทธิ์อย่างเช่น Claude Opus 4.8 ยังนำอยู่ในการประเมินที่ยากกว่าบางรายการ.

GLM-5.3 รองรับงานด้านความมั่นคงปลอดภัยไซเบอร์และการวิจัยช่องโหว่หรือไม่?

ใช่. Z.ai รายงานประสิทธิภาพด้านความมั่นคงปลอดภัยไซเบอร์ที่แข็งแกร่ง รวมถึง 84.5% บน CyberGym และ 54.4% บน ExploitBench ความสามารถเหล่านี้มีการใช้งานสองทาง และควรใช้งานเฉพาะในสภาพแวดล้อมด้านความปลอดภัยที่ได้รับอนุญาตและแยกตัวเท่านั้น.

มีการเปลี่ยนแปลงภายในจาก GLM-5.2 เป็น GLM-5.3 อย่างไรบ้าง?

GLM-5.3 ยังคงใช้โมเดลฐานของ GLM-5.2 แทนที่จะนำสถาปัตยกรรมฐานใหม่มาใช้ Z.ai ระบุว่าการปรับปรุงส่วนใหญ่เกิดจากการฝึกเพิ่มเติมที่ขยายขนาด ครอบคลุมชุดสภาพแวดล้อมการทำงานระดับมืออาชีพที่ใหญ่ขึ้นและหลากหลายยิ่งขึ้น.

Zhipu AI

พร้อมใช้งาน

glm-5.3

GLM 5.3 API

GLM-5.3 is a next-generation open-source large language model optimized for complex coding, long-horizon tasks, and cybersecurity scenarios. It delivers significantly improved coding capabilities and agent performance compared with GLM-5.2.

ราคาเริ่มต้น

$1.12 / อินพุต 1 ล้านโทเคน

คิดค่าบริการตามการใช้งาน

สถานะ API

พร้อมใช้งาน

เอนด์พอยต์สำหรับโปรดักชัน

เวลาตอบสนอง

รองรับการทำงานแบบ async

เวลาตอบสนอง API ที่วัดได้จริง

วันที่เผยแพร่

Aug 13, 2026

Zhipu AI

Playground

ลองใช้ GLM 5.3 ด้วยคำขอจริง ตรวจสอบพารามิเตอร์ และตรวจสอบผลลัพธ์ก่อนเชื่อมต่อ API

ภาพรวม

ภาพรวมการใช้งานจริงของ GLM 5.3 รวมถึงพฤติกรรมสำคัญและข้อควรพิจารณาในการเชื่อมต่อ

ข้อมูลจำเพาะทาง技术ของ GLM-5.3

Specification	GLM-5.3
Developer	Z.ai / Zhipu AI
Release	August 14, 2026
Model type	โมเดลพื้นฐานระดับเรือธง
Input	ข้อความ
Output	ข้อความ
Context window	1,000,000 โทเค็น
Maximum output	128,000 โทเค็น
Thinking	หลายโหมด
Streaming	ใช่
Function calling	ใช่
Structured output	ใช่
Context caching	ใช่
MCP	ใช่
Primary applications	การเขียนโค้ด, เอเจนต์, วิศวกรรม, ความปลอดภัยไซเบอร์

ที่เก็บโมเดลสาธารณะของ Z.ai ยังแสดง GLM-5.2 อย่างเด่นชัด แทนที่จะมีไฟล์ GLM-5.3 ให้ดาวน์โหลด ดังนั้นข้อมูลจำเพาะที่ยังไม่ได้เผยแพร่ควรยังคงระบุอย่างชัดเจนว่าไม่ยืนยัน

GLM-5.3 คืออะไร?

GLM-5.3 คือรุ่นล่าสุดในตระกูล GLM ของ Z.ai และสะท้อนการเปลี่ยนผ่านไปสู่ระบบ AI ที่สามารถปฏิบัติงานด้านความปลอดภัยและวิศวกรรมที่ซับซ้อนได้อย่างอัตโนมัติ

การประกาศครั้งนี้น่าสังเกตเป็นพิเศษ เพราะความปลอดภัยไซเบอร์ไม่ได้ถูกนำเสนอเพียงเป็นหมวดหมู่เบนช์มาร์กอีกหมวดหนึ่งเท่านั้น Z.ai ใช้ GLM-5.3 เพื่อสาธิตระบบ AI ที่สามารถค้นหาช่องโหว่ของซอฟต์แวร์และมีบทบาทในเวิร์กโฟลว์การพัฒนาโจมตี

Reuters รายงานว่า Z.ai วางแผนจะเผยแพร่โมเดลต่อสาธารณะหลังจากเสร็จสิ้นการประเมินด้านความปลอดภัย ขณะที่ความสามารถขั้นสูงจะถูกจำกัดไว้ก่อนผ่านกลไกการเข้าถึงแบบได้รับความไว้วางใจ

นี่เป็นการเปลี่ยนจุดเน้นที่สำคัญจาก GLM-5.2

GLM-5.2 ถูกวางตำแหน่งหลักไว้กับวิศวกรรมซอฟต์แวร์ระยะยาวและการเขียนโค้ดแบบเอเจนต์ หน้าเพจงานวิจัยของ Z.ai ในเดือนมิถุนายนอธิบาย GLM-5.2 ว่า "Built for Long-Horizon Tasks."

