---
title: "GLM 5.3 API：价格、上下文与 OpenAI 兼容配置 | BroadRouter"
description: "通过 OpenAI 兼容端点使用 GLM 5.3：工具调用、结构化输出、思考、1M token 上下文，按 token 公布价格。推理内容不保留。"
url: https://broadrouter.com/zh/models/glm-5.3/
lang: zh-Hans
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

# GLM 5.3 API

更新于 2026-11-16

GLM 5.3在 BroadNet Inference 上的模型 ID 为 `broadnet/glm-5.3`，通过 OpenAI 兼容接口 `https://inference.broadnet.ai/v1` 调用。价格为每百万 token 输入 US$0.78、缓存输入 US$0.173、输出 US$3.46，上下文 1,048,576 token。需要符合条件的充值（初始额度不可用），推理内容不保留。

## 概览

-   Text
-   Tool calling
-   Reasoning
-   Structured output

-   上下文 1,048,576 token
-   工具调用和结构化输出
-   思考型模型
-   文本输入

| 价格和限制 |  |
| --- | --- |
| 模型 ID | `broadnet/glm-5.3` |
| 端点 | `/v1/chat/completions` |
| 支持的输入 | 文本 |
| 上下文 | 1,048,576 token，提示词与回答合计 |
| 输入 | 每百万 token US$0.78 |
| 缓存输入 | 每百万 token US$0.173（仅限 API 报告的缓存命中） |
| 输出 | 每百万 token US$3.46 |
| 按量付费限制 | 每个密钥每分钟 30 个请求，同时最多 4 个 |
| 使用条件 | 需要充值：完成符合条件的充值后开通；初始额度不可用 |

本页价格来自 BroadNet 价格数据源 2026-11-14 的快照，本页未实时核对。当前价格请查看[官方价格页面 （英文）](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-models-glm-5.3&utm_content=feed-status)。

[打开比较（0/3）](https://broadrouter.com/zh/models/#compare)

[报告价格或数字错误](mailto:info@broadnet.ai?subject=Wrong%20price%20or%20number%20on%20GLM%205.3%20on%20BroadNet%20Inference%20(Chinese)&body=Page%3A%20https%3A%2F%2Fbroadrouter.com%2Fzh%2Fmodels%2Fglm-5.3%2F%0A%0AWhat%20looks%20wrong%20(model%2C%20figure%20shown%2C%20correct%20figure%20and%20a%20source%20link%20if%20you%20have%20one)%3A%0A)（发邮件至 info@broadnet.ai，已自动填入本页链接）。

并排对比：[GLM 5.3 对比 DeepSeek V4.1 Flash （英文）](https://broadrouter.com/compare/deepseek-v4.1-flash-vs-glm-5.3/), [GLM 5.3 对比 Qwen3.8 27B （英文）](https://broadrouter.com/compare/glm-5.3-vs-qwen3.8-27b/)和[GLM 5.3 对比 BroadNet Gemma 4 VL 26B （英文）](https://broadrouter.com/compare/gemma-4-vl-26b-vs-glm-5.3/)，包括价格、上下文和工作负载费用。另有 24 家服务商也提供 GLM 5.3，按其各自价格页面，每百万 token 输入 US$0.5625 起、输出 US$2.50 起：[GLM 5.3 API 各服务商价格 （英文）](https://broadrouter.com/llm-api-pricing/glm-5.3/)。同一段文本在不同模型上的 token 数不同：在[分词器效率数据集 （英文）](https://broadrouter.com/data/tokenizer-efficiency/)中查看 GLM 5.3 的分词器在阿拉伯语、英语和代码上的表现。

## 用 Python 调用

用 `pip install openai` 安装 OpenAI SDK，导出 `BROADNET_API_KEY`，然后运行：

Python

```python
from openai import OpenAI
import os

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

response = client.chat.completions.create(
    model="broadnet/glm-5.3",
    max_tokens=2000,  # reasoning counts toward max_tokens: leave room
    messages=[{"role": "user", "content": "Write a SQL query for monthly active users."}],
)
print(response.choices[0].message.content)
```

## 或者用 curl

curl

```bash
curl https://inference.broadnet.ai/v1/chat/completions \
  -H "Authorization: Bearer $BROADNET_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"broadnet/glm-5.3","messages":[{"role":"user","content":"Reply with one short sentence."}]}'
```

GLM 5.3 会先思考再回答。思考内容计入 `max_tokens`，并以 `usage.completion_tokens_details.reasoning_tokens` 报告，包含在补全（输出）token 数中，因此请按输出预算。请预留 1,000 个或更多 token，或把 `reasoning_effort` 设为 `low`，否则回答可能为空。[为什么回答会是空的](https://broadrouter.com/zh/guides/reasoning-tokens-empty-response/)。

