API do GLM-5.3 Flash: preço e início grátis

Preços por 1 milhão de tokens em 2 de novembro de 2026:

No OpenRouter, o GLM-5.3 Flash tem mais de trinta provedores, e os preços variam bastante: muitos mantêm o preço da Z.ai — $0.15 e $0.50 —, enquanto o mais barato, a Relace, cobra $0.0285 e $0.0923. Comparamos com ele: a diferença em relação ao provedor mais barato do mesmo modelo é de cerca de ×5, e em relação à API da Z.ai, de cerca de ×24 na entrada e ×27 na saída.

Na Z.ai e em muitos provedores, a parte reenviada da requisição — o histórico da conversa, o prompt de sistema — é lida do cache mais barato que a entrada comum. Na JoinGonka não existe um preço de cache separado: toda a entrada custa o mesmo. Mas a entrada do cache da Z.ai sai por $0.03 por milhão, várias vezes mais caro que a nossa entrada comum.

O preço da JoinGonka nesta página é dinâmico: ele vem da API do gateway e muda junto com a cotação do GNK. Quem o mantém baixo é o desenho da rede Gonka: lá o preço é definido pelo cálculo pelo trabalho computacional dos hosts, e não pela tabela do desenvolvedor do modelo.

1. A chave. Cadastre-se no JoinGonka Gateway e crie no painel uma chave jg-…. Contas novas recebem 3M tokens grátis.

2. A requisição. O endereço da API compatível com OpenAI é https://gate.joingonka.ai/v1, e o identificador do modelo é 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"}]
  }'

O mesmo em Python com a biblioteca 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. Programas para programar. O instalador configura o gateway e o modelo no Claude Code, Codex CLI, OpenCode e outros programas com um único comando; ele mesmo pergunta o programa e a chave:

npx @joingonka/setup --model glm

Para clientes da Anthropic Messages API, o endereço é https://gate.joingonka.ai, sem /v1. Guias passo a passo por programa estão na seção «Ferramentas».

• Tokens grátis. Uma conta nova recebe 3M tokens — são centenas de requisições ao GLM-5.3 Flash: o suficiente para testar o modelo nas suas tarefas e calibrar o orçamento de raciocínio. Não precisa de cartão nem de criptomoeda.
• Chat sem cadastro. No chat gratuito do nosso site, você pode escolher o GLM-5.3 Flash e ver como ele raciocina: a linha de pensamento aparece em um bloco recolhido à parte.
• Depois, pagamento por tokens. Não há assinatura: o saldo é recarregado em GNK, USDT ou com cartão, os tokens reais são descontados e o gasto por dia aparece no painel.

De graça, a Z.ai oferece os modelos leves antigos — GLM-4.7-Flash e GLM-4.5-Flash. O GLM-5.3 Flash é pago, então a única forma de testá-lo sem pagar é com os tokens de boas-vindas da JoinGonka.

GLM-5.3 Flash é o modelo leve da linha GLM-5.3 da Z.ai, marca internacional da chinesa Zhipu AI. Leve é modo de dizer: é um modelo MoE de 320 bilhões de parâmetros, dos quais cerca de 18 bilhões são ativados por token. A atenção é híbrida — parte das camadas é esparsa, parte é linear —, então o contexto longo sai mais barato. Os pesos são abertos sob licença MIT. No JoinGonka, os parâmetros de operação são definidos pela implantação nos hosts da rede:

• Contexto: 390 000 tokens. É o mínimo verificado com requisições: a Z.ai e os provedores do OpenRouter oferecem janelas de até 1 milhão de tokens, os hosts da rede estão configurados para 400 000, e nós publicamos apenas o que está confirmado.
• Resposta: até 8 192 tokens, raciocínio incluído.
• O raciocínio chega em um campo separado reasoning_content; as chamadas de ferramentas, no tool_calls padrão, incluindo a segunda rodada e as seguintes; o modo JSON (response_format) funciona.
• Só texto: a rede ainda não aceita imagens.

Os modelos, seus identificadores e limites estão na documentação da Gonka API; disponibilidade e latências, na página de status do gateway.

O GLM-5.3 Flash primeiro raciocina, depois responde, e as duas etapas entram no mesmo limite de saída. Mesmo em uma pergunta simples, o raciocínio consome de 250 a 450 tokens; em uma tarefa com substância, milhares. Por isso o clássico max_tokens: 256 devolve finish_reason: "length" e um content vazio: o modelo gastou o limite no raciocínio e não chegou à resposta.

O raciocínio é cobrado como tokens de saída. Se ele não for necessário de jeito nenhum, para respostas curtas e rápidas é mais prático outro modelo da rede. Em agentes como Cline e Cursor, confira o limite de saída das requisições auxiliares — compressão de contexto, título do diálogo: com um limite de algumas centenas de tokens, o GLM-5.3 Flash devolve uma resposta vazia.

Os dois modelos estão no JoinGonka pelo mesmo preço, então vale escolher pela tarefa, não pelo orçamento:

Resumindo: GLM-5.3 Flash é para quando você precisa pensar em uma lógica complexa e não precisa de uma resposta longa; o DeepSeek V4 Flash é para respostas longas, documentos grandes e agentes que trabalham por horas. O terceiro modelo da rede, o MiniMax M2.7, serve para respostas curtas e rápidas, mas a própria MiniMax está retirando ele da sua API. Trocar de modelo é uma única linha model na requisição.