Z AI logo
Z AI
•

Open weights model

•

Released agosto de 2026

GLM-5.3-Flash Benchmarking e análise de provedores de API

Comparação de modelos

Esta análise ajuda você a escolher o melhor provedor de API de GLM-5.3-Flash para seu caso de uso.

Mais rápido

#1
NebiusNebius
334.0 t/s
#2
DatabricksDatabricks
261.5 t/s
#3
BasetenBaseten
222.1 t/s
#4
FriendliAIFriendliAI
161.0 t/s
#5
MakoraMakora
106.6 t/s

Velocidade de saída

16 provedores no total

Menor latência

#1
NebiusNebius
6.51 s
#2
DatabricksDatabricks
8.30 s
#3
BasetenBaseten
9.65 s
#4
FriendliAIFriendliAI
14.09 s
#5
MakoraMakora
21.02 s

Tempo até o primeiro token da resposta final

16 provedores no total

Menor preço

#1
NovitaNovita
$0.05
#2
GMIGMI
$0.05
#3
Bitdeer AIBitdeer AI
$0.05
#4
MakoraMakora
$0.09
#5
ZaiZai
$0.10

Preço combinado (por 1M de tokens)

16 provedores no total

GLM-5.3-Flash está disponível em 16 provedores de API, cada um com características de desempenho e preços diferentes. Veja abaixo uma comparação das principais métricas entre os provedores.

  • Em velocidade de saída, os principais provedores são Nebius (334.0 t/s), Databricks (261.5 t/s) e Baseten (222.1 t/s). A velocidade varia significativamente entre os provedores, com uma diferença de 959% entre o mais rápido e o mais lento.
  • Em latência, Nebius (6.51s), Databricks (8.30s) e Baseten (9.65s) têm o menor tempo até o primeiro token da resposta final.
  • Em preço, Novita (0.05), GMI (0.05) e Bitdeer AI (0.05) têm os menores preços combinados por 1M de tokens. Os preços variam em até 3.7x entre os provedores.
  • Nebius oferece o melhor desempenho, com a maior velocidade e a menor latência. Para otimizar os custos, Novita tem o preço mais competitivo.

Destaques

Velocidade

Output tokens per second · Higher is better

Tempo de resposta de ponta a ponta

Seconds · Lower is better

Preço

USD per 1M tokens (blended) · Lower is better

Atualização: A carga de trabalho padrão do benchmarking de desempenho passou a usar 10k tokens de entrada para representar melhor os casos de uso em produção. Você ainda pode selecionar outras cargas de trabalho acima.

Preços

Pricing: Cache Hit, Input, and Output

Price (USD per M Tokens) · Lower is better · 10,000 input tokens

Price per token for cached prompts (previously processed), typically offering a significant discount compared to regular input price, represented as USD per million tokens. The values shown here are the cache hit price; cache write and cache storage are billed separately and vary by provider — see "Cache pricing by provider" for detail.

Pricing: Blended Price

Blended at 7:2:1 (cache-input-output) · USD per 1M tokens (blended) · Lower is better

Price per token, shown in USD per million tokens. Price is a blend of cache hit, input, and output token prices using the selected ratio (default 7:2:1 cache-input-output).

Pricing: Cache Discount

1 - (cache hit price / input price) · Higher is better

Reduction in input token cost due to cache hit relative to input price. Formula: 1 - (Cache Hit Price per Token / Input Token Price), where cache hit price is the first-party cache hit price or the median provider cache hit price. Note that this discount figure does not account for all costs associated with cache hits, such as cache write and storage costs.

Output Speed vs. Price

Blended at 7:2:1 (cache-input-output) · Output speed: output tokens per second · USD per 1M tokens (blended)
Most attractive quadrant
Pareto line

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Velocidade

Medida pela velocidade de saída (tokens por segundo)

Output Speed: GLM-5.3-Flash

Output speed: output tokens per second · 10,000 input tokens

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Figures represent performance of the model's first-party API (e.g. OpenAI for o1) or the median across providers where a first-party API is not available (e.g. Meta's Llama models).

Latency vs. Output Speed

Latency: seconds to first token received · Output speed: output tokens per second · 10,000 input tokens
Most attractive quadrant

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Latência

Medida pelo tempo (segundos) até o primeiro token

Tempo até o primeiro token da resposta final

Seconds to first token received · Lower is better · 10,000 input tokens

Time to first answer token received, in seconds, after API request sent. For reasoning models, this includes the 'thinking' time of the model before providing an answer. For models which do not support streaming, this represents time to receive the completion.

Figures represent median (P50) measurement over the past 72 hours to reflect sustained changes in performance.

