HopBase
智谱 GLM-5.3-Flash（模型 ID glm-5.3-flash）已经上线 HopBase，走 OpenAI 兼容的 POST /v1/chat/completions，任何 OpenAI SDK 换个模型名就能调。它是 320B 总参、每 token 激活 18B 的 MoE 模型，也是 GLM-5 系列首个原生多模态成员：输入支持文本、图像、视频与文件，输出文本；上下文 1M，单次最多 128K 输出，思考过程在 reasoning_content 返回。计费按智谱官方牌价：每百万 token 输入 ¥0.80、缓存命中 ¥0.23、输出 ¥2.80，是 GLM-5.3 官方定价的十分之一。绑定「GLM 5.3 Flash 专线」分组的密钥即刻可用。
怎么调用
- OpenAI 兼容单端点：
POST /v1/chat/completions，Base URL 为https://api.hop-base.com/v1，SDK 零改造。 - 模型 ID 写全：
glm-5.3-flash。裸名或自己缩写调不通，完整 ID 以GET /v1/models返回为准。 - 分组绑定：该模型放在「GLM 5.3 Flash 专线」套餐分组，绑定该分组的密钥才调得到；GLM-5.3 的密钥不共用。
- 思考过程单独字段：推理内容走
reasoning_content，正文在content，两者分开，前端不必自己切分。
价格：按官方牌价接入
| 项目（每百万 token） | GLM-5.3-Flash |
|---|---|
| 输入 | ¥0.80 |
| 缓存命中读取 | ¥0.23 |
| 输出 | ¥2.80 |
这是智谱公布的官方牌价，官方定价口径为 GLM-5.3 的十分之一。结算按「牌价 × 实际用量」，控制台按请求给出分项成本，实际单价以你所在分组为准。缓存命中读取不到输入价的三分之一，反复读同一前缀的 Agent 循环与长会话省得最多。企业用量请通过价格页联系商务报价。
规格与实测
- 上下文与输出：1M 上下文，单次最多 128K 输出 token。
- 原生多模态输入：文本、图像、视频、文件，输出为文本。
- 架构：混合稀疏与线性注意力。按智谱官方数据，相对 GLM-5.3 注意力计算减少 3.01 倍、KV 缓存减少 4.44 倍，这也是它能把价格压到十分之一的底气。
- 我方实测通过：非流式、流式（
stream_options.include_usage能正常拿到 usage）、函数调用（tool_calls结构完整）、reasoning_content思考过程，四项都在生产链路上跑过。
参数建议
- 官方推荐
temperature: 1、top_p: 0.95、reasoning_effort: "max"，不要照搬其它模型的低温度习惯。 - 思考模式只支持开启：没有关闭思考的开关，需要短回复就用提示词和
max_tokens控制。 - 流式场景建议同时开
stream: true与tool_stream: true；要在流式里拿 usage，记得带stream_options: {"include_usage": true}。
三分钟接入
curl https://api.hop-base.com/v1/chat/completions \
-H "Authorization: Bearer sk-your-key" \
-H "Content-Type: application/json" \
-d '{
"model": "glm-5.3-flash",
"messages": [{"role": "user", "content": "用三句话介绍你自己"}],
"temperature": 1,
"top_p": 0.95,
"stream": true,
"stream_options": {"include_usage": true}
}'完整接入说明、工具调用与多模态示例见GLM-5.3-Flash 接入文档。已有密钥的用户把分组绑定到「GLM 5.3 Flash 专线」即可开始用。
常见问题
GLM-5.3-Flash 怎么调用？
走 OpenAI 兼容端点 POST https://api.hop-base.com/v1/chat/completions，模型 ID 填 glm-5.3-flash，任何 OpenAI SDK 换个模型名即可，不用改认证方式。前提是密钥绑定了「GLM 5.3 Flash 专线」分组；完整可用模型清单以 GET /v1/models 返回为准。
GLM-5.3-Flash 的价格是多少？
按智谱官方牌价接入：每百万 token 输入 ¥0.80、缓存命中读取 ¥0.23、输出 ¥2.80，官方定价口径为 GLM-5.3 的十分之一。结算按牌价乘实际用量，控制台按请求给出分项成本，实际单价以所在分组为准。企业用量可通过价格页联系商务报价。
支持多模态和工具调用吗？
支持。它是 GLM-5 系列首个原生多模态成员，输入接受文本、图像、视频与文件，输出为文本。函数调用（tools / tool_calls）在我方生产链路实测通过；流式建议同时开 tool_stream: true，思考过程在 reasoning_content 字段返回。
和 GLM-5.3 怎么选？
两者都是 1M 上下文。Flash 的官方定价是 GLM-5.3 的十分之一，日常对话、Agent 循环、长上下文批量处理这类量大的负载优先用 Flash；需要 GLM-5.3 既有效果基线的存量业务可以继续用原模型，两者是不同的套餐分组，密钥不共用，可以并行接入按实际效果切流。
最大能输出多少 token？
单次最多 128K 输出 token，上下文窗口 1M。长输出建议用流式，避免长连接被边缘超时掐断；要在流式里拿到 usage 统计，请求里带上 stream_options: {"include_usage": true}。