---
title: "GLM 5.3 по API"
description: "Флагман Z.ai для кода и долгих агентных задач: контекст 1 млн токенов, рассуждения всегда включены. Подходит для Claude Code. От 148,27 ₽ за 1 млн токенов."
url: https://veselo.ai/models/z-ai/glm-5.3
updated: 2026-11-17T04:26:46.099Z
---

# GLM 5.3 по API

GLM-5.3 — флагманская модель Z.ai, вышла в августе 2026 года. Её делали для сложного программирования и агентов, которые долго работают над одной задачей. В один запрос помещается до 1 000 000 токенов, а перед каждым ответом модель рассуждает. Подключается по API в формате OpenAI или через вход для Claude Code, платишь в рублях за потраченные токены.

- **148,27 ₽ / 465,97 ₽ за 1 млн токенов**
- контекст 1 млн
- текст → текст

`z-ai/glm-5.3`

Обновлено: 17 ноября 2026 г.

[Получить ключ](https://veselo.ai/developer) Попробовать [Документация](https://veselo.ai/docs/chat)

## Попробовать GLM-5.3

Отправь вопрос — модель ответит текстом. Запрос оплачивается с API-счёта по цене на кнопке, бесплатных проб нет; ошибка нейросети денег не стоит.

**Пример запроса:** «Напиши bash-скрипт, который раз в сутки архивирует папку /var/www и хранит последние семь архивов.»

В ответ приходит текст в choices[0].message.content и цена ответа в usage.cost_rub.

## Цены GLM-5.3 в рублях

| Вход — твой запрос | 148,27 ₽ за 1 млн токенов |
| --- | --- |
| Выход — ответ модели | 465,97 ₽ за 1 млн токенов |
| Вход из кэша — повтор того же начала запроса | 27,54 ₽ за 1 млн токенов |

Запрос, который закончился ошибкой, денег не стоит. Кэшбэк — до 5% от расхода за месяц. [Как считается цена](https://veselo.ai/docs/pricing)

### Сколько стоят типичные задачи

Суммы посчитаны по цене выше — сколько спишется за такую работу.

| Агент в Claude Code на GLM-5.3: шаг агента на 60 000 токенов входа и 4 000 ответа | Около 10,77 ₽ |
| --- | --- |
| Разбор большого репозитория за один запрос: 600 000 токенов кода и ответ на 8 000 | Около 92,69 ₽ |
| Проверка своего кода на уязвимости: 150 000 токенов кода и отчёт на 20 000 | Около 31,56 ₽ |
| Разбор падения по логам: 300 000 токенов логов и отчёт на 6 000 | Около 47,28 ₽ |
| Агент с вызовом функций в твоём сервисе: пять шагов по 8 000 токенов входа и 600 ответа | Около 7,33 ₽ |

## Что умеет GLM-5.3

- Держит в запросе до 1 000 000 токенов, отвечает до 128 000 токенов: в контекст помещаются исходники крупного проекта или логи за несколько дней.
- Рассуждает всегда. Глубину задаёт `reasoning_effort`: `low`, `high` или `max`, по умолчанию — `max` ([документация Z.ai](https://docs.z.ai/guides/llm/glm-5.3)).
- Принимает только текст. Скриншоты и фото ей не отправить: для них есть [GLM-5.3 Flash](https://veselo.ai/models/z-ai/glm-5.3-flash).
- Вызывает функции из `tools` и отдаёт ответ потоком; Z.ai заявляет ещё кэш контекста и структурированный ответ в JSON.
- По замерам Z.ai, на DeepSWE v1.1 набирает 66,9 против 46,2 у GLM-5.2, на Terminal Bench 2.1 — 88,2 против 81,0 ([карточка модели](https://huggingface.co/zai-org/GLM-5.3)).

## Где применять

### Агент в Claude Code на GLM-5.3

Claude Code разговаривает с нейросетью в формате Anthropic, и для него у нас есть вход `/v1/messages`. В переменных окружения меняешь адрес на `https://veselo.ai`, ключ — на свой `sk-vsl-…`, а модель — на `z-ai/glm-5.3`. Z.ai и сама проводила агентные замеры GLM-5.3 в Claude Code, так что для модели эта среда привычная. Бери её для работы на десятки шагов: перевести модуль на новую библиотеку, переписать тесты, починить сборку. Не забудь `CLAUDE_CODE_MAX_CONTEXT_TOKENS`: без него Claude Code решит, что контекст у модели 200 000 токенов, и начнёт сжимать разговор слишком рано. Пошагово — в [разделе про Claude Code](https://veselo.ai/docs/anthropic).