Tempo de resposta de ponta a ponta

Seconds to output 500 tokens, calculated based on time to first token, 'thinking' time for reasoning models, and output speed

Tempo de resposta de ponta a ponta

Seconds to output 500 tokens, including reasoning model 'thinking' time · Lower is better · 10,000 input tokens

Seconds to receive a 500 token response. Key components:

  • Input time: Time to receive the first response token
  • Thinking time (only for reasoning models): Time reasoning models spend outputting tokens to reason prior to providing an answer. Amount of tokens based on the average reasoning tokens across a diverse set of 60 prompts (methodology details).
  • Answer time: Time to generate 500 output tokens, based on output speed

Principais métricas de comparação e recursos da API

Logo: ZaiZai
1M
Aberto
$0.09
45
1.65
57.68
44.82
Logo: BasetenBaseten
1.05M
Aberto
$0.10
222
0.67
11.93
9.00
Logo: NovitaNovita
1.05M
Aberto
$0.05
43
1.86
59.45
46.07
Logo: DeepInfraDeepInfra
1M
Aberto
$0.13
28
1.38
89.24
70.28
Logo: SiliconFlowSiliconFlow
1M
Aberto
$0.10
48
1.74
53.33
41.27
Logo: WaferWafer
1M
Aberto
$0.10
67
2.45
40.01
30.05
Logo: Together AITogether AI
1.05M
Aberto
$0.12
54
0.85
47.02
36.94
Logo: FireworksFireworks
1.05M
Aberto
$0.10
41
0.99
61.81
48.66
Logo: DatabricksDatabricks
1M
Aberto
$0.09
252
0.65
10.58
7.94
Logo: GMIGMI
1M
Aberto
$0.07
45
3.66
59.52
44.69
Logo: ParasailParasail
1M
Aberto
$0.09
69
0.85
37.31
29.17
Logo: Bitdeer AIBitdeer AI
1M
Aberto
$0.05
57
2.70
46.28
34.86
Logo: FriendliAIFriendliAI
1M
Aberto
$0.10
142
1.76
19.40
14.12
Logo: NebiusNebius
1M
Aberto
$0.34
301
0.51
8.83
6.65
Logo: DigitalOceanDigitalOcean
1.05M
Aberto
$0.11
91
0.96
28.33
21.90
Logo: MakoraMakora
1.05M
Aberto
$0.16
107
2.47
25.86
18.71

Perguntas frequentes

Perguntas comuns sobre os provedores do GLM-5.3-Flash

GLM-5.3-Flash está disponível em 16 provedores de API: Zai, Baseten, Novita, DeepInfra, SiliconFlow, Wafer, Together AI, Fireworks, Databricks, GMI, Parasail, Bitdeer AI, FriendliAI, Nebius, DigitalOcean e Makora. Cada provedor oferece características de desempenho e preços diferentes.

Atualmente, o GLM-5.3-Flash está disponível em 16 provedores de API que avaliamos e acompanhamos.

Os provedores mais rápidos para o GLM-5.3-Flash em velocidade de saída são Nebius (334.0 t/s), Databricks (261.5 t/s) e Baseten (222.1 t/s). A velocidade de saída mede a rapidez com que os tokens são gerados depois que o modelo começa a responder.

Os provedores com o menor tempo até o primeiro token da resposta final para o GLM-5.3-Flash são Nebius (6.51s), Databricks (8.30s) e Baseten (9.65s). Uma latência menor significa um tempo de resposta inicial mais rápido.

Os provedores mais acessíveis para o GLM-5.3-Flash em preço combinado são Novita ($0.05 por 1M de tokens), GMI ($0.05 por 1M de tokens) e Bitdeer AI ($0.05 por 1M de tokens). O preço combinado usa uma proporção de 7:2:1 entre tokens de acerto do cache, entrada e saída.

Os provedores com o menor preço de tokens de entrada para o GLM-5.3-Flash são Makora ($0.07 por 1M de tokens de entrada), Novita ($0.07 por 1M de tokens de entrada) e GMI ($0.07 por 1M de tokens de entrada).

Os provedores com o menor preço de tokens de saída para o GLM-5.3-Flash são Makora ($0.23 por 1M de tokens de saída), Novita ($0.25 por 1M de tokens de saída) e GMI ($0.25 por 1M de tokens de saída).

Os preços do GLM-5.3-Flash variam em até 3.7x entre os provedores. O mais acessível é Novita, com $0.05 por 1M de tokens, enquanto Nebius cobra $0.18 por 1M de tokens.

A velocidade de saída do GLM-5.3-Flash varia significativamente entre os provedores. Nebius é o mais rápido, com 334.0 t/s, 10.6x mais rápido que DeepInfra, com 31.5 t/s.

Todos os 16 provedores do GLM-5.3-Flash são compatíveis com o modo JSON para saída estruturada.

Todos os 16 provedores do GLM-5.3-Flash são compatíveis com chamadas de funções (uso de ferramentas).

Para o GLM-5.3-Flash, Nebius oferece o melhor desempenho, com a maior velocidade e a menor latência. Para otimizar os custos, Novita tem o preço mais competitivo.

Ao escolher um provedor para o GLM-5.3-Flash, considere a velocidade de saída (para tarefas que exigem alta vazão), a latência (para aplicações interativas que precisam de respostas iniciais rápidas), o preço (para cargas de trabalho atentas aos custos) e os recursos da API, como modo JSON e chamadas de funções.

Sim. O desempenho dos provedores pode variar ao longo do tempo devido a mudanças na infraestrutura, balanceamento de carga e atualizações. Avaliamos continuamente todos os provedores e exibimos as tendências históricas de desempenho nos gráficos de evolução ao longo do tempo.

Para saber mais sobre a inteligência, as capacidades e as modalidades do GLM-5.3-Flash, além de como ele se compara a outros modelos, consulte a página de visão geral do modelo. Ver visão geral do modelo