GLM 5.3 API: цены, эндпоинты и счёт за reasoning_effort

API GLM 5.3 открылся через пять дней после самой модели: $1.40 за миллион входных токенов и $4.40 за выход, столько же, сколько у GLM 5.2. Удивит вас не цена. reasoning_effort по умолчанию равен max, и на коротком запросе классификации мы замерили у max медиану 105 выходных токенов против 3 у low.

Тарифицируемая половина счёта отличается в 35 раз, и решает это один параметр, который большинство людей не отправляет.

Цена:         $1.40 вход / $0.26 кэш / $4.40 выход за 1M токенов
Спецификация: 1M контекста, максимум 128K вывода
Базовые URL:  api.z.ai/api/coding/paas/v4  (OpenAI Chat Completions)
              api.z.ai/api/v1              (OpenAI Responses)
              api.z.ai/api/anthropic       (Anthropic Messages)
Шлюзы:        z-ai/glm-5.3 в OpenRouter и ofox
effort:       low | high | max, по умолчанию max, отключить нельзя
Убрано:       thinking.type "disabled" теперь отдаёт HTTP 400
Замеры:       классификация — 3 / 8 / 105 выходных токенов на low / high / max
Снимок:       2026-08-19

Сколько стоит API GLM 5.3?

$1.40 за миллион входных токенов, $0.26 за кэшированный ввод, $4.40 за выход. В таблице цен Z.ai появилась строка GLM-5.3, и она совпадает с GLM 5.2 и GLM 5.1 по всем позициям.

Из этой таблицы стоит вытащить два пункта. Кэшированный ввод по $0.26 — это 19% от холодного чтения, а плата за хранение, из-за которой кэширование обычно становится спорным решением, на время акции равна нулю, так что повторяющийся system-промпт достаётся почти бесплатно. Второй пункт: вывод дороже ввода в 3.1 раза — именно это соотношение делает настройку effort ниже самой дорогой строкой в вашем конфиге.

OpenRouter отдаёт ту же пару $1.4 / $4.4 при контексте 1 048 576, то есть сторонние маршруты передают первичную цену дальше без наценки.

Какой базовый URL у API GLM 5.3?

Три протокола, и в одном из них документация противоречит себе. Страница модели перечисляет вот это:

А ниже, на той же странице, раздел Quick Start стучится в https://api.z.ai/api/paas/v4/chat/completions, без сегмента /coding. Одна страница, два ответа. Если первый отдаёт 404, попробуйте второй, прежде чем искать проблему в ключе.

Ни то, ни другое — не https://open.bigmodel.cn/api/paas/v4, который Zhipu анонсировала в день релиза. Всё, что написано в первые сутки после анонса, цитирует базовый URL, который так и не приехал.

Одно ограничение легко пропустить, и оно бьёт как раз по тем, кто вероятнее всего это читает: аккаунты, когда-либо оформлявшие GLM Coding Plan, включая истёкшие подписки, сейчас могут обращаться к API модели только по протоколу OpenAI Chat Completions. Если на аккаунте, где раньше работал план, падают вызовы по Responses или Anthropic, причина в этом.

Насколько reasoning_effort влияет на счёт?

Сильнее, чем выбор модели. GLM 5.3 всегда рассуждает, reasoning_effort принимает low, high или max, а по умолчанию стоит max.

19 августа 2026 года мы прогнали через z-ai/glm-5.3 на OpenAI-совместимом шлюзе две нагрузки: короткий промпт классификации по 10 прогонов на уровень и небольшой промпт генерации кода по 5 прогонов. Промпт и модель одни и те же, менялась только строка effort.

На строку с классификацией стоит посмотреть дважды. Три выходных токена на low, сто пять на max, и в обоих случаях ответ — одно слово. Затем мы прогнали классификацию ещё 18 раз, по шесть на уровень, забирая текст: все прогоны на всех трёх настройках вернули billing, то есть верную метку. На этой задаче max купил 102 дополнительных выходных токена и не изменил ничего.

В деньгах: тот же миллион вызовов классификации стоит $84.60 на low и $533.40 на max. Модель, промпт и ответ одинаковые. Разница — одна строка.

Та же арифметика на задаче с кодом, где рассуждения делают настоящую работу, а не пересказывают очевидное:

Обе строки — со всем включённым: вход по $1.40 за миллион плюс выход по $4.40, по некэшированной ставке. Только выход в строке классификации дал бы $13.20, $35.20 и $462.00, так что именно фиксированные $71.40 входа сжимают соотношение с 35-кратного по токенам до 6.3-кратного по счёту.

high — уровень, который обычно пропускают и, скорее всего, не стоит. На классификации он дороже low на 26%, на коде тоже на 26%, но на коде он оказался быстрее low по медиане: 8.6 секунды против 11.6. Задержка не растёт монотонно вместе с effort. Резко медленный только max: на задаче с кодом он занял в 5.5 раза больше реального времени, чем low, а результат всё равно придётся читать человеку.

