GLM-5.3 Flash API: Preis und kostenloser Start

Preise pro 1 Mio. Token zum 2. November 2026:

Auf OpenRouter gibt es für GLM-5.3 Flash über dreißig Anbieter, und ihre Preise gehen um ein Vielfaches auseinander: Viele halten den Z.ai-Preis von $0.15 und $0.50, während der günstigste, Relace, $0.0285 und $0.0923 verlangt. Der Vergleich mit ihm: Der Unterschied zum günstigsten Anbieter desselben Modells beträgt etwa ×5, zur Z.ai-API etwa ×24 beim Input und ×27 beim Output.

Bei Z.ai und vielen Anbietern wird der erneut gesendete Teil einer Anfrage — Gesprächsverlauf, System-Prompt — günstiger aus dem Cache gelesen als normaler Input. Bei JoinGonka gibt es keinen separaten Cache-Preis, der gesamte Input kostet gleich viel. Doch selbst der Cache-Input kostet bei Z.ai $0.03 pro Million — das ist um ein Vielfaches teurer als unser normaler Input.

Der JoinGonka-Preis auf dieser Seite ist live: Er kommt aus der API des Gateways und ändert sich mit dem GNK-Kurs. Günstig macht ihn die Funktionsweise des Gonka-Netzwerks: Dort bestimmt die Abrechnung für die Rechenleistung der Hosts den Preis, nicht die Preisliste des Modellentwicklers.

1. Schlüssel. Registrieren Sie sich beim JoinGonka Gateway und erstellen Sie im Dashboard einen Schlüssel jg-…. Neue Konten erhalten 3M kostenlose Token.

2. Anfrage. Die Adresse der OpenAI-kompatiblen API lautet https://gate.joingonka.ai/v1, die Modell-ID zai-org/GLM-5.3-Flash:

curl https://gate.joingonka.ai/v1/chat/completions \
  -H "Authorization: Bearer jg-your-key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "zai-org/GLM-5.3-Flash",
    "max_tokens": 2000,
    "messages": [{"role": "user", "content": "Find the bug: def avg(xs): return sum(xs) / len(xs) - 1"}]
  }'

Dasselbe in Python über die Bibliothek openai:

from openai import OpenAI

client = OpenAI(api_key="jg-your-key", base_url="https://gate.joingonka.ai/v1")
response = client.chat.completions.create(
    model="zai-org/GLM-5.3-Flash",
    max_tokens=2000,
    messages=[{"role": "user", "content": "Explain in two sentences what a race condition is"}],
)
print(response.choices[0].message.content)

3. Coding-Tools. Der Installer trägt Gateway und Modell mit einem einzigen Befehl in die Konfiguration von Claude Code, Codex CLI, OpenCode und anderen Tools ein — nach Tool und Schlüssel fragt er selbst:

npx @joingonka/setup --model glm

Für Clients der Anthropic Messages API lautet die Adresse https://gate.joingonka.ai, ohne /v1. Schritt-für-Schritt-Anleitungen zu den einzelnen Tools finden Sie im Bereich „Tools“.

• Kostenlose Token. Ein neues Konto erhält 3M Token — das sind Hunderte Anfragen an GLM-5.3 Flash: genug, um das Modell an den eigenen Aufgaben zu testen und das Reasoning-Budget einzustellen. Karte und Kryptowährung sind dafür nicht nötig.
• Chat ohne Registrierung. Im kostenlosen Chat auf unserer Website können Sie GLM-5.3 Flash auswählen und beobachten, wie es denkt: Der Gedankengang wird in einem eigenen eingeklappten Block angezeigt.
• Danach — Bezahlung pro Token. Es gibt kein Abo: Das Guthaben wird in GNK, USDT oder per Karte aufgeladen, abgerechnet werden die tatsächlichen Token, der Verbrauch pro Tag ist im Dashboard sichtbar.

Kostenlos stellt Z.ai nur ältere leichte Modelle bereit — GLM-4.7-Flash und GLM-4.5-Flash. GLM-5.3 Flash ist dort kostenpflichtig, deshalb lässt sich genau dieses Modell ohne Bezahlung mit den Start-Token von JoinGonka testen.

GLM-5.3 Flash — das leichte Modell der GLM-5.3-Reihe von Z.ai, einer internationalen Marke des Pekinger Unternehmens Zhipu AI. Leicht ist relativ: Es handelt sich um ein MoE-Modell mit 320 Mrd. Parametern, von denen pro Token etwa 18 Mrd. aktiv sind. Die Attention ist hybrid — ein Teil der Layer ist sparse, ein Teil linear, weshalb langer Kontext günstiger ausfällt. Die Gewichte sind unter der MIT-Lizenz offen. Die Arbeitsparameter in JoinGonka gibt das Deployment auf den Hosts des Netzwerks vor:

• Kontext — 390 000 Token. Das ist das durch Anfragen bestätigte Minimum: Bei Z.ai und den OpenRouter-Anbietern reicht das Fenster bis zu 1 Mio. Token, die Hosts des Netzwerks sind auf 400 000 eingestellt, und wir veröffentlichen nur, was bestätigt ist.
• Antwort — bis zu 8 192 Token, zusammen mit dem Reasoning.
• Das Reasoning kommt in einem separaten Feld reasoning_content, Tool-Aufrufe in den standardmäßigen tool_calls, einschließlich der zweiten und aller weiteren Runden; der JSON-Modus (response_format) funktioniert.
• Nur Text: Bilder nimmt das Netzwerk noch nicht an.

Die Modelle, ihre IDs und Limits finden Sie in der Gonka-API-Dokumentation, Verfügbarkeit und Latenzen auf der Statusseite des Gateways.

GLM-5.3 Flash denkt zuerst nach und antwortet dann, und beide Phasen fallen in dasselbe Ausgabelimit. Selbst bei einer einfachen Frage beansprucht das Reasoning 250–450 Token, bei einer anspruchsvollen Aufgabe Tausende. Deshalb liefert das gewohnte max_tokens: 256 ein finish_reason: "length" und einen leeren content: Das Modell hat das Limit fürs Reasoning aufgebraucht und es nicht mehr bis zur Antwort geschafft.

Reasoning wird als Ausgabe-Token abgerechnet. Wenn es gar nicht gebraucht wird, ist für kurze schnelle Antworten ein anderes Modell des Netzwerks praktischer. In Agenten wie Cline und Cursor prüfen Sie das Ausgabelimit bei den Hilfsanfragen — Kontextkomprimierung, Dialogtitel: Mit einem Limit von ein paar Hundert Token liefert GLM-5.3 Flash eine leere Antwort.

Beide Modelle gibt es in JoinGonka zum selben Preis, deshalb sollte man nach der Aufgabe wählen, nicht nach dem Budget:

Kurz gesagt: GLM-5.3 Flash — wenn man über komplexe Logik nachdenken muss und keine lange Antwort braucht; DeepSeek V4 Flash — für lange Antworten, große Dokumente und Agenten, die stundenlang arbeiten. Das dritte Modell des Netzwerks, MiniMax M2.7, eignet sich für schnelle kurze Antworten, doch MiniMax selbst nimmt es aus seiner API heraus. Der Wechsel zwischen den Modellen ist eine Zeile model in der Anfrage.