**Пример запроса:** «Переведи обработку платежей с колбэков на async/await и поправь тесты, чтобы проходили».

**Стоимость:** шаг агента на 60 000 токенов входа и 4 000 ответа — около 10,77 ₽.

### Разбор большого репозитория за один запрос

Когда в запрос помещается 1 000 000 токенов, код среднего проекта можно отдать целиком, а не по файлу. Модель видит, где функция объявлена, кто её вызывает и какие тесты её проверяют, и угадывать содержимое соседних файлов ей не нужно. Так ищут баг, который живёт на стыке трёх модулей, или готовят план большого рефакторинга. Повторные вопросы по тому же коду обходятся дешевле: совпадающее начало запроса идёт по цене кэша, 27,54 ₽. Поэтому код клади в начало сообщения, а вопрос — в самый конец.

**Пример запроса:** «Вот весь код сервиса заказов. Найди, почему оптовым клиентам скидка применяется дважды».

**Стоимость:** 600 000 токенов кода и ответ на 8 000 — около 92,69 ₽.

### Проверка своего кода на уязвимости

Безопасности Z.ai уделяет в описании GLM-5.3 отдельный раздел: в карточке модели — 84,5 на CyberGym, наборе задач по поиску уязвимостей, у GLM-5.2 там 77,2. На практике отдаёшь модели обработчики загрузки файлов, авторизацию или сборку SQL-запросов и просишь найти места, где можно выйти за пределы папки, подменить пользователя или протащить инъекцию. В ответе — где проблема, как её воспроизвести и как закрыть. Проверяй так свой код или тот, на проверку которого есть разрешение: правила API одни для всех моделей.

**Пример запроса:** «Проверь эти обработчики загрузки на обход путей и SQL-инъекции. По каждой находке — строка, риск и исправление».

**Стоимость:** 150 000 токенов кода и отчёт на 20 000 — около 31,56 ₽.

### Разбор падения по логам

Ночью упал сервис, утром на руках логи трёх систем за час — десятки тысяч строк. Большой контекст тут кстати: логи целиком идут в один запрос, а модель восстанавливает хронологию, что отказало первым и почему следом посыпалось остальное. Рассуждения на уровне `max` здесь к месту: задача как раз про цепочку причин. Попроси в конце короткий отчёт для команды: что случилось, что сделать, чтобы не повторилось. Цифры и время из отчёта сверь с логами глазами.

**Пример запроса:** «Вот логи API, очереди и базы за 02:00–03:00. Восстанови по времени, что сломалось первым, и предложи три меры».

**Стоимость:** 300 000 токенов логов и отчёт на 6 000 — около 47,28 ₽.

### Агент с вызовом функций в твоём сервисе

Агент может жить не в редакторе кода, а в твоём продукте: оформлять возвраты, сверять заказы, ставить задачи в CRM. Функции описываются в `tools`, модель сама выбирает, какую вызвать и с какими аргументами, а твой код выполняет вызов и возвращает результат. Z.ai меряла это на Toolathlon Verified: 73,0 у GLM-5.3 против 59,9 у GLM-5.2. Держи в запросе только нужные функции: длинный список инструментов тоже занимает токены входа на каждом шаге. Как устроены вызовы — в [разделе про функции](https://veselo.ai/docs/tools).

**Пример запроса:** «Клиент просит вернуть заказ 48213. Проверь срок, статус оплаты и, если можно, создай заявку на возврат».

**Стоимость:** пять шагов по 8 000 токенов входа и 600 ответа — около 7,33 ₽.

### Скрипты и рутина на сервере

Бэкап по расписанию, ротация логов, проверка свободного места — для таких задач флагман не обязателен, но с ним проще продумать края. Попроси учесть, что будет при заполненном диске, как не удалить лишний архив и куда писать ошибки. Ставь `reasoning_effort: low`: рассуждения выйдут короче, а значит, дешевле, ведь токены рассуждений оплачиваются как ответ. Готовый скрипт сначала запусти на тестовой папке, а уже потом добавляй в cron.

**Пример запроса:** «Скрипт для cron: каждую ночь сжимает логи старше недели и пишет в журнал, сколько места освободилось».

