Z AI

•

Open weights model

•

Released 2026年8月

GLM 5.3 Flash API 服务商基准测试与分析

模型比较

本分析旨在帮助你根据使用场景，选择 GLM 5.3 Flash 的最佳 API 服务商。

速度最快

LithosAI (FP4, ULTRA CHAT)

746.2 t/s

LithosAI (FP4)

539.9 t/s

Inco (FAST)

500.0 t/s

PrimaLabs

278.2 t/s

Databricks

217.7 t/s

输出速度

共 22 家服务商

延迟最低

LithosAI (FP4, ULTRA CHAT)

3.15 s

LithosAI (FP4)

4.91 s

PrimaLabs

8.45 s

Inco (FAST)

9.11 s

Databricks

9.96 s

首个答案 Token 延迟

共 22 家服务商

价格最低

DeepInfra

$0.05

Bitdeer AI

$0.05

GMI

$0.06

Zai

$0.10

Fireworks

$0.10

每 100 万 token 的混合价格

共 22 家服务商

可通过 22 家 API 服务商使用 GLM-5.3-Flash，每家服务商的性能特征和价格各不相同。下方对比了各服务商的关键指标。

输出速度最快的服务商是 LithosAI (FP4, ULTRA CHAT)（746.2 t/s）、LithosAI (FP4)（539.9 t/s）和Inco (FAST)（500.0 t/s）。各服务商之间的速度差异显著，最快与最慢相差 2288%。
延迟方面，LithosAI (FP4, ULTRA CHAT)（3.15 秒）、LithosAI (FP4)（4.91 秒）和PrimaLabs（8.45 秒）的首个答案 Token 延迟最低。
价格方面，DeepInfra（0.05）、Bitdeer AI（0.05）和GMI（0.06）每 100 万 token 的混合价格最低。各服务商价格最多相差 6.0 倍。
LithosAI (FP4, ULTRA CHAT) 兼具最高速度和最低延迟，性能表现最佳。若要优化成本，DeepInfra 的价格最具竞争力。

速度

Output tokens per second · Higher is better

延迟

Seconds to first answer token received · Lower is better

价格

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

更新：默认性能基准测试工作负载已调整为 1 万个输入 token，以更贴近生产使用场景。你仍可在上方选择其他工作负载。

价格

价格：缓存命中、输入和输出：GLM-5.3-Flash 服务商

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.

每项 Intelligence Index 任务的成本：GLM-5.3-Flash 服务商

Weighted average cost (USD) per Artificial Analysis Intelligence Index task, segmented by token type · Lower is better

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

输出速度与价格：GLM-5.3-Flash 服务商

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).

速度

按输出速度（每秒 token 数）衡量

输出速度: GLM 5.3 Flash

输出速度：每秒输出 token 数 · 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 or the median across providers where a first-party API is not available.

智能指数每项任务耗时：GLM-5.3-Flash 服务商

Weighted average decode time (minutes) per task; excludes TTFT and overhead time · Lower is better

The weighted average time (seconds) per Artificial Analysis Intelligence Index task. This is calculated by dividing output tokens per task by output speed, weighted by the relative weights of each benchmark in the Intelligence Index.

每任务成本与每任务耗时：GLM-5.3-Flash 服务商

Weighted average cost (USD) per Intelligence Index task · Weighted average decode time (minutes) per Intelligence Index task

Most attractive quadrant

Pareto line

延迟

按首 Token 延迟（秒）衡量

首个答案 Token 延迟：GLM-5.3-Flash 服务商

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.

缓存行为

缓存命中率：GLM-5.3-Flash 服务商

可缓存输入 token 中从缓存提供的比例 · 最近四周的中位数，更新于 2026年9月26日

The share of cacheable input tokens served from the provider's prompt cache, measured during multi-turn agentic coding sessions. We regularly measure each endpoint and report a representative rate based on recent measurements. Higher values mean more of the input is billed at the cheaper cache-hit price, where the provider offers one, which lowers the effective cost of agentic workloads. For further details, see our methodology page.

