GLM-5.3 Flash

通过 OpenAI Chat Completions 兼容协议接入 GLM-5.3 Flash，含流式用量、工具调用与思考过程。

GLM-5.3 Flash 走 HopBase 的 OpenAI Chat Completions 兼容协议。接入时统一使用 https://api.hop-base.com/v1，模型名填写 glm-5.3-flash。

GLM-5.3 Flash 由智谱在 2026-08-26 发布并开源，是 GLM-5 系列首个原生多模态成员：320B 总参、每 token 激活 18B 的 MoE 模型，1M 上下文，最大输出 128K。

模型与规格

项目	说明
模型 ID	`glm-5.3-flash`
架构	MoE，320B 总参，每 token 激活 18B
注意力	混合稀疏 + 线性注意力：相对 GLM-5.3 注意力计算减少 3.01 倍、KV 缓存减少 4.44 倍
上下文	1M token
最大输出	128K token
输入模态	文本、图像、视频、文件
输出	文本
思考	始终开启，思考过程走 `reasoning_content` 返回

端点与 Base URL

字段	填写值
API 地址 / Base URL	`https://api.hop-base.com/v1`
端点	`POST /v1/chat/completions`
API Key	`sk-你的密钥`
模型	`glm-5.3-flash`
API 格式（仅 CC Switch 等支持路由的客户端需要）	`OpenAI Chat Completions（需开启路由）`

分组与计费

glm-5.3-flash 在「GLM 5.3 Flash 专线」分组在售。在控制台「API Key」新建密钥时，分组选它；只有绑定该分组的密钥才能调到这个模型。
一把 Key 绑定一个分组：绑定在其他分组的 Key 调用 glm-5.3-flash 会收到明确的 404 提示——新建一把绑定本分组的 Key，或在控制台把现有 Key 改绑过来。
计费以智谱该模型的官方牌价为基准，公开价见价格页，实际结算单价以登录后的模型广场为准。
glm-5.3 仍在原有分组，不受影响，详见 GLM-5.3。

参数	推荐值	说明
`temperature`	`1`
`top_p`	`0.95`
`reasoning_effort`	`max`	思考模式只支持开启，无法关闭
`stream_options.include_usage`	`true`	流式下要拿到 `usage` 必须带上
`tool_stream`	`true`	请求带 `tools` 时，建议与流式一起开

curl

curl https://api.hop-base.com/v1/chat/completions \
  -H "Authorization: Bearer sk-你的密钥" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-5.3-flash",
    "temperature": 1,
    "top_p": 0.95,
    "reasoning_effort": "max",
    "messages": [{"role": "user", "content": "你好，介绍一下你自己"}]
  }'

流式与用量

传 "stream": true 即可流式返回。想拿到 Token 计数，再加上 stream_options.include_usage，最后一个分片会带 usage 对象。请求同时带 tools 时，建议再开 tool_stream: true，让工具调用参数逐步流出，而不是最后一次性给出。

curl https://api.hop-base.com/v1/chat/completions \
  -H "Authorization: Bearer sk-你的密钥" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-5.3-flash",
    "stream": true,
    "stream_options": {"include_usage": true},
    "tool_stream": true,
    "messages": [{"role": "user", "content": "写一首关于延迟的俳句"}]
  }'

工具调用

函数调用走标准的 OpenAI 字段：请求里传 tools，从返回的 choices[].message.tool_calls 里取出调用，执行后把结果作为 tool 消息发回。

curl https://api.hop-base.com/v1/chat/completions \
  -H "Authorization: Bearer sk-你的密钥" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-5.3-flash",
    "messages": [{"role": "user", "content": "东京现在天气怎么样？"}],
    "tools": [{
      "type": "function",
      "function": {
        "name": "get_weather",
        "description": "查询某个城市的当前天气",
        "parameters": {
          "type": "object",
          "properties": {"city": {"type": "string"}},
          "required": ["city"]
        }
      }
    }]
  }'

思考过程

该模型始终思考，没有关闭开关。思考过程走 reasoning_content 返回，正式回答仍在 content；流式下对应 delta.reasoning_content。请把两者分开渲染或直接丢弃思考部分，不要拼接进答案。max_tokens 要按「回答 + 思考」一起估算。

OpenAI SDK / Python

from openai import OpenAI

client = OpenAI(
    base_url="https://api.hop-base.com/v1",
    api_key="sk-你的密钥",
)

resp = client.chat.completions.create(
    model="glm-5.3-flash",
    temperature=1,
    top_p=0.95,
    reasoning_effort="max",
    messages=[{"role": "user", "content": "解释一下 GLM-5.3 Flash 的适用场景"}],
)
print(resp.choices[0].message.content)
print(resp.usage)

常见问题

调用 glm-5.3-flash 返回 404 模型不存在。密钥没有绑定「GLM 5.3 Flash 专线」分组，请新建一把该分组的密钥，或在控制台改绑现有密钥。
流式没有 usage。请加上 "stream_options": {"include_usage": true}，否则最后一个分片不带 Token 计数。
思考关不掉。该模型只支持开启思考，请用 reasoning_effort 调节深度，不要尝试关闭。