**Стоимость:** короткий запрос и скрипт с рассуждениями на 5 000 токенов — около 2,56 ₽.

## Как писать запрос

- Длинные задачи отправляй с `stream: true`. Ответ без потока мы ждём до 5 минут, а на уровне `max` модель может думать долго.
- `max_tokens` оставляй с запасом на рассуждения, но без лишнего: на время запроса по нему удерживается сумма на счёте.
- Для кода и агентов Z.ai советует `max`, для справочных вопросов хватит `low`.
- В части замеров Z.ai ставила `temperature` 1.0 и `top_p` 0.95 — от этих значений удобно отталкиваться.

## Характеристики

| Разработчик | Z.ai (GLM) |
| --- | --- |
| Вид | Текст |
| Контекст | 1 000 000 токенов |
| Ответ | до 128 000 токенов |
| Вход → выход | текст → текст |
| Умеет | вызывать функции (tools), отвечать строго в JSON, рассуждать перед ответом |
| id для запроса | `z-ai/glm-5.3` |

## Как подключить

Вместо sk-vsl-ТВОЙ_КЛЮЧ — ключ из кабинета. Ответ придёт в формате OpenAI.

Запрос — `POST https://veselo.ai/v1/chat/completions` с полем `model`: `z-ai/glm-5.3`, ключ — в заголовке `Authorization: Bearer sk-vsl-…`.

**curl**

```
curl https://veselo.ai/v1/chat/completions \
  -H "Authorization: Bearer sk-vsl-ТВОЙ_КЛЮЧ" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "z-ai/glm-5.3",
    "messages": [{"role": "user", "content": "Привет! Объясни в двух предложениях, что такое API."}]
  }'
```

**Python**

```
from openai import OpenAI  # pip install openai

client = OpenAI(base_url="https://veselo.ai/v1", api_key="sk-vsl-ТВОЙ_КЛЮЧ")

r = client.chat.completions.create(
    model="z-ai/glm-5.3",
    messages=[{"role": "user", "content": "Привет! Объясни в двух предложениях, что такое API."}],
)
print(r.choices[0].message.content)
```

**JavaScript**

```
import OpenAI from 'openai'; // npm i openai

const client = new OpenAI({ baseURL: 'https://veselo.ai/v1', apiKey: 'sk-vsl-ТВОЙ_КЛЮЧ' });

const r = await client.chat.completions.create({
  model: 'z-ai/glm-5.3',
  messages: [{ role: 'user', content: 'Привет! Объясни в двух предложениях, что такое API.' }],
});
console.log(r.choices[0].message.content);
```

### Пример ответа — только поля

```
{
  "id": "chatcmpl-…",
  "model": "…",
  "choices": [{ "message": { "role": "assistant", "content": "…" } }],
  "usage": { "prompt_tokens": …, "completion_tokens": …, "cost_rub": … }
}
```

**В программах:** OpenAI SDK, Cursor и n8n — по адресу и ключу, Claude Code — через формат Anthropic, Claude и ChatGPT — через MCP. [Библиотеки и программы](https://veselo.ai/docs/sdks) · [Claude Code](https://veselo.ai/docs/anthropic) · [MCP](https://veselo.ai/connect)

[Документация раздела](https://veselo.ai/docs/chat)

## Сравнение с похожими

| Модель | Цена | Главное | Когда выбрать |
| --- | --- | --- | --- |
| **GLM-5.3** — эта модель | 148,27 ₽ / 465,97 ₽ (вход / выход за 1 млн токенов) | контекст 1 млн | долгие задачи кода, агенты в Claude Code, разбор большого репозитория целиком |
| [GLM-5.3 Flash](https://veselo.ai/models/z-ai/glm-5.3-flash) — Z.ai (GLM) | 15,89 ₽ / 52,96 ₽ (вход / выход за 1 млн токенов) | контекст 1 млн | скриншоты и сканы в запросе, массовые задачи с длинным контекстом дешевле флагмана |
| [Kimi K3](https://veselo.ai/models/moonshotai/kimi-k3) — Moonshot AI (Kimi) | 317,71 ₽ / 1 588,52 ₽ (вход / выход за 1 млн токенов) | контекст 1 млн | долгие задачи с кодом и документами, скриншоты на входе, окно до 1 млн токенов |
| [DeepSeek V4 Pro](https://veselo.ai/models/deepseek/deepseek-v4-pro) — DeepSeek | 184,27 ₽ / 368,54 ₽ (вход / выход за 1 млн токенов) | контекст 1 млн | сложный код, проектирование систем и вопросы, где нужны знания модели |
| [Qwen3.8 Max](https://veselo.ai/models/qwen/qwen3.8-max) — Qwen (Alibaba) | 211,81 ₽ / 635,41 ₽ (вход / выход за 1 млн токенов) | контекст 1 млн | флагман Qwen для сложного кода, агентов и документов на сотни страниц |
| [GLM-5.2](https://veselo.ai/models/z-ai/glm-5.2) — Z.ai (GLM) | 148,27 ₽ / 465,97 ₽ (вход / выход за 1 млн токенов) | контекст 1 млн | долгие рефакторинги и разбор проекта целиком, если агент уже отлажен на 5.2 |