GLM-5.3 พาแนวคิดแบบเอเจนต์นั้นเข้าสู่โดเมนที่อ่อนไหวกว่ามาก:

วิศวกรรมซอฟต์แวร์ → การค้นหาช่องโหว่ → การป้องกันไซเบอร์ → ความปลอดภัยเชิงรุกแบบควบคุม

คุณสมบัติหลักของ GLM-5.3 คืออะไร?

การให้เหตุผลโดยเน้นความปลอดภัยไซเบอร์

ความสามารถเด่นคือความปลอดภัยไซเบอร์

GLM-5.3 ทำได้:

84.5% บน CyberGym

CyberGym ประเมินความสามารถของระบบ AI ในการระบุช่องโหว่ของซอฟต์แวร์ ผลลัพธ์นี้สูงกว่า Mythos 5 ที่รายงานไว้ 83.8% เล็กน้อย

นั่นสำคัญเพราะความปลอดภัยไซเบอร์ต้องการมากกว่าการสร้างโค้ดที่ถูกต้องตามไวยากรณ์

เอเจนต์ด้านความปลอดภัยที่มีความสามารถต้องสามารถ:

ทำความเข้าใจโค้ดที่ไม่คุ้นเคย
ระบุพื้นผิวการโจมตี
ตั้งสมมติฐานเกี่ยวกับช่องโหว่
ติดตามการไหลของข้อมูลและการควบคุม
ตรวจสอบความถูกต้องของสมมติฐาน
พัฒนาต้นแบบพิสูจน์แนวคิดที่เหมาะสม
ตัดสินว่าช่องโหว่นั้นสามารถนำไปใช้โจมตีได้จริงหรือไม่

คะแนน CyberGym ของ GLM-5.3 บ่งชี้ถึงความก้าวหน้าที่มีนัยสำคัญในส่วนแรกของสายโซ่นี้

การค้นหาช่องโหว่ที่แข็งแกร่ง

คะแนน 84.5% บน CyberGym อาจถือได้ว่าเป็นผลลัพธ์ระยะเริ่มต้นที่น่าประทับใจที่สุด

มันทำให้ GLM-5.3 นำหน้า Mythos 5 เล็กน้อยในด้านการระบุช่องโหว่:

Model	CyberGym
GLM-5.3	84.5%
Mythos 5	83.8%

ส่วนต่างมีเพียง 0.7 จุดเปอร์เซ็นต์ ดังนั้นการบรรยายว่า GLM-5.3 เหนือกว่าอย่างเด็ดขาดจะทำให้เข้าใจผิด

ประเด็นที่น่าสนใจกว่าคือโมเดล open-weight จาก Z.ai กำลังก้าวเข้าสู่ระดับประสิทธิภาพใกล้เคียงกับระบบความปลอดภัยไซเบอร์ที่มีข้อจำกัดสูง

การพัฒนาเอ็กซ์พลอยต์ยังคงเป็นจุดอ่อน

GLM-5.3 ไม่ได้ครอบงำทุกงานด้านความปลอดภัยไซเบอร์

บน ExploitBench:

Model	ExploitBench
GLM-5.3	54.4%
Mythos 5	78.0%

นั่นเป็นช่องว่าง 23.6 จุด

นี่เผยให้เห็นความแตกต่างสำคัญ:

การค้นหาช่องโหว่ไม่เหมือนกับการเอ็กซ์พลอยต์อย่างน่าเชื่อถือ

GLM-5.3 ดูมีความสามารถสูงในการระบุจุดอ่อน แต่ผลลัพธ์ระยะแรกบ่งชี้ว่าการเปลี่ยนสิ่งที่พบให้กลายเป็นการพัฒนาเอ็กซ์พลอยต์ที่เชื่อถือได้ยังยากกว่ามาก

สำหรับทีมความปลอดภัยระดับองค์กร นี่ทำให้โมเดลน่าสนใจในฐานะผู้ช่วยวิเคราะห์ช่องโหว่เชิงรับ มากกว่ากลไกอัตโนมัติด้านการรุกเพียงอย่างเดียว