每任务成本与缓存命中率：GLM-5.3-Flash 服务商

Weighted average cost (USD) per Intelligence Index task · Cache hit rate: median of the last four weeks, updated Sep 26, 2026

Most attractive quadrant

Pareto line

端到端响应时间

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

端到端响应时间：GLM-5.3-Flash 服务商

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

关键比较指标与 API 功能



Modal	1M	开放	$0.88	129	0.87	20.29	15.54
Zai	1M	开放	$0.25	53	3.33	50.53	37.76
Baseten	1.05M	开放	$0.60	188	0.58	13.90	10.66
Novita	1.05M	开放	$0.29	37	2.08	70.10	54.41
DeepInfra	1M	开放	$0.34	31	1.20	81.19	63.99
SiliconFlow	1M	开放	$0.50	59	1.58	43.68	33.68
Wafer	1M	开放	$0.45	65	0.90	39.44	30.83
Together AI	1.05M	开放	$0.47	98	0.63	26.16	20.43
Fireworks	1.05M	开放	$0.37	187	1.35	14.74	10.71
Databricks	1M	开放	$0.28	218	0.79	12.27	9.19
GMI	1M	开放	$0.31	62	3.92	44.01	32.07
Parasail	1M	开放	$0.67	192	0.96	13.98	10.42
Bitdeer AI	1M	开放	$0.14	142	1.67	19.29	14.10
FriendliAI	1M	开放	$0.51	145	0.89	18.09	13.76
Nebius	1.05M	开放	$1.19	135	1.62	20.16	14.83
DigitalOcean	1.05M	开放	$0.42	36	0.90	69.70	55.04
CoreWeave	1M	开放	$0.65	180	1.56	15.43	11.09
Crusoe	1.05M	开放	$0.81	137	1.12	19.34	14.58
Inco	1M	开放	$0.28	484	3.94	9.10	4.13
LithosAI	1.05M	开放	$0.29	540	1.21	5.84	3.70
LithosAI	1.05M	开放	$0.56	746	0.47	3.82	2.68
PrimaLabs	1.05M	开放	$0.44	246	1.55	11.73	8.14

常见问题

关于 GLM 5.3 Flash 服务商的常见问题

可通过 22 家 API 服务商使用 GLM 5.3 Flash：Modal、Zai、Baseten、Novita、DeepInfra、SiliconFlow、Wafer、Together AI、Fireworks、Databricks、GMI、Parasail、Bitdeer AI、FriendliAI、Nebius、DigitalOcean、CoreWeave、Crusoe (FP4)、Inco (FAST)、LithosAI (FP4)、LithosAI (FP4, ULTRA CHAT)和PrimaLabs。每家服务商的性能特征和价格各不相同。

目前可通过我们进行基准测试和跟踪的 22 家 API 服务商使用 GLM 5.3 Flash。

按输出速度计算，GLM 5.3 Flash 速度最快的服务商是 LithosAI (FP4, ULTRA CHAT)（746.2 t/s）、LithosAI (FP4)（539.9 t/s）和Inco (FAST)（500.0 t/s）。输出速度衡量模型开始响应后生成 token 的速度。

GLM 5.3 Flash 的首个答案 Token 延迟最低的服务商是 LithosAI (FP4, ULTRA CHAT)（3.15s）、LithosAI (FP4)（4.91s）和PrimaLabs（8.45s）。延迟越低，初始响应越快。

按混合价格计算，GLM 5.3 Flash 最实惠的服务商是 DeepInfra（每 100 万 token $0.05）、Bitdeer AI（每 100 万 token $0.05）和GMI（每 100 万 token $0.06）。混合价格采用缓存命中/输入/输出 token 为 7:2:1 的比例。

GLM 5.3 Flash 输入 token 价格最低的服务商是 DeepInfra（每 100 万输入 token $0.07）、Bitdeer AI（每 100 万输入 token $0.07）和GMI（每 100 万输入 token $0.09）。

