# GLM-5.3-Flash после Ox Alpha: миграция, цена API и проверка локального запуска

> Что изменилось после раскрытия Ox Alpha: официальный ID glm-5.3-flash, текущие тарифы API, условия доступа и проверка размера весов до скачивания.

- Source: https://www.aifreeapi.com/ru/posts/glm-5-3
- Language: ru
- Published: 2026-08-30
- Updated: 2026-09-12
- Publisher: AI Free API (https://www.aifreeapi.com)

Zhipu AI официально подтвердила: модель, которую до релиза анонимно тестировали как `Ox-Alpha` в OpenCode и OpenRouter, — это GLM-5.3-Flash. Подтверждение опубликовано в [сообщении о релизе от 26 августа 2026 года](https://www.zhipuai.cn/zh/research/163). Для постоянной интеграции используется идентификатор `glm-5.3-flash`.

Но из совпадения модели не следует совпадение сервиса. Старый адрес API, бесплатный период, лимит, кэш и формат событий могли принадлежать конкретному провайдеру. Поэтому при миграции нужно проверить правила нового API, а не только строку `model`.

Для разработчика из России есть ещё один предварительный вопрос: доступен ли официальный аккаунт, пополнение и нужный API именно сейчас. Документация Z.AI описывает глобальную платформу, но не обещает отдельный российский способ оплаты или гарантированный региональный маршрут. Сначала проверьте это в собственном аккаунте; рекламные страницы сторонних сервисов не являются доказательством официальной доступности.

## Четыре проверки вместо простого переименования

Сохраните несколько успешно завершённых сессий Ox Alpha: вход, разрешённые инструменты, таймаут, число шагов, артефакты и критерий приёмки. Они станут контрольной выборкой для нового подключения.

Затем проверьте четыре уровня:

1. **Доступ.** Ключ и баланс относятся к нужной платформе, а модель действительно разрешена аккаунту.
2. **Запрос.** Указан `glm-5.3-flash`; рассуждения включены; параметр `reasoning_effort` выбран явно.
3. **Поток и инструменты.** Клиент отдельно обрабатывает рассуждения и финальный текст, а JSON аргументов вызова инструмента собирается полностью до запуска функции.
4. **Результат.** Те же задачи проходят машинные тесты или бизнес-приёмку, а usage позволяет восстановить счёт.

В [официальном описании модели](https://docs.z.ai/guides/vlm/glm-5.3-flash) указаны текст, изображения, видео и файлы на входе, текст на выходе, контекст до 1M и максимум 128K выходных токенов. В размещённом у Z.AI API рассуждения отключить нельзя; рекомендуются `temperature: 1`, `top_p: 0.95` и `reasoning_effort: max`.

Для примера заранее задайте ключ в переменной окружения `ZAI_API_KEY`. Следующий запрос к обычному Model API использует рекомендованный `reasoning_effort: "max"`; `max_tokens: 4096` — ограничение примера, а не максимум модели:

```bash
curl -sS 'https://api.z.ai/api/paas/v4/chat/completions' \
  -H "Authorization: Bearer ${ZAI_API_KEY}" \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "glm-5.3-flash",
    "messages": [{
      "role": "user",
      "content": "Проверь план миграции: заменить модель сразу во всех запросах без сравнительных тестов и без сохранения прежней конфигурации. Назови риски и предложи критерии приёмки."
    }],
    "thinking": {"type": "enabled", "clear_thinking": false},
    "reasoning_effort": "max",
    "temperature": 1,
    "top_p": 0.95,
    "max_tokens": 4096
  }'
```

Базовый адрес указан в [справочнике Z.AI API](https://docs.z.ai/api-reference/introduction). У GLM Coding Plan отдельный адрес API, поэтому подписку нельзя подключать к этому примеру простой заменой ключа. Пример составлен по документации; запрос к платному API для этой статьи не выполнялся. При своём запуске фиксируйте код HTTP, задержку, usage, повторы, завершение цикла вызовов инструментов и итог приёмки.

![Практический план миграции GLM-5.3-Flash с четырьмя проверками, запросом Z.AI API, расчётом цены, оценкой размера весов и проверками сервера](https://www.aifreeapi.com/posts/ru/glm-5-3/img/migration-acceptance-plan.webp)

## Сколько стоит принятая задача

На 12 сентября 2026 года [официальный прайс](https://docs.z.ai/guides/overview/pricing) указывает следующие ставки в долларах США:

| Вид токенов, за 1 млн | Цена |
| --- | ---: |
| Вход без кэша | $0,15 |
| Кэшированный вход | $0,03 |
| Выход | $0,50 |

Прежняя скидка 50% уже закончилась; в текущий расчёт она не входит. Хранение кэша пока помечено как временно бесплатное — срок этого условия проверяйте отдельно.