GLM-5.3 เทียบกับ GLM-5.2

GLM-5.2 มอบเส้นฐานที่ยืนยันแล้วซึ่งมีประโยชน์ที่สุด

Feature	GLM-5.2	GLM-5.3
Status	เผยแพร่แล้ว	ประกาศแล้ว
Primary positioning	เอเจนต์ระยะยาว	ความปลอดภัยไซเบอร์ + เอเจนต์
Coding	ยอดเยี่ยม	คาดว่าจะยังคงแข็งแกร่ง
Cybersecurity	ศักยภาพสูง	โฟกัสหลักอย่างชัดเจน
CyberGym	—	84.5%
ExploitBench	—	54.4%
Context	1M	ยังไม่ยืนยัน
Parameters	~753B	ยังไม่ยืนยัน
License	MIT	ประกาศเป็น open-weight
API pricing	เผยแพร่แล้ว	ยังไม่เผยแพร่
Public weights	พร้อมใช้งาน	วางแผนไว้

สถาปัตยกรรมของ GLM-5.2 ที่ยืนยันแล้วอยู่ที่ประมาณ 753B พารามิเตอร์ และแคตตาล็อกโมเดลสาธารณะยังคงแสดงโมเดล 753B และเวอร์ชัน FP8

GLM-5.2 ยังทำได้ 81.0 บน Terminal-Bench 2.1 และ 62.1 บน SWE-bench Pro ตามรายงานจากบุคคลที่สามซึ่งอ้างอิงจากเอกสารประเมินผลโมเดลของ Z.ai

แต่ตัวเลขเหล่านั้นควรยังคงเป็นเบนช์มาร์กของ GLM-5.2 ไม่ใช่ของ GLM-5.3

GLM-5.3 เทียบกับ Mythos 5

นี่คือการเปรียบเทียบเบนช์มาร์กที่มีความหมายที่สุดในตอนนี้

Benchmark	GLM-5.3	Mythos 5	Difference
CyberGym	84.5%	83.8%	+0.7 pp
ExploitBench	54.4%	78.0%	−23.6 pp

ผลลัพธ์นำไปสู่ข้อสรุปที่มีความละเอียดอ่อน

GLM-5.3 ชนะในด้านการระบุช่องโหว่

แต่:

Mythos 5 ยังคงแข็งแกร่งกว่ามากในด้านการพัฒนาเอ็กซ์พลอยต์

ดังนั้น การกล่าวว่า "GLM-5.3 ชนะ Mythos 5" จะเป็นการตีความข้อมูลที่มีอยู่ไม่ถูกต้อง

คำอธิบายที่ดีกว่าคือ:

GLM-5.3 ไปถึงระดับประสิทธิภาพระดับ Mythos 5 ในการค้นหาช่องโหว่ ขณะเดียวกันยังตามหลังในด้านการพัฒนาเอ็กซ์พลอยต์

คำถามที่พบบ่อย

ราคา

ใช้การประเมินค่าใช้จ่ายอย่างรวดเร็วด้านบนสำหรับการรันครั้งเดียว จากนั้นดูการเปรียบเทียบราคาฉบับเต็มระหว่าง CometAPI และราคาทางการ

คำขอแรก

—

ค่าใช้จ่ายโดยประมาณของ CometAPI

สิบคำขอ

—

ค่าใช้จ่ายโดยประมาณของ CometAPI

สิบห้าคำขอ

—

ค่าใช้จ่ายโดยประมาณของ CometAPI

ราคาสำหรับ GLM 5.3

สำรวจราคาที่แข่งขันได้สำหรับ GLM 5.3 ที่ออกแบบมาให้เหมาะสมกับงบประมาณและความต้องการการใช้งานที่หลากหลาย แผนการบริการที่ยืดหยุ่นของเรารับประกันว่าคุณจะจ่ายเฉพาะสิ่งที่คุณใช้เท่านั้น ทำให้สามารถขยายขนาดได้ง่ายเมื่อความต้องการของคุณเพิ่มขึ้น ค้นพบว่า GLM 5.3 สามารถยกระดับโปรเจกต์ของคุณได้อย่างไรในขณะที่ควบคุมต้นทุนให้อยู่ในระดับที่จัดการได้

Comet Price (USD / M Tokens)	Official Price (USD / M Tokens)	Discount
อินพุต:$1.12/M เอาต์พุต:$3.528/M	อินพุต:$1.4/M เอาต์พุต:$4.41/M	-20%