## GLM 5.3 指南

-   [用 OpenAI Python SDK 调用 BroadNet Inference](https://broadrouter.com/zh/guides/openai-python-sdk/)
-   [用 OpenAI Node.js SDK 调用 BroadNet Inference](https://broadrouter.com/zh/guides/openai-node-sdk/)
-   [用 curl 首次调用 BroadNet Inference API](https://broadrouter.com/zh/guides/curl-quickstart/)
-   [对话补全的流式输出，以及连接中断的处理](https://broadrouter.com/zh/guides/streaming-chat-completions/)
-   [推理模型为什么返回空回答](https://broadrouter.com/zh/guides/reasoning-tokens-empty-response/)
-   [在 LangChain 中调用 BroadNet Inference](https://broadrouter.com/zh/guides/langchain-openai-base-url/)
-   [在 Cline 中使用 BroadNet Inference（OpenAI Compatible 提供商）](https://broadrouter.com/zh/guides/cline-openai-compatible/)
-   [在 Roo Code 中使用 BroadNet Inference（OpenAI Compatible）](https://broadrouter.com/zh/guides/roo-code-openai-compatible/)
-   [在 Continue 中使用 BroadNet Inference（config.yaml 与 apiBase）](https://broadrouter.com/zh/guides/continue-dev-openai-compatible/)
-   [把 BroadNet Inference 添加为 opencode 的自定义供应商](https://broadrouter.com/zh/guides/opencode-custom-provider/)
-   [把 Open WebUI 接入 BroadNet Inference](https://broadrouter.com/zh/guides/open-webui-openai-api/)
-   [把 BroadNet Inference 作为自定义端点添加到 LibreChat](https://broadrouter.com/zh/guides/librechat-custom-endpoint/)
-   [在 n8n 中使用 BroadNet Inference（OpenAI 凭据与 Base URL）](https://broadrouter.com/zh/guides/n8n-openai-compatible/)
-   [用 Vercel AI SDK 调用 BroadNet Inference](https://broadrouter.com/zh/guides/vercel-ai-sdk-openai-compatible/)
-   [用 LiteLLM 路由到 BroadNet Inference（SDK 与代理）](https://broadrouter.com/zh/guides/litellm-proxy-custom-provider/)
-   [在 BroadNet Inference 上运行 OpenAI Agents SDK](https://broadrouter.com/zh/guides/openai-agents-sdk-custom-provider/)
-   [在 Zed 中把 BroadNet Inference 配置为 OpenAI 兼容提供商](https://broadrouter.com/zh/guides/zed-openai-compatible-provider/)
-   [在 Kilo Code 中使用 BroadNet Inference（OpenAI Compatible 供应商）](https://broadrouter.com/zh/guides/kilo-code-openai-compatible/)
-   [把 BroadNet Inference 作为自定义供应商接入 goose](https://broadrouter.com/zh/guides/goose-custom-provider/)
-   [在 BroadNet Inference 上使用 Pydantic AI（OpenAICompatibleProvider）](https://broadrouter.com/zh/guides/pydantic-ai-openai-compatible/)
-   [在 CrewAI 中把 BroadNet Inference 用作自定义 OpenAI 端点](https://broadrouter.com/zh/guides/crewai-custom-openai-endpoint/)
-   [通过 OpenAILike 在 LlamaIndex 中使用 BroadNet Inference](https://broadrouter.com/zh/guides/llamaindex-openailike/)
-   [用 OpenAI-API-compatible 插件把 BroadNet Inference 接入 Dify](https://broadrouter.com/zh/guides/dify-openai-api-compatible/)
-   [在 Jan 中把 BroadNet Inference 添加为 OpenAI 兼容的自定义供应商](https://broadrouter.com/zh/guides/jan-custom-endpoint/)
-   [把 SillyTavern 接入 BroadNet Inference（自定义 OpenAI 兼容端点）](https://broadrouter.com/zh/guides/sillytavern-custom-openai-endpoint/)
-   [在 BroadNet Inference 上使用 Spring AI（OpenAI base-url）](https://broadrouter.com/zh/guides/spring-ai-openai-base-url/)
-   [用 Go 和 openai-go SDK 调用 BroadNet Inference](https://broadrouter.com/zh/guides/openai-go-sdk/)
-   [在 BroadNet Inference 上构建 LangGraph 智能体](https://broadrouter.com/zh/guides/langgraph-openai-compatible/)
-   [在 Haystack 的 pipeline 和 agent 中使用 BroadNet Inference](https://broadrouter.com/zh/guides/haystack-openai-compatible/)
-   [在 BroadNet Inference 上使用 Semantic Kernel](https://broadrouter.com/zh/guides/semantic-kernel-openai-compatible/)
-   [在 BroadNet Inference 上运行 Mastra 智能体](https://broadrouter.com/zh/guides/mastra-openai-compatible/)
-   [在 BroadNet Inference 上用 Instructor 获取结构化输出](https://broadrouter.com/zh/guides/instructor-structured-output/)
-   [在 DSPy 中使用 BroadNet Inference（设置 model\_type="chat"）](https://broadrouter.com/zh/guides/dspy-openai-compatible/)
-   [用 promptfoo 评测 BroadNet 的模型](https://broadrouter.com/zh/guides/promptfoo-openai-compatible/)
-   [用 OpenAIModel 在 BroadNet Inference 上运行 smolagents](https://broadrouter.com/zh/guides/smolagents-openai-compatible/)
-   [把 Flowise 接入 BroadNet Inference（OpenAI Custom Model 节点）](https://broadrouter.com/zh/guides/flowise-openai-compatible/)
-   [在 Langflow 中接入 BroadNet Inference](https://broadrouter.com/zh/guides/langflow-openai-compatible/)