Оговорка к цифрам: это два промпта, а не бенчмарк-набор, и диапазоны у max широкие — от 47 до 160 токенов на ответ из одного слова и от 2 807 до 10 596 на коде. Прогоните свой промпт, прежде чем закладывать бюджет. Порядок сохранялся во всех прогонах, а вот кратность будет зависеть от вашей нагрузки.

Почему мой запрос к GLM 5.3 возвращает 400?

Вероятнее всего потому, что рассуждения нельзя выключить, и API говорит об этом формулировкой, верной только наполовину. Все вызовы ниже в наших прогонах вернули HTTP 400:

{
  "error": {
    "message": "This model always engages in thinking and cannot be disabled; please use low, high, or max"
  }
}

Это ответ на "thinking": {"type": "disabled"}, и он корректен и ожидаем. Но это же ответ на "reasoning_effort": "medium" и на "reasoning_effort": "none", а вот это уже нет, потому что ни один из них ничего не пытался отключить. medium — совершенно разумная догадка, если вы пришли от другого провайдера, и эта ошибка отправит вас искать параметр thinking, который вы никогда не задавали.

Короткий список того, что действительно ломается:

Как перенести нагрузку с GLM 5.2 на GLM 5.3?

Сначала параметр effort, потом ID модели. Z.ai прямо задаёт этот порядок, и причина в том, что запрос с thinking.type: "disabled" падает в тот момент, когда меняется ID модели.

from openai import OpenAI

client = OpenAI(api_key="YOUR_KEY", base_url="https://api.ofox.io/v1")

r = client.chat.completions.create(
    model="z-ai/glm-5.3",
    messages=[{"role": "user", "content": "Classify this ticket: ..."}],
    reasoning_effort="low",   # без этой строки вас тарифицируют по max
)
print(r.usage.completion_tokens)

Миграция дешевле, чем следовало из цифр GLM 5.2. Когда мы мерили цену потери disabled в релизном разборе, на GLM 5.2 самая дешёвая настройка с включённым мышлением всё равно жгла от 69 до 122 выходных токенов на тривиальном промпте против 2 при выключенном. На GLM 5.3 low вернулся к медиане 3. Что бы ни изменилось между двумя версиями, порог, из-за которого этой миграции боялись, почти исчез — при условии, что вы задаёте параметр.

Задавайте его явно везде, включая места, которые наследуют значения по умолчанию: обёртки для ретраев, харнессы для оценки и любой фреймворк, собирающий тело запроса за вас. Отсутствующий reasoning_effort — это не отсутствующая функция, это счёт по max.

Если вы настраиваете ключ с нуля, наш гайд по доступу к API GLM 5.2 применим без изменений: эндпоинт, ключ и форма запроса те же. Расчёты для большого объёма коротких вызовов есть в сравнении стоимости GLM 5.2 и GPT-5.5.

Обращаться к Z.ai напрямую или через шлюз?

Напрямую, если вы используете только GLM. Через шлюз, если рядом работает что-то ещё или если вас поймало ограничение протокола для Coding Plan.

Одна оговорка про шлюзы, которая стоит реальных денег: то, что прокси возвращает, не всегда равно тому, за что его тарифицировали. На шлюзе, который мы тестировали, usage.completion_tokens_details.reasoning_tokens приходит: вызов на low с 8 completion-токенами корректно показал 3 из них как reasoning. Не пришло — поле кэша в prompt_tokens_details, а сам текст рассуждений отсутствует в объекте message. Проверьте оба пункта у своего провайдера, прежде чем строить на них учёт затрат или дашборд попаданий в кэш: тарификация следует за тем, что сделал апстрим, а не за тем, что показывает ваше тело ответа.

Скидка 15% на пополнение до 2026-08-31 в ofox покрывает около 130 моделей на одном OpenAI-совместимом эндпоинте, причём z-ai/glm-5.3 и z-ai/glm-5.2 доступны обе, так что A/B между ними — это одна строка в коде выше.

Бенчмарки, сроки по весам и сравнение возможностей GLM 5.3 против 5.2 — в нашем обзоре релиза GLM 5.3, там полная таблица. Актуальные каталожные характеристики — на странице модели GLM 5.3 в ofox.

Источники

• Документация Z.ai: страница модели GLM-5.3
• Документация Z.ai: цены
• Документация Z.ai: глубокое мышление
• Релизная заметка Z.ai: GLM-5.3
• OpenRouter: z-ai/glm-5.3
• Страница модели ofox: GLM 5.3