API

คัดลอกเอนด์พอยต์และตัวอย่างโค้ดที่ใช้งานได้จริง จากนั้นเปิดเอกสารอ้างอิง API ฉบับเต็มเมื่อต้องการพารามิเตอร์ทั้งหมด

API เดียว เข้าถึงโมเดลพร้อมใช้งานจริง

ยืนยันตัวตนเพียงครั้งเดียว เรียกใช้เอนด์พอยต์ของโมเดล และคงเวิร์กโฟลว์การเรียกเก็บเงินและการตรวจสอบแบบเดียวกันในทุกผู้ให้บริการ

POST/v1/chat/completions

โค้ดตัวอย่างและ API สำหรับ GLM 5.3

เข้าถึงโค้ดตัวอย่างที่ครอบคลุมและทรัพยากร API สำหรับ GLM 5.3 เพื่อปรับปรุงกระบวนการผสานรวมของคุณ เอกสารประกอบที่มีรายละเอียดของเราให้คำแนะนำทีละขั้นตอน ช่วยให้คุณใช้ประโยชน์จากศักยภาพเต็มรูปแบบของ GLM 5.3 ในโครงการของคุณ

POST

/v1/chat/completions

#!/usr/bin/env bash

# Get your CometAPI key from https://www.cometapi.com/console/token
COMETAPI_KEY="${COMETAPI_KEY:-<YOUR_COMETAPI_KEY>}"

curl_args=(
  --silent
  --show-error
  --max-time 180
  https://api.cometapi.com/v1/chat/completions
  -H "Content-Type: application/json"
  -H "Authorization: Bearer $COMETAPI_KEY"
  -d '{
    "model": "glm-5.3",
    "messages": [
      {
        "role": "user",
        "content": "Reply with one short sentence confirming that you are ready."
      }
    ],
    "max_tokens": 64
  }'
)

if [[ "${COMETAPI_RUNTIME_EVIDENCE:-}" == "1" ]]; then
  curl_args+=(
    --write-out $'%{stderr}__COMETAPI_RUNTIME__{"http_status":%{http_code},"headers":{"content-type":"%header{content-type}","x-cometapi-request-id":"%header{x-cometapi-request-id}","x-request-id":"%header{x-request-id}","request-id":"%header{request-id}","cf-ray":"%header{cf-ray}"}}
'
  )
fi

response=$(curl "${curl_args[@]}")

printf '%s
' "$response" | python -c \
  'import json, sys; message = json.load(sys.stdin)["choices"][0]["message"]; print(message.get("content") or message)'

cURL Code Example

#!/usr/bin/env bash

# Get your CometAPI key from https://www.cometapi.com/console/token
COMETAPI_KEY="${COMETAPI_KEY:-<YOUR_COMETAPI_KEY>}"

curl_args=(
  --silent
  --show-error
  --max-time 180
  https://api.cometapi.com/v1/chat/completions
  -H "Content-Type: application/json"
  -H "Authorization: Bearer $COMETAPI_KEY"
  -d '{
    "model": "glm-5.3",
    "messages": [
      {
        "role": "user",
        "content": "Reply with one short sentence confirming that you are ready."
      }
    ],
    "max_tokens": 64
  }'
)

if [[ "${COMETAPI_RUNTIME_EVIDENCE:-}" == "1" ]]; then
  curl_args+=(
    --write-out $'%{stderr}__COMETAPI_RUNTIME__{"http_status":%{http_code},"headers":{"content-type":"%header{content-type}","x-cometapi-request-id":"%header{x-cometapi-request-id}","x-request-id":"%header{x-request-id}","request-id":"%header{request-id}","cf-ray":"%header{cf-ray}"}}\n'
  )
fi

response=$(curl "${curl_args[@]}")

printf '%s\n' "$response" | python -c \
  'import json, sys; message = json.load(sys.stdin)["choices"][0]["message"]; print(message.get("content") or message)'

Python Code Example

import json
import os
import sys

import httpx


# Get your CometAPI key from https://www.cometapi.com/console/token
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"

with httpx.Client(
    timeout=180.0,
    transport=httpx.HTTPTransport(retries=0),
) as client:
    response = client.post(
        "https://api.cometapi.com/v1/chat/completions",
        headers={
            "Authorization": f"Bearer {COMETAPI_KEY}",
            "Content-Type": "application/json",
        },
        json={
            "model": "glm-5.3",
            "messages": [
                {
                    "role": "user",
                    "content": (
                        "Reply with one short sentence confirming that you are ready."
                    ),
                }
            ],
            "max_tokens": 64,
        },
    )

if os.environ.get("COMETAPI_RUNTIME_EVIDENCE") == "1":
    safe_headers = {
        name: response.headers.get(name)
        for name in (
            "cf-ray",
            "content-length",
            "content-type",
            "date",
            "request-id",
            "server",
            "x-cometapi-request-id",
            "x-request-id",
        )
        if response.headers.get(name) is not None
    }
    print(
        "__COMETAPI_RUNTIME__"
        + json.dumps({"http_status": response.status_code, "headers": safe_headers}),
        file=sys.stderr,
    )

response.raise_for_status()
message = response.json()["choices"][0]["message"]
print(message.get("content") or message)