- [**GLM-5.3 Flash**](https://veselo.ai/models/z-ai/glm-5.3-flash) — когда нужны картинки на входе или цена важнее глубины рассуждений.
- [**Kimi K3**](https://veselo.ai/models/moonshotai/kimi-k3) — флагман Moonshot AI: по данным вендора, тоже миллион токенов контекста и вдобавок картинки на входе.
- [**DeepSeek V4 Pro**](https://veselo.ai/models/deepseek/deepseek-v4-pro) — чтобы сверить решение GLM-5.3 с флагманом другого вендора на тех же задачах.
- [**Qwen3.8 Max**](https://veselo.ai/models/qwen/qwen3.8-max) — второе мнение при ревью архитектуры: тот же ключ, другое значение в поле `model`.
- [**GLM-5.2**](https://veselo.ai/models/z-ai/glm-5.2) — если пайплайн уже работает на 5.2 и перепроверять промпты сейчас некогда.

## Версии и отличия

- [GLM-5.2](https://veselo.ai/models/z-ai/glm-5.2) — та же базовая модель, GLM-5.3 получила только новое дообучение. Если промпты отлажены на 5.2, переход можно спокойно проверить на своих задачах.
- [GLM-5.3 Flash](https://veselo.ai/models/z-ai/glm-5.3-flash) — новая основа с 18 млрд активных параметров вместо 32, видит картинки и стоит дешевле.
- GLM-5.3 FlashX — скоростной вариант Flash, о нём рассказано на странице Flash.
- [GLM-5.1](https://veselo.ai/models/z-ai/glm-5.1) и [GLM-5](https://veselo.ai/models/z-ai/glm-5) — прошлые версии с контекстом 200 тысяч токенов.
- [GLM 5.3 без цензуры](https://veselo.ai/models/z-ai/glm-5.3-uncensored) — открытые веса GLM-5.3 без встроенных отказов; Z.ai такую версию не выпускала.

## Подробно о GLM-5.3

Линейка GLM-5 обновлялась быстро: GLM-5 вышла в феврале 2026 года, 5.1 — в апреле, 5.2 — в июне, 5.3 — в августе. По карточке на Hugging Face у GLM-5.3 753 млрд параметров. Это смесь экспертов: на каждый токен работает около 32 млрд из них, слоёв — 92. Основа та же, что у GLM-5.2, а прирост, как пишет Z.ai, целиком дало дообучение.

Главное, что изменилось для кошелька, — расход токенов. На своём наборе задач Z.ai Code Bench модель на уровне `max` набрала 34,5% и тратила около 75 тысяч токенов ответа на задачу, а GLM-5.2 — 23,4% при 96 тысячах. На уровне `high` выходит 31,4% примерно при 50 тысячах. Рассуждения оплачиваются как ответ, поэтому меньше токенов на решённую задачу — меньше счёт.

Выключить рассуждения нельзя: Z.ai убрала такой режим, и в её API запрос с выключенным мышлением возвращает ошибку. Обратная сторона: даже простой вопрос модель сначала обдумывает. Отсюда совет брать `low` для коротких ответов.

Миллион токенов контекста легко превратить в большой счёт. Агент на каждом шаге заново отправляет всю историю, и вход растёт с каждым ходом. Выручает кэш: если начало запроса не менялось, эта часть оплачивается по сниженной цене. Claude Code так и устроен: старая переписка идёт первой, новый ход дописывается в конец.

Вторая тема, на которую Z.ai делает упор, — безопасность. В документации сказано, что с помощью модели нашли 2 436 уязвимостей в 269 проектах, а сведения о них Z.ai ведёт в своём реестре Security Disclosure Ledger.

Веса GLM-5.3 опубликованы на Hugging Face под собственной лицензией «glm-5.3»: перед запуском на своём сервере прочитай её условия. Чтобы работать по API, видеокарты не нужны: запрос уходит модели, а мы списываем деньги только за потраченные токены. В карточке модели указаны два языка — английский и китайский.

