GLM-5.3 Flash API: कीमत और मुफ़्त शुरुआत

2 नवंबर 2026 तक 1 मिलियन टोकन की कीमतें:

OpenRouter पर GLM-5.3 Flash के तीस से ज़्यादा प्रोवाइडर हैं, और उनकी कीमतों में कई गुना का फ़र्क़ है: कई तो Z.ai की कीमत — $0.15 और $0.50 — बनाए रखते हैं, जबकि सबसे सस्ता, Relace, $0.0285 और $0.0923 लेता है। हम उसी से तुलना करते हैं: उसी मॉडल के सबसे सस्ते प्रोवाइडर के मुक़ाबले फ़र्क़ लगभग ×5 है, और Z.ai के API के मुक़ाबले इनपुट पर लगभग ×24 तथा आउटपुट पर ×27।

Z.ai और कई प्रोवाइडर पर दोबारा भेजा गया हिस्सा — बातचीत का इतिहास, सिस्टम प्रॉम्प्ट — सामान्य इनपुट से सस्ते में कैश से पढ़ा जाता है। JoinGonka पर कैश की अलग कीमत नहीं है, पूरा इनपुट एक ही दर पर है। लेकिन Z.ai पर कैश से इनपुट भी प्रति मिलियन $0.03 पड़ता है — यह हमारे यहाँ के सामान्य इनपुट से कई गुना महँगा है।

इस पेज पर JoinGonka की कीमत लाइव है: यह गेटवे के API से आती है और GNK के रेट के साथ बदलती रहती है। इसे कम Gonka नेटवर्क की बनावट रखती है: वहाँ कीमत मॉडल के डेवलपर की प्राइस लिस्ट से नहीं, बल्कि होस्ट के कंप्यूट काम के हिसाब से तय होती है।

1. की। JoinGonka Gateway पर रजिस्टर करें और डैशबोर्ड में jg-… की बनाएँ। नए अकाउंट को 3M मुफ़्त टोकन मिलते हैं।

2. रिक्वेस्ट। OpenAI-संगत API का पता — https://gate.joingonka.ai/v1, मॉडल आईडी — 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"}]
  }'

वही Python में openai लाइब्रेरी से:

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. कोडिंग टूल्स। इंस्टॉलर एक ही कमांड में Claude Code, Codex CLI, OpenCode और दूसरे टूल्स की कॉन्फ़िग में गेटवे और मॉडल लिख देगा — टूल और की वह खुद पूछ लेगा:

npx @joingonka/setup --model glm

Anthropic Messages API के क्लाइंट के लिए पता https://gate.joingonka.ai है, /v1 के बिना। टूल्स के लिए स्टेप-बाय-स्टेप गाइड "टूल्स" सेक्शन में हैं।

• मुफ़्त टोकन। नए अकाउंट को 3M टोकन मिलते हैं — यह GLM-5.3 Flash पर सैकड़ों रिक्वेस्ट हैं: अपने कामों पर मॉडल परखने और रीज़निंग का बजट तय करने के लिए काफ़ी है। इसके लिए कार्ड या क्रिप्टो की ज़रूरत नहीं।
• बिना रजिस्ट्रेशन चैट। हमारी साइट पर मुफ़्त चैट में GLM-5.3 Flash चुनकर देख सकते हैं कि यह कैसे सोचता है: सोच की धारा एक अलग, सिकुड़े हुए ब्लॉक में दिखती है।
• आगे — टोकन के हिसाब से भुगतान। कोई सब्सक्रिप्शन नहीं: बैलेंस GNK, USDT या कार्ड से भरा जाता है, असल टोकन कटते हैं, और रोज़ का ख़र्च डैशबोर्ड में दिखता है।

Z.ai मुफ़्त में पुराने हल्के मॉडल देता है — GLM-4.7-Flash और GLM-4.5-Flash। GLM-5.3 Flash उस पर पेड है, इसलिए बिना भुगतान इसी को JoinGonka के शुरुआती टोकन पर परखा जा सकता है।

GLM-5.3 Flash — Z.ai की GLM-5.3 श्रृंखला का हल्का मॉडल, और Z.ai बीजिंग की Zhipu AI का अंतरराष्ट्रीय ब्रांड है। हल्का यह सापेक्ष रूप से है: यह 320 अरब पैरामीटर वाला MoE मॉडल है, जिनमें से हर टोकन पर करीब 18 अरब काम करते हैं। अटेंशन हाइब्रिड है — कुछ परतें स्पार्स, कुछ लीनियर, इसलिए लंबा कॉन्टेक्स्ट इसे सस्ता पड़ता है। वेट MIT लाइसेंस के तहत खुले हैं। JoinGonka में काम करने वाले पैरामीटर नेटवर्क के होस्ट पर तैनाती तय करती है:

• कॉन्टेक्स्ट — 390 000 टोकन। यह क्वेरी से पुष्ट हो चुका न्यूनतम है: Z.ai और OpenRouter के प्रोवाइडर पर विंडो 1 मिलियन टोकन तक है, नेटवर्क के होस्ट 400 000 पर सेट हैं, और हम वही प्रकाशित करते हैं जो सत्यापित है।
• जवाब — 8 192 टोकन तक, रीज़निंग सहित।
• रीज़निंग अलग फ़ील्ड reasoning_content में आती है, टूल कॉल सामान्य tool_calls में, दूसरे और उसके बाद के राउंड सहित; JSON मोड (response_format) काम करता है।
• सिर्फ़ टेक्स्ट: नेटवर्क अभी तस्वीरें नहीं लेता।

मॉडल, उनके आइडेंटिफ़ायर और लिमिट — Gonka API डॉक्युमेंटेशन में, उपलब्धता और लेटेंसी — गेटवे स्टेटस पेज पर।

GLM-5.3 Flash पहले सोचता है, फिर जवाब देता है, और दोनों चरण एक ही आउटपुट लिमिट में आते हैं। साधारण सवाल पर भी रीज़निंग 250–450 टोकन लेती है, और किसी ठोस काम पर हज़ारों। इसलिए आम max_tokens: 256 से finish_reason: "length" और खाली content मिलता है: मॉडल ने लिमिट रीज़निंग में खर्च कर दी और जवाब तक नहीं पहुंचा।

रीज़निंग का बिल आउटपुट टोकन की तरह लगता है। अगर इसकी ज़रूरत ही न हो, तो छोटे-तेज़ जवाबों के लिए नेटवर्क का कोई और मॉडल ज़्यादा सुविधाजनक है। Cline और Cursor जैसे एजेंट में सर्विस क्वेरी — कॉन्टेक्स्ट कंप्रेशन, बातचीत के शीर्षक — की आउटपुट लिमिट ज़रूर देखें: कुछ सौ टोकन की लिमिट पर GLM-5.3 Flash खाली जवाब लौटाएगा।

दोनों मॉडल JoinGonka में एक ही कीमत पर हैं, इसलिए चुनाव काम के हिसाब से करें, बजट के हिसाब से नहीं:

कहने का मतलब: GLM-5.3 Flash — जब उलझी लॉजिक पर सोचना हो और लंबा जवाब न चाहिए; DeepSeek V4 Flash — लंबे जवाब, बड़े दस्तावेज़ और घंटों चलने वाले एजेंट के लिए। नेटवर्क का तीसरा मॉडल, MiniMax M2.7, तेज़ छोटे जवाबों के लिए ठीक है, पर MiniMax खुद इसे अपने API से हटा रहा है। मॉडल बदलना यानी क्वेरी में model की एक लाइन।