JavaScript Code Example

// Get your CometAPI key from https://www.cometapi.com/console/token
const COMETAPI_KEY = process.env.COMETAPI_KEY || "<YOUR_COMETAPI_KEY>";

const response = await fetch("https://api.cometapi.com/v1/chat/completions", {
  method: "POST",
  headers: {
    Authorization: `Bearer ${COMETAPI_KEY}`,
    "Content-Type": "application/json",
  },
  body: JSON.stringify({
    model: "glm-5.3",
    messages: [
      {
        role: "user",
        content: "Reply with one short sentence confirming that you are ready.",
      },
    ],
    max_tokens: 64,
  }),
  signal: AbortSignal.timeout(180_000),
});

if (process.env.COMETAPI_RUNTIME_EVIDENCE === "1") {
  const safeHeaderNames = [
    "cf-ray",
    "content-length",
    "content-type",
    "date",
    "request-id",
    "server",
    "x-cometapi-request-id",
    "x-request-id",
  ];
  const headers = Object.fromEntries(
    safeHeaderNames
      .map((name) => [name, response.headers.get(name)])
      .filter(([, value]) => value !== null),
  );
  console.error(
    `__COMETAPI_RUNTIME__${JSON.stringify({
      http_status: response.status,
      headers,
    })}`,
  );
}

if (!response.ok) {
  throw new Error(`CometAPI request failed with HTTP ${response.status}`);
}

const message = (await response.json()).choices[0].message;
console.log(message.content || JSON.stringify(message));

ความสามารถ

ตรวจสอบข้อมูลสำคัญของโมเดลก่อนเลือกสถาปัตยกรรมหรือประเมินภาระงานในโปรดักชัน

ความสามารถที่รองรับ

ฟีเจอร์ที่ส่งกลับโดย API ของโมเดลปัจจุบัน

text-to-text

อินพุตและเอาต์พุต

อินพุต

text

เอาต์พุต

text

โปรไฟล์การใช้งานจริง

ผู้ให้บริการ: Zhipu AI
บริบท: ขึ้นอยู่กับโมเดล
การใช้งานเชิงพาณิชย์: รองรับ

กรณีการใช้งาน

ใช้ GLM 5.3 สำหรับเวิร์กโฟลว์ระดับโปรดักชันที่เหมาะกับความสามารถด้าน text จากนั้นเปรียบเทียบทางเลือกอื่นก่อนตัดสินใจเชื่อมต่อระยะยาว

แชทระดับโปรดักชันและเวิร์กโฟลว์ของเอเจนต์

การเขียนโค้ด วิเคราะห์ และสร้างผลลัพธ์เชิงโครงสร้าง

การทำงานอัตโนมัติปริมาณสูงผ่าน API เดียว

โมเดลอื่น ๆ

เปรียบเทียบโมเดลอื่น ๆ ที่มีให้บริการผ่าน CometAPI ในด้านคุณภาพ ความหน่วง ความสามารถ และราคา

เปิดการเปรียบเทียบโมเดล →

Google

Gemini 3.7 Flash

3.7 Flash delivers substantial improvements across software engineering, knowledge work, and web development workflows — with an introductory price of half the original 3.6 Flash cost per million tokens.

ดูโมเดล

DeepSeek

DeepSeek-V4-Flash-Vision

The deepseek-v4-flash-vision-exp model accepts images alongside text, so you can ask the model to describe pictures, read text from screenshots, analyze charts, and more.Supported image formats: JPEG, PNG, GIF, and WebP. The format is detected from the actual file content, not from the file name or the declared MIME type.

ดูโมเดล

DeepSeek

DeepSeek V4 Pro

DeepSeek V4 Pro is a large-scale Mixture-of-Experts model from DeepSeek with 1.6T total parameters and 49B activated parameters, supporting a 1M-token context window. It is designed for advanced reasoning, coding, and long-horizon agent workflows, with strong performance across knowledge, math, and software engineering benchmarks.

ดูโมเดล

xAI

Grok 4.6

The flagship model for code and everything else: agentic tool calling, minimal hallucinations, configurable reasoning.

