GLM-5.3 Flash API: giá và khởi đầu miễn phí

Giá cho 1 triệu token tính đến ngày 2 tháng 11 năm 2026:

Trên OpenRouter, GLM-5.3 Flash có hơn ba mươi nhà cung cấp và giá của họ chênh nhau nhiều lần: phần lớn giữ mức giá của Z.ai — $0.15 và $0.50, còn Relace rẻ nhất chỉ lấy $0.0285 và $0.0923. So với nhà cung cấp rẻ nhất của cùng mô hình, chênh lệch khoảng ×5; so với API Z.ai là khoảng ×24 ở đầu vào và ×27 ở đầu ra.

Ở Z.ai và nhiều nhà cung cấp, phần gửi lại của yêu cầu — lịch sử hội thoại, system prompt — được đọc từ bộ nhớ đệm với giá rẻ hơn đầu vào thường. JoinGonka không có giá riêng cho bộ nhớ đệm, mọi đầu vào đều cùng một mức giá. Nhưng ngay cả đầu vào từ bộ nhớ đệm của Z.ai cũng tốn $0.03 mỗi triệu — đắt hơn nhiều lần so với đầu vào thường của chúng tôi.

Giá JoinGonka trên trang này là giá trực tiếp: nó lấy từ API của cổng và thay đổi theo tỷ giá GNK. Mức giá thấp có được nhờ cách vận hành của mạng Gonka: ở đó giá do chi phí tính toán cho công việc của các host quyết định, chứ không phải bảng giá của nhà phát triển mô hình.

1. Khóa. Đăng ký tại JoinGonka Gateway và tạo khóa jg-… trong bảng điều khiển. Tài khoản mới được tặng 3M token miễn phí.

2. Yêu cầu. Địa chỉ API tương thích OpenAI là https://gate.joingonka.ai/v1, mã định danh mô hình là 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"}]
  }'

Tương tự với Python qua thư viện 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. Công cụ lập trình. Trình cài đặt sẽ ghi cổng và mô hình vào cấu hình của Claude Code, Codex CLI, OpenCode và các công cụ khác chỉ bằng một lệnh — nó sẽ tự hỏi bạn công cụ và khóa:

npx @joingonka/setup --model glm

Với các client dùng Anthropic Messages API, địa chỉ là https://gate.joingonka.ai, không có /v1. Hướng dẫn từng bước theo công cụ nằm trong mục "Công cụ".

• Token miễn phí. Tài khoản mới nhận 3M token — tức hàng trăm yêu cầu tới GLM-5.3 Flash: đủ để thử mô hình với chính công việc của bạn và chọn mức ngân sách suy luận. Không cần thẻ hay tiền mã hóa.
• Chat không cần đăng ký. Trong chat miễn phí trên website của chúng tôi, bạn có thể chọn GLM-5.3 Flash và xem nó suy luận thế nào: quá trình suy nghĩ hiển thị trong một khối thu gọn riêng.
• Sau đó trả tiền theo token. Không có gói đăng ký: nạp số dư bằng GNK, USDT hoặc thẻ, hệ thống trừ theo token thực tế, và bạn xem được chi tiêu theo ngày trong bảng điều khiển.

Z.ai miễn phí chỉ dành cho các mô hình nhẹ cũ — GLM-4.7-Flash và GLM-4.5-Flash. GLM-5.3 Flash tại đó là bản trả phí, nên muốn thử đúng mô hình này miễn phí, bạn có thể dùng token khởi đầu của JoinGonka.

GLM-5.3 Flash — mẫu model nhẹ thuộc dòng GLM-5.3 của Z.ai, thương hiệu quốc tế của Zhipu AI (Bắc Kinh). Nhẹ là so sánh tương đối: đây là model MoE với 320 tỷ tham số, trong đó mỗi token chỉ kích hoạt khoảng 18 tỷ. Cơ chế attention là hybrid — một phần lớp thưa, một phần tuyến tính, nhờ đó ngữ cảnh dài tốn ít chi phí hơn. Trọng số mở theo giấy phép MIT. Thông số vận hành thực tế trên JoinGonka do cách triển khai trên các host của mạng quyết định:

• Ngữ cảnh — 390.000 token. Đây là mức tối thiểu đã được kiểm chứng bằng truy vấn: Z.ai và các nhà cung cấp trên OpenRouter có cửa sổ lên tới 1 triệu token, các host của mạng cấu hình 400.000, còn chúng tôi công bố những gì đã được xác nhận.
• Phản hồi — tối đa 8.192 token, bao gồm cả phần suy luận.
• Suy luận trả về ở trường riêng reasoning_content, các lệnh gọi công cụ nằm trong tool_calls tiêu chuẩn, kể cả vòng thứ hai trở đi; chế độ JSON (response_format) hoạt động.
• Chỉ văn bản: mạng hiện chưa nhận hình ảnh.

Danh sách model, mã định danh và giới hạn — trong tài liệu Gonka API, tình trạng khả dụng và độ trễ — trên trang trạng thái gateway.

GLM-5.3 Flash suy luận trước rồi mới trả lời, và cả hai giai đoạn đều nằm trong cùng một giới hạn đầu ra. Ngay cả với câu hỏi đơn giản, phần suy luận cũng tốn 250–450 token; với một bài toán có nội dung, con số lên tới hàng nghìn. Vì vậy thiết lập quen thuộc max_tokens: 256 sẽ cho ra finish_reason: "length" và content rỗng: model đã dùng hết giới hạn cho phần suy luận và không kịp đưa ra câu trả lời.

Phần suy luận được tính phí như token đầu ra. Nếu hoàn toàn không cần, với các phản hồi ngắn và nhanh thì model khác của mạng sẽ tiện hơn. Trong các agent như Cline và Cursor, hãy kiểm tra giới hạn đầu ra của những truy vấn phụ trợ — nén ngữ cảnh, tiêu đề hội thoại: với giới hạn chỉ vài trăm token, GLM-5.3 Flash sẽ trả về phản hồi rỗng.

Cả hai model đều có trên JoinGonka với cùng một mức giá, nên hãy chọn theo bài toán chứ không phải theo ngân sách:

Tóm lại: GLM-5.3 Flash — khi cần suy nghĩ về logic phức tạp và không cần phản hồi dài; DeepSeek V4 Flash — cho phản hồi dài, tài liệu lớn và các agent chạy hàng giờ. Model thứ ba của mạng, MiniMax M2.7, phù hợp cho phản hồi ngắn và nhanh, nhưng chính MiniMax đang loại nó khỏi API của mình. Chuyển đổi giữa các model — chỉ một dòng model trong truy vấn.