## Как устроен доступ

Весело — не разработчик GLM-5.3: модель выпускает Z.ai (GLM). Мы даём к ней доступ по API — один ключ на все модели, оплата в рублях с API-счёта, а цена каждого ответа видна в самом ответе. Запрос, который закончился ошибкой, денег не стоит. Что мы храним о запросах и сколько — в разделе «Данные и приватность» документации. [Данные и приватность](https://veselo.ai/docs/privacy)

## Вопросы и ответы

**Какие переменные задать, чтобы Claude Code работал на GLM 5.3?**

`ANTHROPIC_BASE_URL="https://veselo.ai"`, `ANTHROPIC_AUTH_TOKEN` с ключом `sk-vsl-…` и пустой `ANTHROPIC_API_KEY`. Потом впиши `z-ai/glm-5.3` во все пять переменных моделей, включая `ANTHROPIC_DEFAULT_HAIKU_MODEL`, — иначе фоновые запросы уйдут к модели Claude, которой у нас нет, и получат 404. Контекст укажи в `CLAUDE_CODE_MAX_CONTEXT_TOKENS`. Полный пример — в [разделе про Claude Code](https://veselo.ai/docs/anthropic).

**GLM-5.3 рассуждает даже над «привет» — это нормально?**

Да, так её сделала Z.ai: рассуждения у GLM-5.3 включены всегда, выключить их нельзя. Меньше всего модель думает на `reasoning_effort: low`, его и ставь для справочных вопросов. Если ответ нужен мгновенно, посмотри соседние модели в [каталоге](https://veselo.ai/models/llm-api).

**Что даст переход с GLM-5.2 на GLM-5.3?**

База у них одна, у 5.3 новое дообучение. По замерам Z.ai, она сильнее в коде и долгих задачах и тратит меньше токенов на решённую задачу. Цена за токен на 16 ноября 2026 года у двух моделей одинаковая, так что перед переходом остаётся прогнать свои тесты агента на обеих.

**Сколько стоит задача агента на GLM-5.3?**

Считай вход, ответ и рассуждения: последние оплачиваются как ответ. Задача на 200 000 токенов входа и 50 000 ответа — около 52,96 ₽. Сколько стоил каждый запрос, видно в `usage.cost_rub` и в расходе кабинета.

**Можно ли писать GLM-5.3 запросы на русском?**

Писать можно на любом языке, но официально Z.ai заявляет у модели английский и китайский, русского в этом списке нет. Перед запуском проверь модель на своих текстах: кнопка «Попробовать» выше подойдёт.

**Чем доступ по API отличается от подписки GLM Coding Plan?**

GLM Coding Plan — подписка самой Z.ai с квотой в баллах. У нас подписки нет: платишь в рублях за потраченные токены, а под тем же ключом доступны и другие модели каталога.

**Что будет, если запрос закончится ошибкой?**

Запрос, который закончился ошибкой нейросети, денег не стоит: удержание на время запроса снимается целиком. Цену удачного ответа видно в рублях сразу.

**Есть ли подписка или абонентская плата?**

Нет. API-счёт пополняется на нужную сумму, а списывается только то, что потратили запросы. Чем больше расход за месяц, тем больше кэшбэк — от 1 до 5%.

**Сколько запросов можно отправлять?**

До 60 запросов в минуту и до 10 одновременно на один ключ, ключей у аккаунта — до 20. Сверх лимита придёт ответ 429 с заголовком Retry-After: через столько секунд можно повторить.

## Ещё по теме

- [Все модели: языковые модели](https://veselo.ai/models/llm-api)
- [Все модели: нейросети для кода](https://veselo.ai/models/api-neirosetej-dlya-koda)
- [GLM API: модели Z.ai](https://veselo.ai/models/glm)
- [Чат: сообщения и параметры — документация API](https://veselo.ai/docs/chat)
- [Подключить к Claude и ChatGPT](https://veselo.ai/connect)
- [GLM-5.3 Flash Express](https://veselo.ai/models/z-ai/glm-5.3-flash-express)
- [GLM 5.3 Flash без цензуры](https://veselo.ai/models/z-ai/glm-5.3-flash-uncensored)
- [GLM 5.3 без цензуры](https://veselo.ai/models/z-ai/glm-5.3-uncensored)
- [GLM-5.1](https://veselo.ai/models/z-ai/glm-5.1)
- [Все модели и цены](https://veselo.ai/models)

Факты сверены 16 ноября 2026 по документации: [docs.z.ai](https://docs.z.ai/guides/llm/glm-5.3), [huggingface.co](https://huggingface.co/zai-org/GLM-5.3)
