Z AI

•

GLM-5.3

•

Open weights model

•

Released 2026年8月

GLM-5.3 (Max) 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 (Max) 的最佳 API 服务商。

速度最快

Supernova (FP4, FAST)

556.8 t/s

LithosAI (FP4)

480.7 t/s

LithosAI (FP4 ULTRA CHAT)

474.0 t/s

Inco (FAST)

420.7 t/s

Fireworks

339.1 t/s

输出速度

共 25 家服务商

延迟最低

LithosAI (FP4)

4.89 s

Supernova (FP4, FAST)

4.92 s

LithosAI (FP4 ULTRA CHAT)

4.99 s

Inco (FAST)

5.51 s

Fireworks

7.48 s

首个答案 Token 延迟

共 25 家服务商

价格最低

Supernova (FP4)

$0.41

DeepInfra

$0.45

LithosAI (FP4)

$0.68

FriendliAI

$0.81

Baseten

$0.82

每 100 万 token 的混合价格

共 25 家服务商

可通过 25 家 API 服务商使用 GLM-5.3 (max)，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 Supernova (FP4, FAST)（556.8 t/s）、LithosAI (FP4)（480.7 t/s）和LithosAI (FP4 ULTRA CHAT)（474.0 t/s）。各服务商之间的速度差异显著，最快与最慢相差 877%。
延迟方面，LithosAI (FP4)（4.89 秒）、Supernova (FP4, FAST)（4.92 秒）和LithosAI (FP4 ULTRA CHAT)（4.99 秒）的首个答案 Token 延迟最低。
价格方面，Supernova (FP4)（0.41）、DeepInfra（0.45）和LithosAI (FP4)（0.68）每 100 万 token 的混合价格最低。各服务商价格最多相差 4.4 倍。

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。

接入点准确率

接入点准确性指数: GLM-5.3 (Max)

v1.0 · Composite of BFCL v4-500, HLE-250 and AA-LCR-25 run against each provider endpoint · Percentage of the reference endpoint, with 95% confidence interval · Higher is better

Composite measure of how much of a model's accuracy a given provider endpoint preserves, from re-running BFCL v4-500, HLE-250 and AA-LCR-25 against that endpoint. Where a self-hosted reference endpoint exists, scores are expressed as a percentage of that reference (100 = matches reference); lower scores indicate accuracy lost to quantisation, sampling defaults, or other endpoint-side configuration. Scores are point-in-time snapshots. Methodology.

价格

价格：缓存命中、输入和输出

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.

价格：混合价格

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).

价格：缓存折扣

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). Note that this discount figure does not account for all costs associated with cache hits, such as cache write and storage costs.

输出速度与价格

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 (Max)

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.

延迟与输出速度

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

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).

延迟

按首 Token 延迟（秒）衡量

首个答案 Token 延迟：GLM-5.3 (max) 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.

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 (max) 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	100%	1M	开放	$2.44	261	0.88	10.45	7.65
Zai	99%	1M	开放	$2.01	71	2.84	37.84	28.00
Fireworks	96%	1.05M	开放	$2.15	340	1.58	8.93	5.88
DeepInfra	99%	1.05M	开放	$1.39	73	1.21	35.28	27.26
Modular	97%	1.05M	开放	$2.96	185	0.93	14.46	10.83
Parasail	98%	1M	开放	$1.97	167	1.01	15.99	11.98
Together AI	96%	1.05M	开放	$1.97	219	0.55	11.97	9.13
Inco	无	1M	开放	$4.08	431	0.77	6.56	4.64
Novita	96%	1M	开放	$2.00	76	1.97	34.89	26.34
Baseten	96%	1.05M	开放	$1.43	135	2.12	20.64	14.82
DigitalOcean	99%	1.05M	开放	$1.97	57	0.81	44.76	35.16
Makora	99%	1.05M	开放	$1.90	247	0.80	10.92	8.09
Databricks	96%	1M	开放	$2.73	211	0.93	12.76	9.47
Multiverse Computing	99%	1M	开放	$6.82	138	1.45	19.54	14.47
Wafer	95%	1M	开放	$2.01	176	0.88	15.10	11.38
Baseten	94%	1M	开放	$2.15	261	0.53	10.10	7.65
LithosAI	无	1.05M	开放	$2.35	494	0.72	5.78	4.05
LithosAI	无	1.05M	开放	$5.14	483	0.76	5.94	4.14
Inco	无	164k	开放	$2.04	138	1.85	19.97	14.49
Bitdeer AI	99%	1M	开放	$4.99	146	1.47	18.58	13.69
Crusoe	97%	786k	开放	$3.36	252	0.88	10.81	7.95
Supernova	无	1M	开放	$1.19	242	1.78	12.10	8.25
FriendliAI	无	1M	开放	$1.81	199	1.07	13.61	10.03
Supernova	无	1M	开放	$5.29	560	1.30	5.77	3.57
GMI	97%	1M	开放	$2.02	88	3.16	31.45	22.64

