API GLM-5.3 Flash : prix et démarrage gratuit

Prix pour 1 million de tokens au 2 novembre 2026 :

Sur OpenRouter, GLM-5.3 Flash compte plus de trente fournisseurs, et leurs prix varient du simple au multiple : beaucoup s'alignent sur Z.ai — 0,15 $ et 0,50 $ — tandis que le moins cher, Relace, prend 0,0285 $ et 0,0923 $. Comparons avec lui : l'écart avec le fournisseur le moins cher du même modèle est d'environ ×5, et avec l'API Z.ai d'environ ×24 en entrée et ×27 en sortie.

Chez Z.ai et chez de nombreux fournisseurs, la partie renvoyée d'une requête — l'historique de la conversation, le prompt système — se lit depuis le cache à un prix inférieur à celui de l'entrée normale. Chez JoinGonka, il n'y a pas de tarif de cache distinct : toute l'entrée coûte le même prix. Mais même l'entrée depuis le cache chez Z.ai revient à 0,03 $ le million, soit plusieurs fois le prix de notre entrée normale.

Le prix JoinGonka affiché sur cette page est en direct : il provient de l'API de la passerelle et évolue avec le cours du GNK. S'il est si bas, c'est grâce au fonctionnement du réseau Gonka : le prix y est fixé par le règlement du travail de calcul des hôtes, et non par la grille tarifaire du développeur du modèle.

1. La clé. Inscrivez-vous sur JoinGonka Gateway et créez une clé jg-… dans votre espace. Les nouveaux comptes reçoivent 3M tokens gratuits.

2. La requête. L'adresse de l'API compatible OpenAI est https://gate.joingonka.ai/v1, l'identifiant du modèle 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"}]
  }'

La même chose en Python avec la bibliothèque 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. Les outils de code. L'installeur configure la passerelle et le modèle dans Claude Code, Codex CLI, OpenCode et autres, en une seule commande — il vous demandera lui-même le programme et la clé :

npx @joingonka/setup --model glm

Pour les clients Anthropic Messages API, l'adresse est https://gate.joingonka.ai, sans /v1. Guides pas à pas par outil dans la section « Outils ».

• Tokens gratuits. Un nouveau compte reçoit 3M tokens — soit des centaines de requêtes vers GLM-5.3 Flash : de quoi tester le modèle sur vos propres tâches et calibrer votre budget de raisonnement. Aucune carte ni cryptomonnaie n'est nécessaire.
• Chat sans inscription. Dans le chat gratuit de notre site, vous pouvez choisir GLM-5.3 Flash et observer son raisonnement : le fil de pensée s'affiche dans un bloc replié distinct.
• Ensuite, paiement au token. Pas d'abonnement : le solde se recharge en GNK, en USDT ou par carte, seuls les tokens réellement consommés sont débités, et la dépense par jour est visible dans votre espace.

Z.ai offre gratuitement ses anciens modèles légers — GLM-4.7-Flash et GLM-4.5-Flash. GLM-5.3 Flash y est payant : pour le tester précisément sans payer, utilisez les tokens de démarrage JoinGonka.

GLM-5.3 Flash — un modèle léger de la gamme GLM-5.3 de Z.ai, marque internationale de la pékinnoise Zhipu AI. Léger, tout est relatif : c'est un modèle MoE de 320 milliards de paramètres, dont environ 18 milliards sont activés par token. L'attention est hybride — une partie des couches est clairsemée, une autre linéaire — ce qui rend le contexte long moins coûteux à traiter. Les poids sont ouverts sous licence MIT. Dans JoinGonka, les paramètres opérationnels sont définis par le déploiement sur les hôtes du réseau :

• Contexte — 390 000 tokens. C'est le minimum vérifié par requêtes : chez Z.ai et les fournisseurs OpenRouter, la fenêtre va jusqu'à 1 million de tokens, les hôtes du réseau sont configurés sur 400 000, et nous publions ce qui est confirmé.
• Réponse — jusqu'à 8 192 tokens, raisonnement inclus.
• Le raisonnement arrive dans un champ distinct reasoning_content, les appels d'outils dans le tool_calls standard, y compris le deuxième tour et les suivants ; le mode JSON (response_format) fonctionne.
• Texte uniquement : le réseau n'accepte pas encore les images.

Les modèles, leurs identifiants et leurs limites sont dans la documentation de l'API Gonka, la disponibilité et les latences sur la page de statut de la passerelle.

GLM-5.3 Flash raisonne d'abord, puis répond, et les deux étapes entrent dans une même limite de sortie. Même sur une question simple, le raisonnement consomme 250 à 450 tokens, et sur une tâche substantielle, des milliers. C'est pourquoi le habituel max_tokens: 256 donne finish_reason: "length" et un content vide : le modèle a épuisé sa limite en raisonnement et n'a pas atteint la réponse.

Le raisonnement est facturé comme des tokens de sortie. S'il n'est pas nécessaire du tout, pour des réponses courtes et rapides, un autre modèle du réseau est plus pratique. Dans des agents comme Cline et Cursor, vérifiez la limite de sortie des requêtes utilitaires — compression du contexte, titre de la conversation : avec une limite de quelques centaines de tokens, GLM-5.3 Flash retournera une réponse vide.

Les deux modèles sont disponibles dans JoinGonka au même prix, il vaut donc mieux choisir selon la tâche que selon le budget :

En bref : GLM-5.3 Flash — quand il faut réfléchir à une logique complexe sans avoir besoin d'une réponse longue ; DeepSeek V4 Flash — pour les réponses longues, les gros documents et les agents qui tournent pendant des heures. Le troisième modèle du réseau, MiniMax M2.7, convient pour des réponses courtes et rapides, mais MiniMax elle-même le retire de son API. Passer d'un modèle à l'autre, c'est une ligne model dans la requête.