GLM 5.3 Flash 输出 token 价格最低的服务商是 DeepInfra（每 100 万输出 token $0.25）、Bitdeer AI（每 100 万输出 token $0.25）和GMI（每 100 万输出 token $0.30）。

GLM 5.3 Flash 各服务商价格最多相差 6.0 倍。最实惠的是 DeepInfra，每 100 万 token 收费 $0.05；Modal 则收费 $0.30。

GLM 5.3 Flash 的输出速度在不同服务商之间差异显著。LithosAI (FP4, ULTRA CHAT) 最快，为 746.2 t/s，是 DeepInfra（31.3 t/s）的 23.9 倍。

提供 GLM 5.3 Flash 的全部 22 家服务商均支持用于结构化输出的 JSON 模式。

提供 GLM 5.3 Flash 的全部 22 家服务商均支持函数调用（工具使用）。

对于 GLM 5.3 Flash，LithosAI (FP4, ULTRA CHAT) 兼具最高速度和最低延迟，性能表现最佳。若要优化成本，DeepInfra 的价格最具竞争力。

选择 GLM 5.3 Flash 服务商时，请考虑：输出速度（适合吞吐量密集型任务）、延迟（适合需要快速首次响应的交互式应用）、价格（适合成本敏感型工作负载），以及 JSON 模式或函数调用等 API 功能。

会。服务商性能可能因基础设施变化、负载均衡和更新而随时间波动。我们持续对所有服务商进行基准测试，并在“随时间变化”图表中展示历史性能趋势。

有关 GLM 5.3 Flash 的智能、能力、模态及其与其他模型的比较，请参阅模型概览页面。查看模型概览

GLM 5.3 Flash API 服务商基准测试与分析

速度最快

延迟最低

价格最低

速度

延迟

价格

价格

价格：缓存命中、输入和输出：GLM-5.3-Flash 服务商

Cache Hit

每项 Intelligence Index 任务的成本：GLM-5.3-Flash 服务商

Cost per Intelligence Index Task

输出速度与价格：GLM-5.3-Flash 服务商

Output Speed

速度

输出速度: GLM 5.3 Flash

Output Speed

Model Performance Representation

智能指数每项任务耗时：GLM-5.3-Flash 服务商

Time per Intelligence Index Task

每任务成本与每任务耗时：GLM-5.3-Flash 服务商

Cost per Intelligence Index Task

延迟

首个答案 Token 延迟：GLM-5.3-Flash 服务商

Time to First Answer Token

Median

缓存行为

缓存命中率：GLM-5.3-Flash 服务商

What Cache Hit Rate Shows

每任务成本与缓存命中率：GLM-5.3-Flash 服务商

Cost per Intelligence Index Task

端到端响应时间

端到端响应时间：GLM-5.3-Flash 服务商

End-to-End Response Time

关键比较指标与 API 功能

常见问题

可以在哪里使用 GLM 5.3 Flash？

有多少家 API 服务商提供 GLM 5.3 Flash？

哪家服务商提供的 GLM 5.3 Flash 速度最快？

哪家服务商提供的 GLM 5.3 Flash 延迟最低？

哪家服务商提供的 GLM 5.3 Flash 最便宜？

哪家服务商提供的 GLM 5.3 Flash 输入价格最低？

哪家服务商提供的 GLM 5.3 Flash 输出价格最低？

GLM 5.3 Flash 各服务商之间的价格差异有多大？

GLM 5.3 Flash 各服务商之间的速度差异有多大？

哪些 GLM 5.3 Flash 服务商支持 JSON 模式？

哪些 GLM 5.3 Flash 服务商支持函数调用？

哪家 GLM 5.3 Flash 服务商最好？

如何选择 GLM 5.3 Flash 服务商？

GLM 5.3 Flash 的服务商性能会随时间变化吗？

GLM 5.3 Flash 的整体能力如何？