ดูโมเดล

Anthropic

Claude Fable 5

Access to Claude Fable 5 has been restored. It brings 5th-generation intelligence to your most ambitious coding and professional work.

ดูโมเดล

Anthropic

Claude Sonnet 5

Claude Sonnet 5 API is live on CometAPI at $1.6 per million input tokens and $8 per million output tokens, 20 percent below Anthropic list price. One key gives you Claude Sonnet 5 plus 500+ models from OpenAI, Google, and ByteDance under all in one pricing and a single invoice. No seat fees. No monthly minimum. Pay only for what you use. Start free and make your first call in under five minutes.

ดูโมเดล

Uptime

ตรวจสอบข้อมูล heartbeat แบบเรียลไทม์ ความพร้อมใช้งานของเอนด์พอยต์ และเวลาตอบสนองที่วัดได้จริงก่อนใช้งานจริง

สำรวจต่อ

เปรียบเทียบโมเดลและค้นคว้าต่อ

Zhipu AI

พร้อมใช้งาน

glm-5.3

GLM 5.3 API

ราคาเริ่มต้น

$1.12 / อินพุต 1 ล้านโทเคน

คิดค่าบริการตามการใช้งาน

สถานะ API

พร้อมใช้งาน

เอนด์พอยต์สำหรับโปรดักชัน

เวลาตอบสนอง

รองรับการทำงานแบบ async

เวลาตอบสนอง API ที่วัดได้จริง

วันที่เผยแพร่

Aug 13, 2026

Zhipu AI

Playground

ภาพรวม

ข้อมูลจำเพาะทาง技术ของ GLM-5.3

Specification	GLM-5.3
Developer	Z.ai / Zhipu AI
Release	August 14, 2026
Model type	โมเดลพื้นฐานระดับเรือธง
Input	ข้อความ
Output	ข้อความ
Context window	1,000,000 โทเค็น
Maximum output	128,000 โทเค็น
Thinking	หลายโหมด
Streaming	ใช่
Function calling	ใช่
Structured output	ใช่
Context caching	ใช่
MCP	ใช่
Primary applications	การเขียนโค้ด, เอเจนต์, วิศวกรรม, ความปลอดภัยไซเบอร์

GLM-5.3 คืออะไร?

นี่เป็นการเปลี่ยนจุดเน้นที่สำคัญจาก GLM-5.2

GLM-5.3 พาแนวคิดแบบเอเจนต์นั้นเข้าสู่โดเมนที่อ่อนไหวกว่ามาก:

คุณสมบัติหลักของ GLM-5.3 คืออะไร?

การให้เหตุผลโดยเน้นความปลอดภัยไซเบอร์

ความสามารถเด่นคือความปลอดภัยไซเบอร์

GLM-5.3 ทำได้:

84.5% บน CyberGym

เอเจนต์ด้านความปลอดภัยที่มีความสามารถต้องสามารถ:

ทำความเข้าใจโค้ดที่ไม่คุ้นเคย
ระบุพื้นผิวการโจมตี
ตั้งสมมติฐานเกี่ยวกับช่องโหว่
ติดตามการไหลของข้อมูลและการควบคุม
ตรวจสอบความถูกต้องของสมมติฐาน
พัฒนาต้นแบบพิสูจน์แนวคิดที่เหมาะสม
ตัดสินว่าช่องโหว่นั้นสามารถนำไปใช้โจมตีได้จริงหรือไม่

การค้นหาช่องโหว่ที่แข็งแกร่ง

มันทำให้ GLM-5.3 นำหน้า Mythos 5 เล็กน้อยในด้านการระบุช่องโหว่:

Model	CyberGym
GLM-5.3	84.5%
Mythos 5	83.8%

การพัฒนาเอ็กซ์พลอยต์ยังคงเป็นจุดอ่อน

GLM-5.3 ไม่ได้ครอบงำทุกงานด้านความปลอดภัยไซเบอร์

บน ExploitBench:

Model	ExploitBench
GLM-5.3	54.4%
Mythos 5	78.0%

นั่นเป็นช่องว่าง 23.6 จุด

นี่เผยให้เห็นความแตกต่างสำคัญ:

การค้นหาช่องโหว่ไม่เหมือนกับการเอ็กซ์พลอยต์อย่างน่าเชื่อถือ

GLM-5.3 เทียบกับ GLM-5.2

GLM-5.2 มอบเส้นฐานที่ยืนยันแล้วซึ่งมีประโยชน์ที่สุด

Feature	GLM-5.2	GLM-5.3
Status	เผยแพร่แล้ว	ประกาศแล้ว
Primary positioning	เอเจนต์ระยะยาว	ความปลอดภัยไซเบอร์ + เอเจนต์
Coding	ยอดเยี่ยม	คาดว่าจะยังคงแข็งแกร่ง
Cybersecurity	ศักยภาพสูง	โฟกัสหลักอย่างชัดเจน
CyberGym	—	84.5%
ExploitBench	—	54.4%
Context	1M	ยังไม่ยืนยัน
Parameters	~753B	ยังไม่ยืนยัน
License	MIT	ประกาศเป็น open-weight
API pricing	เผยแพร่แล้ว	ยังไม่เผยแพร่
Public weights	พร้อมใช้งาน	วางแผนไว้

แต่ตัวเลขเหล่านั้นควรยังคงเป็นเบนช์มาร์กของ GLM-5.2 ไม่ใช่ของ GLM-5.3

GLM-5.3 เทียบกับ Mythos 5

นี่คือการเปรียบเทียบเบนช์มาร์กที่มีความหมายที่สุดในตอนนี้

Benchmark	GLM-5.3	Mythos 5	Difference
CyberGym	84.5%	83.8%	+0.7 pp
ExploitBench	54.4%	78.0%	−23.6 pp

ผลลัพธ์นำไปสู่ข้อสรุปที่มีความละเอียดอ่อน

GLM-5.3 ชนะในด้านการระบุช่องโหว่

แต่:

Mythos 5 ยังคงแข็งแกร่งกว่ามากในด้านการพัฒนาเอ็กซ์พลอยต์

คำอธิบายที่ดีกว่าคือ:

GLM-5.3 ไปถึงระดับประสิทธิภาพระดับ Mythos 5 ในการค้นหาช่องโหว่ ขณะเดียวกันยังตามหลังในด้านการพัฒนาเอ็กซ์พลอยต์

คำถามที่พบบ่อย

ราคา

คำขอแรก

—

ค่าใช้จ่ายโดยประมาณของ CometAPI

สิบคำขอ

—

ค่าใช้จ่ายโดยประมาณของ CometAPI

สิบห้าคำขอ

—

ค่าใช้จ่ายโดยประมาณของ CometAPI

ราคาสำหรับ GLM 5.3

Comet Price (USD / M Tokens)	Official Price (USD / M Tokens)	Discount
อินพุต:$1.12/M เอาต์พุต:$3.528/M	อินพุต:$1.4/M เอาต์พุต:$4.41/M	-20%

API

API เดียว เข้าถึงโมเดลพร้อมใช้งานจริง

POST/v1/chat/completions

โค้ดตัวอย่างและ API สำหรับ GLM 5.3

POST

/v1/chat/completions

#!/usr/bin/env bash

# Get your CometAPI key from https://www.cometapi.com/console/token
COMETAPI_KEY="${COMETAPI_KEY:-<YOUR_COMETAPI_KEY>}"

curl_args=(
  --silent
  --show-error
  --max-time 180
  https://api.cometapi.com/v1/chat/completions
  -H "Content-Type: application/json"
  -H "Authorization: Bearer $COMETAPI_KEY"
  -d '{
    "model": "glm-5.3",
    "messages": [
      {
        "role": "user",
        "content": "Reply with one short sentence confirming that you are ready."
      }
    ],
    "max_tokens": 64
  }'
)

if [[ "${COMETAPI_RUNTIME_EVIDENCE:-}" == "1" ]]; then
  curl_args+=(
    --write-out $'%{stderr}__COMETAPI_RUNTIME__{"http_status":%{http_code},"headers":{"content-type":"%header{content-type}","x-cometapi-request-id":"%header{x-cometapi-request-id}","x-request-id":"%header{x-request-id}","request-id":"%header{request-id}","cf-ray":"%header{cf-ray}"}}
'
  )
fi

response=$(curl "${curl_args[@]}")

printf '%s
' "$response" | python -c \
  'import json, sys; message = json.load(sys.stdin)["choices"][0]["message"]; print(message.get("content") or message)'

cURL Code Example

#!/usr/bin/env bash

# Get your CometAPI key from https://www.cometapi.com/console/token
COMETAPI_KEY="${COMETAPI_KEY:-<YOUR_COMETAPI_KEY>}"

curl_args=(
  --silent
  --show-error
  --max-time 180
  https://api.cometapi.com/v1/chat/completions
  -H "Content-Type: application/json"
  -H "Authorization: Bearer $COMETAPI_KEY"
  -d '{
    "model": "glm-5.3",
    "messages": [
      {
        "role": "user",
        "content": "Reply with one short sentence confirming that you are ready."
      }
    ],
    "max_tokens": 64
  }'
)

if [[ "${COMETAPI_RUNTIME_EVIDENCE:-}" == "1" ]]; then
  curl_args+=(
    --write-out $'%{stderr}__COMETAPI_RUNTIME__{"http_status":%{http_code},"headers":{"content-type":"%header{content-type}","x-cometapi-request-id":"%header{x-cometapi-request-id}","x-request-id":"%header{x-request-id}","request-id":"%header{request-id}","cf-ray":"%header{cf-ray}"}}\n'
  )
fi

response=$(curl "${curl_args[@]}")

printf '%s\n' "$response" | python -c \
  'import json, sys; message = json.load(sys.stdin)["choices"][0]["message"]; print(message.get("content") or message)'