常见问题

关于 GLM-5.3 (Max) 服务商的常见问题

可通过 25 家 API 服务商使用 GLM-5.3 (Max)：Modal、Zai、Fireworks、DeepInfra、Modular、Parasail、Together AI、Inco (FAST)、Novita、Baseten、DigitalOcean、Makora、Databricks、Multiverse Computing、Wafer、Baseten (FAST)、LithosAI (FP4)、LithosAI (FP4 ULTRA CHAT)、Inco、Bitdeer AI、Crusoe (FP4)、Supernova (FP4)、FriendliAI、Supernova (FP4, FAST)和GMI。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 25 家 API 服务商使用 GLM-5.3 (Max)。

按输出速度计算，GLM-5.3 (Max) 速度最快的服务商是 Supernova (FP4, FAST)（556.8 t/s）、LithosAI (FP4)（480.7 t/s）和LithosAI (FP4 ULTRA CHAT)（474.0 t/s）。输出速度衡量模型开始响应后生成 token 的速度。

GLM-5.3 (Max) 的首个答案 Token 延迟最低的服务商是 LithosAI (FP4)（4.89s）、Supernova (FP4, FAST)（4.92s）和LithosAI (FP4 ULTRA CHAT)（4.99s）。延迟越低，初始响应越快。

按混合价格计算，GLM-5.3 (Max) 最实惠的服务商是 Supernova (FP4)（每 100 万 token $0.41）、DeepInfra（每 100 万 token $0.45）和LithosAI (FP4)（每 100 万 token $0.68）。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 (Max) 输入 token 价格最低的服务商是 DeepInfra（每 100 万输入 token $0.56）、Supernova (FP4)（每 100 万输入 token $0.63）和LithosAI (FP4)（每 100 万输入 token $1.05）。

GLM-5.3 (Max) 输出 token 价格最低的服务商是 Supernova (FP4)（每 100 万输出 token $1.98）、DeepInfra（每 100 万输出 token $2.50）和LithosAI (FP4)（每 100 万输出 token $3.30）。

GLM-5.3 (Max) 各服务商价格最多相差 4.4 倍。最实惠的是 Supernova (FP4)，每 100 万 token 收费 $0.41；Inco (FAST) 则收费 $1.80。

GLM-5.3 (Max) 的输出速度在不同服务商之间差异显著。Supernova (FP4, FAST) 最快，为 556.8 t/s，是 DigitalOcean（57.0 t/s）的 9.8 倍。

提供 GLM-5.3 (Max) 的全部 25 家服务商均支持用于结构化输出的 JSON 模式。

提供 GLM-5.3 (Max) 的全部 25 家服务商均支持函数调用（工具使用）。

GLM-5.3 (Max) 的最佳服务商取决于你的侧重点：Supernova (FP4, FAST) 输出速度最高，LithosAI (FP4) 延迟最低，Supernova (FP4) 的价格最具竞争力。

选择 GLM-5.3 (Max) 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 (Max) 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 (Max) 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

接入点准确率

接入点准确性指数: GLM-5.3 (Max)

Endpoint Accuracy Index

价格

价格：缓存命中、输入和输出

Cache Hit

价格：混合价格

Price

价格：缓存折扣

Cache Price Discount

输出速度与价格

Output Speed

速度

输出速度: GLM-5.3 (Max)

Output Speed

Model Performance Representation

延迟与输出速度

Output Speed

延迟

首个答案 Token 延迟：GLM-5.3 (max) 服务商

Time to First Answer Token

Median

端到端响应时间

端到端响应时间：GLM-5.3 (max) 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 (Max)？

有多少家 API 服务商提供 GLM-5.3 (Max)？

哪家服务商提供的 GLM-5.3 (Max) 速度最快？

哪家服务商提供的 GLM-5.3 (Max) 延迟最低？

哪家服务商提供的 GLM-5.3 (Max) 最便宜？

哪家服务商提供的 GLM-5.3 (Max) 输入价格最低？

哪家服务商提供的 GLM-5.3 (Max) 输出价格最低？

GLM-5.3 (Max) 各服务商之间的价格差异有多大？

GLM-5.3 (Max) 各服务商之间的速度差异有多大？

哪些 GLM-5.3 (Max) 服务商支持 JSON 模式？

哪些 GLM-5.3 (Max) 服务商支持函数调用？

哪家 GLM-5.3 (Max) 服务商最好？

如何选择 GLM-5.3 (Max) 服务商？

GLM-5.3 (Max) 的服务商性能会随时间变化吗？

GLM-5.3 (Max) 的整体能力如何？