Условный пример: задача использовала 500 000 входных токенов, из них 60% попали в кэш, и 50 000 выходных. Кэшированная часть уже входит в общий вход, поэтому обычную ставку применяем к оставшимся 200 000 токенов:

`0,2 × $0,15 + 0,3 × $0,03 + 0,05 × $0,50 = $0,064`.

Это расчёт по заданному расходу, а не результат измерения модели. В сумму не входят платные инструменты, поиск, повторы, налоги, конвертацию валют и ручные исправления. Сравнивайте полные расходы на одну принятую задачу, а не только цену миллиона входных токенов.

## Почему 18 миллиардов активных параметров не означают 18 ГБ памяти

GLM-5.3-Flash — MoE-модель с 320B общих и 18B активных параметров. На каждом токене вычисляется часть экспертов, но хранить нужно полный набор весов.

Официальный [репозиторий Hugging Face](https://huggingface.co/zai-org/GLM-5.3-Flash) опубликован по лицензии MIT. Размер загрузки зависит от выбранной ревизии и формата весов. Перед скачиванием сложите размеры всех нужных файлов, затем отдельно учтите память среды выполнения и KV-кэша. Требования к запуску приведены в [инструкции vLLM](https://recipes.vllm.ai/zai-org/GLM-5.3-Flash).

Размер можно получить без скачивания модели:

```bash
curl -fsSL \
  'https://huggingface.co/api/models/zai-org/GLM-5.3-Flash?blobs=true' |
jq '[.siblings[]
  | select(.rfilename | endswith(".safetensors"))
  | .size]
  | {files: length, bytes: add, GiB: (add / 1073741824)}'
```

Сравните результат команды со свободным местом на своём диске. Для памяти одного размера файлов недостаточно: формат весов, вычислительные буферы, контекст и число одновременных запросов меняют требования. Если ресурсов не хватает уже на веса, остановитесь до загрузки. Эта проверка не измеряет скорость генерации.

![Схема трёх счётчиков токенов, расчёта стоимости принятой задачи, проверки размера весов и памяти перед локальным запуском GLM-5.3-Flash](https://www.aifreeapi.com/posts/ru/glm-5-3/img/token-cost-memory-check.webp)

Нехватка ресурсов для исходных весов не исключает все сторонние квантованные сборки. Их качество, совместимость и требования к памяти нужно проверять отдельно; результаты официальной модели автоматически на них не переносятся.

## Что проверять на сервере с достаточной памятью

В официальной карточке перечислены SGLang, vLLM, TokenSpeed, Transformers, KTransformers и Unsloth. Их поддержка железа различается. vLLM приводит многокарточные конфигурации, включая TP4 на GB200. [Руководство SGLang](https://docs.sglang.io/cookbook/autoregressive/GLM/GLM-5.3-Flash) отдельно настраивает пулы памяти KV и KDA и помечает часть аппаратных комбинаций как непроверенные.

До запуска подтвердите:

- запас диска для весов, временных файлов, образов и логов;
- память ускорителей для весов, среды выполнения, KV/KDA-кэша, визуального кодировщика и нужного числа одновременных запросов;
- поддержку GPU, выбранной точности и разреженного внимания конкретной версией движка;
- стабильный старт, время до первого токена, пропускную способность, вызовы инструментов и мультимодальные входы на фиксированной нагрузке;
- итоговую стоимость с учётом оборудования, энергии, инженерного времени и простоя.

API Z.AI требует включённых рассуждений, а локальный шаблон диалога может поддерживать другие настройки. Проверяйте инструкцию выбранного движка: локальное поведение нельзя переносить в облачный запрос.

Если задача — быстро оценить качество и цену, сначала соберите данные через официальный API. Локальный кластер имеет смысл после того, как требования к данным или устойчивая загрузка оправдают многокарточную инфраструктуру. Для отдельного выбора между провайдерами есть русское [сравнение GLM-5.3 и DeepSeek V4 Pro](/ru/posts/glm-5-3-vs-deepseek-v4-pro); здесь критерий другой — воспроизводимый переход от анонимного теста к документированному подключению с проверенными результатами.