Python Code Example

import json
import os
import sys

import httpx


# Get your CometAPI key from https://www.cometapi.com/console/token
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"

with httpx.Client(
    timeout=180.0,
    transport=httpx.HTTPTransport(retries=0),
) as client:
    response = client.post(
        "https://api.cometapi.com/v1/chat/completions",
        headers={
            "Authorization": f"Bearer {COMETAPI_KEY}",
            "Content-Type": "application/json",
        },
        json={
            "model": "glm-5.3",
            "messages": [
                {
                    "role": "user",
                    "content": (
                        "Reply with one short sentence confirming that you are ready."
                    ),
                }
            ],
            "max_tokens": 64,
        },
    )

if os.environ.get("COMETAPI_RUNTIME_EVIDENCE") == "1":
    safe_headers = {
        name: response.headers.get(name)
        for name in (
            "cf-ray",
            "content-length",
            "content-type",
            "date",
            "request-id",
            "server",
            "x-cometapi-request-id",
            "x-request-id",
        )
        if response.headers.get(name) is not None
    }
    print(
        "__COMETAPI_RUNTIME__"
        + json.dumps({"http_status": response.status_code, "headers": safe_headers}),
        file=sys.stderr,
    )

response.raise_for_status()
message = response.json()["choices"][0]["message"]
print(message.get("content") or message)

JavaScript Code Example

// Get your CometAPI key from https://www.cometapi.com/console/token
const COMETAPI_KEY = process.env.COMETAPI_KEY || "<YOUR_COMETAPI_KEY>";

const response = await fetch("https://api.cometapi.com/v1/chat/completions", {
  method: "POST",
  headers: {
    Authorization: `Bearer ${COMETAPI_KEY}`,
    "Content-Type": "application/json",
  },
  body: JSON.stringify({
    model: "glm-5.3",
    messages: [
      {
        role: "user",
        content: "Reply with one short sentence confirming that you are ready.",
      },
    ],
    max_tokens: 64,
  }),
  signal: AbortSignal.timeout(180_000),
});

if (process.env.COMETAPI_RUNTIME_EVIDENCE === "1") {
  const safeHeaderNames = [
    "cf-ray",
    "content-length",
    "content-type",
    "date",
    "request-id",
    "server",
    "x-cometapi-request-id",
    "x-request-id",
  ];
  const headers = Object.fromEntries(
    safeHeaderNames
      .map((name) => [name, response.headers.get(name)])
      .filter(([, value]) => value !== null),
  );
  console.error(
    `__COMETAPI_RUNTIME__${JSON.stringify({
      http_status: response.status,
      headers,
    })}`,
  );
}

if (!response.ok) {
  throw new Error(`CometAPI request failed with HTTP ${response.status}`);
}

const message = (await response.json()).choices[0].message;
console.log(message.content || JSON.stringify(message));

ความสามารถ

ความสามารถที่รองรับ

ฟีเจอร์ที่ส่งกลับโดย API ของโมเดลปัจจุบัน

text-to-text

อินพุตและเอาต์พุต

อินพุต

text

เอาต์พุต

text

โปรไฟล์การใช้งานจริง

ผู้ให้บริการ: Zhipu AI
บริบท: ขึ้นอยู่กับโมเดล
การใช้งานเชิงพาณิชย์: รองรับ

กรณีการใช้งาน

แชทระดับโปรดักชันและเวิร์กโฟลว์ของเอเจนต์

การเขียนโค้ด วิเคราะห์ และสร้างผลลัพธ์เชิงโครงสร้าง

การทำงานอัตโนมัติปริมาณสูงผ่าน API เดียว

โมเดลอื่น ๆ

เปิดการเปรียบเทียบโมเดล →

DeepSeek-V4-Flash-Vision

The flagship model for code and everything else: agentic tool calling, minimal hallucinations, configurable reasoning.

ดูโมเดล

Anthropic

Claude Fable 5

Access to Claude Fable 5 has been restored. It brings 5th-generation intelligence to your most ambitious coding and professional work.

Uptime

สำรวจต่อ