GLM-5.3-Flash 定价全解：标准价、缓存与单任务成本

2026 年 8 月 26 日，智谱以 ox-alpha 为匿名代号预热数周后，正式发布了 GLM-5.3-Flash。这是一款 320B 总参数、18B 激活参数的 MoE 原生多模态模型，支持 1M 上下文窗口和 128K 最大输出，权重以 MIT 许可证开放。发布后不久，它在 OpenRouter 的调用量迅速攀升至首位。推动这一结果的因素中，价格结构占据相当权重 —— 但这个结构比大多数定价页呈现的更为复杂。

一、两个价格口径：人民币与美元并非简单换算

智谱国内开放文档和海外定价页列出的费率，是两套并行的计价体系。

国内 API 文档显示，GLM-5.3-Flash 的标准费率为输入 0.8 元 / 百万 Tokens、输出 2.8 元 / 百万 Tokens、缓存命中 0.23 元 / 百万 Tokens，缓存存储限时免费。海外页面的美元标价则是输入 $0.15、缓存输入 $0.03、输出 $0.50。

这两套价格在设计上保持了对齐关系，但不应直接按汇率互算来验证。对于国内开发者，以人民币文档为准做预算更稳妥；对于使用海外 provider 的团队，以美元标价为准。

智谱官方在发布资料中明确了一个比例关系：GLM-5.3-Flash 的定价是旗舰版 GLM-5.3 的十分之一，仅为 Claude Opus 4.8 的四十分之一。同一张官方价目表中，GLM-5.3 的标准费率为输入 $1.40、缓存输入 $0.26、输出 $4.40。Flash 的输入和输出价格都低了约 89%，性价比优势极为突出。

二、模型标准计费明细

目前全网统一执行官方标准定价，不同第三方网关、服务商的定价基本对齐官方基准，仅存在渠道倍率差异，无通用限时促销活动。

表格

三、缓存定价：长上下文任务的成本杠杆

缓存输入 $0.03 / 1M tokens，是新鲜输入的 5 倍便宜。在 1M 上下文窗口的模型上，这个差值决定了长文档分析类任务的成本量级。

缓存的经济性取决于一个变量：稳定前缀的复用率。以标准价计算一个典型的长文档分类场景：1000 万新输入 token 加 200 万输出 token，费用为 $2.50（输入 $1.50 + 输出 $1.00）。如果其中 700 万 token 命中缓存，输入费用降至 $1.14（新输入 $0.45 + 缓存 $0.21），加上输出 $1.00，合计 $2.19。缓存节省约 12%。

输出量越大，缓存节省的占比越低。但对于输出量极小的分类和标签任务，缓存的影响会被显著放大。缓存存储限时免费这一点也值得利用 —— 它降低了评估缓存策略的启动门槛。

四、单任务成本：比单价更有参考价值

Artificial Analysis 不以 token 单价衡量模型成本，而是以完成一个 Intelligence Index 任务的实际花费计。GLM-5.3-Flash 的单任务成本约为 $0.09，而其旗舰版 GLM-5.3 为 $0.68，差距约 7.5 倍。在 Intelligence Index 上评测 GLM-5.3-Flash 的总成本为 $280.28，生成 180M token，属于 “回答非常冗长” 的档位。

真正需要区分的是 “标价低” 和 “单任务成本低” 这两个概念。Claude Opus 4.8 的输出单价是 GLM-5.3-Flash 的数十倍，但如果一个任务 Opus 一次完成、Flash 需要三次重试，结论可能反转。不过 Flash 在可编程验证的任务上，一次通过率有数据支撑：Terminal-Bench 2.1 得分 84.3（Claude Opus 4.8 为 85.0），DeepSWE v1.1 得分 63.4（前代 GLM-5.2 为 46.2）。这意味着即使偶尔需要重试，每次重试的边际成本也极低。

五、同档模型成本对比

表格

DeepSeek V4 Flash 的官方费率是 $0.14 输入 / $0.28 输出，缓存命中 $0.028。它的输出价低于 GLM 的标准价，但缓存命中价略低。Gemini 3.7 Flash 的推广期费率为 $0.75 输入 / $3.75 输出，将于 2026 年 12 月 31 日到期，之后恢复至 $1.50 / $7.50。

“谁更便宜” 取决于三个变量：调用时段、缓存命中率、输出占比。对于输出量大的 agent 任务，GLM 的优势在输出行；对于输出量小的分类任务，DeepSeek 的缓存优势会主导成本。在说清楚这三件事之前，比较没有意义。

六、接入时的成本管理实践

在决定将 GLM-5.3-Flash 纳入生产路由之前，有几个变量需要先明确。

定价基准：统一以官方标准标价作为预算核算基准，第三方渠道仅存在倍率浮动，无通用限时折扣，可稳定规划长期成本。

Provider 选择。 同一模型在不同网关的费率可能存在差异。对于需要同时管理多个候选模型的团队，星链 API 的接入与计费规则可归纳为下表：

表格

具体分组倍率以控制台实时公示为准。对于 GLM-5.3-Flash 这类标准价本身较低的模型，低倍率分组的边际节省仍然可观。星链 API 的接入教程见 https://xinglianapi.apifox.cn/，其中覆盖了密钥获取、模型列表查询和最小请求示例。

缓存命中率。 用真实任务测一次命中率。如果稳定前缀不足 30%，缓存策略的收益有限；如果超过 70%，缓存节省可以显著改变长上下文任务的成本结构。

输出占比。 输出 token 占总支出的比例决定了价格敏感度。输出占比高的任务，GLM 的 $0.50 输出价相对 DeepSeek 有优势；输出占比低的任务，缓存价差的影响更大。

七、自托管：低 token 单价不等于低托管成本

GLM-5.3-Flash 以 MIT 许可证开放权重，完整 checkpoint 约 328 GB（FP8 safetensors，62 个分片）。从理论上看，自托管可以绕过 API 调用费。但需要区分 “18B 激活参数” 和 “总内存占用”—— 激活参数是每次推理实际参与计算的专家数量，KV cache、多模态处理模块和运行时开销仍然需要持续预留。

自托管的成本结构是固定成本加变动成本。API 模式下，空闲时不产生费用；自托管模式下，推理容量需要 24 小时预留，即使没有请求。对于流量有波峰波谷的团队，API 的按量计费通常更经济。对于调用量稳定且规模足够大的场景，自托管的边际成本优势才会显现。

GLM-5.3-Flash 的定价在轻量模型市场里建立了一个新的参照点：单任务成本可以低于 $0.10，同时 Terminal-Bench 得分逼近 Claude Opus 4.8。但低单价的可持续性取决于模型官方定价调整、通道倍率以及缓存策略是否被有效利用。把标价、缓存和 provider 价差分开记录，才是一个可复查的成本模型。用真实任务跑一轮单任务成本对比，比看任何定价页都更有决策价值。

了解更多： https://xinglianapi.com/