## 在控制台中使用 GLM 5.3

inference.broadnet.ai 上的 BroadNet 控制台负责管理账户和密钥。它不会收到你在本页的选择，所以：

1.  登录或创建账户。
2.  完成符合条件的充值（初始额度不覆盖该模型），然后创建按量付费密钥。
3.  把这个模型 ID 作为 `model` 发送到 `/v1/chat/completions`：`broadnet/glm-5.3`

[打开 BroadNet 控制台](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-models-glm-5.3&utm_content=model-console) · [估算费用](https://broadrouter.com/zh/pricing/?model=glm-5.3#estimate) · [阅读 API 参考文档 （英文）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-models-glm-5.3&utm_content=docs#models) ·

## 比较 GLM 5.3

-   [DeepSeek V4.1 Flash 对比 GLM 5.3 （英文）](https://broadrouter.com/compare/deepseek-v4.1-flash-vs-glm-5.3/)
-   [GLM 5.3 对比 Qwen3.8 27B （英文）](https://broadrouter.com/compare/glm-5.3-vs-qwen3.8-27b/)
-   [BroadNet Gemma 4 VL 26B 对比 GLM 5.3 （英文）](https://broadrouter.com/compare/gemma-4-vl-26b-vs-glm-5.3/)

GLM 5.3 免费工具 （英文）

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [LLM token counter](https://broadrouter.com/tools/token-counter/) Exact token counts with each model's real tokenizer, with a token view and cost.
-   [Context window calculator](https://broadrouter.com/tools/context-window-calculator/) Will it fit? Window used per model, room left for output, cost to send.

[免费工具 （英文）](https://broadrouter.com/tools/)

## 常见问题

### GLM 5.3 的模型 ID 是什么？

把 `broadnet/glm-5.3` 作为 `model` 发送到 `/v1/chat/completions`。base URL 是 `https://inference.broadnet.ai/v1`。

### GLM 5.3 多少钱？

每百万 token 输入 US$0.78、缓存输入 US$0.173、输出 US$3.46，从账户余额中扣除。

### GLM 5.3 的上下文窗口有多大？

每个请求 1,048,576 token，提示词与回答合计。

### 不充值能用 GLM 5.3 吗？

不能。GLM 5.3 需要完成符合条件的充值后才能使用。初始额度可用于 BroadNet Gemma 4 VL 26B、BroadNet Transcribe Arabic和BroadNet Transcribe 和 Gemma 按小时密钥。

### 我的数据会被存储吗？

推理内容不保留：提示词、图像和回答仅为处理该请求而使用。必要的账户、账单和安全元数据（例如耗时、token 数和费用）会按 BroadNet 隐私声明中的说明保留。[了解详情](https://broadrouter.com/zh/privacy/)。

用你的真实业务负载试一试。 新账户可获得 US$5 初始额度，用于 Gemma和转写。DeepSeek、GLM和Qwen3.8 需要先充值。

[开始使用](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-models-glm-5.3&utm_content=page-cta) ·

**来源**

-   [BroadNet Inference 价格 （英文）](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-models-glm-5.3&utm_content=sources)
-   [模型 ID 与请求格式 （英文）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-models-glm-5.3&utm_content=sources#models)
