GLM 5.3 API

mj_fast_modal

Explora la API de mj_fast_modal.

mj_fast_edits

Explora la API de mj_fast_edits.

flux-pro-finetuned

Explora la API de flux-pro-finetuned.

flux-pro-1.1-ultra-finetuned

Explora la API de flux-pro-1.1-ultra-finetuned.

flux-pro-1.1-ultra

Explora la API de flux-pro-1.1-ultra.

flux-pro-1.1

Explora la API de flux-pro-1.1.

POST/v1/chat/completions

Uptime

Revisa los datos de latido en vivo, la disponibilidad del endpoint y los tiempos de respuesta observados antes de pasar a producción.

Sigue explorando

Compara modelos y continúa tu investigación

Zhipu AI

Disponible

glm-5.3

GLM 5.3 API

Precio inicial

$1.12 / 1M de tokens de entrada

Facturación por uso

Estado de la API

Disponible

Endpoint de producción

Respuesta

Listo para async

Tiempo de respuesta de la API observado

Publicado

Aug 13, 2026

Zhipu AI

Resumen

Una descripción práctica de GLM 5.3, con comportamientos importantes y consideraciones de integración.

Especificaciones técnicas de GLM-5.3

Especificación	GLM-5.3
Desarrollador	Z.ai
Familia de modelos	GLM-5
Versión	5.3
Anuncio	14 de agosto de 2026
Tipo de modelo	LLM de frontera con capacidades agénticas
Enfoque principal	Ciberseguridad, programación, agentes autónomos
Pesos abiertos	Sí / anunciado
Parámetros	Aún no divulgado
Parámetros activos	Aún no divulgado
Arquitectura	Aún no divulgado
Ventana de contexto	Aún no divulgado
Salida máxima	Aún no divulgado
Visión nativa	Aún no confirmado
CyberGym	84.5%
ExploitBench	54.4%
Pesos públicos	Previstos
Lanzamiento público	Aproximadamente dos semanas después del anuncio
ID del modelo de la API	Aún no confirmado públicamente
Precios de la API	Aún no anunciado
Acceso avanzado	Usuarios de confianza/verificados
Mejores casos de uso	Ciberseguridad, agentes de programación, investigación de vulnerabilidades

¿Qué es GLM-5.3?

GLM-5.3 es la última generación de la familia GLM de Z.ai y representa un cambio hacia sistemas de IA capaces de realizar de forma autónoma tareas complejas de seguridad y de ingeniería.

Este es un cambio de énfasis significativo respecto a GLM-5.2.

GLM-5.3 lleva esa filosofía agéntica a un dominio considerablemente más sensible:

ingeniería de software → descubrimiento de vulnerabilidades → ciberdefensa → seguridad ofensiva controlada

¿Cuáles son las características principales de GLM-5.3?

Razonamiento centrado en ciberseguridad

La capacidad principal es la ciberseguridad.

GLM-5.3 alcanzó:

84.5% en CyberGym

CyberGym evalúa la capacidad de un sistema de IA para identificar vulnerabilidades de software. El resultado supera ligeramente el 83.8% reportado de Mythos 5.

Esto es importante porque la ciberseguridad requiere algo más que generar código sintácticamente correcto.

Un agente de seguridad capaz necesita:

Entender código desconocido.
Identificar superficies de ataque.
Formular hipótesis sobre vulnerabilidades.
Rastrear el flujo de datos y de control.
Validar la hipótesis.
Desarrollar una prueba de concepto adecuada.
Determinar si la vulnerabilidad es realmente explotable.

La puntuación de GLM-5.3 en CyberGym sugiere un avance significativo en la primera parte de esta cadena.

Fuerte capacidad de descubrimiento de vulnerabilidades

El 84.5% en CyberGym es posiblemente el resultado inicial más impresionante.

Sitúa a GLM-5.3 ligeramente por delante de Mythos 5 en identificación de vulnerabilidades:

Modelo	CyberGym
GLM-5.3	84.5%
Mythos 5	83.8%

El margen es de solo 0.7 puntos porcentuales, por lo que sería engañoso describir a GLM-5.3 como decisivamente superior.

Lo más interesante es que un modelo de pesos abiertos de Z.ai está entrando en el mismo vecindario de rendimiento que un sistema de ciberseguridad altamente restringido.

El desarrollo de exploits sigue siendo una debilidad

GLM-5.3 no domina todas las tareas de ciberseguridad.

En ExploitBench:

Modelo	ExploitBench
GLM-5.3	54.4%
Mythos 5	78.0%

Esa es una brecha de 23.6 puntos.

Esto revela una distinción importante:

Encontrar una vulnerabilidad no es lo mismo que explotarla de forma fiable.

GLM-5.3 vs GLM-5.2

GLM-5.2 proporciona la línea base confirmada más útil.

Característica	GLM-5.2	GLM-5.3
Estado	Lanzado	Anunciado
Posicionamiento principal	Agentes de largo horizonte	Ciberseguridad + agentes
Programación	Excelente	Se espera que siga siendo sólida
Ciberseguridad	Gran potencial	Enfoque emblemático explícito
CyberGym	—	84.5%
ExploitBench	—	54.4%
Contexto	1M	Aún no confirmado
Parámetros	~753B	Aún no confirmado
Licencia	MIT	Pesos abiertos anunciados
Precios de la API	Publicados	Aún no publicados
Pesos públicos	Disponibles	Previstos

La arquitectura confirmada de GLM-5.2 es de aproximadamente 753B parámetros, y su catálogo público de modelos aún lista el modelo de 753B y la versión FP8.

GLM-5.2 también logró 81.0 en Terminal-Bench 2.1 y 62.1 en SWE-bench Pro según informes de terceros basados en materiales de evaluación de modelos de Z.ai.

Pero esas cifras deben seguir siendo benchmarks de GLM-5.2, no atribuirse a GLM-5.3.

GLM-5.3 vs Mythos 5

Esta es actualmente la comparación de benchmark más significativa.

Benchmark	GLM-5.3	Mythos 5	Diferencia
CyberGym	84.5%	83.8%	+0.7 pp
ExploitBench	54.4%	78.0%	−23.6 pp

El resultado produce una conclusión matizada.

GLM-5.3 gana en identificación de vulnerabilidades.

Pero:

Mythos 5 sigue siendo sustancialmente más fuerte en el desarrollo de exploits.

Por lo tanto, decir "GLM-5.3 supera a Mythos 5" sería una interpretación inexacta de los datos disponibles.

Una mejor descripción es:

GLM-5.3 alcanza un rendimiento a nivel de Mythos 5 en el descubrimiento de vulnerabilidades, aunque sigue por detrás en el desarrollo de exploits.

Preguntas frecuentes

Precios

Usa la estimación rápida anterior para una sola ejecución y luego revisa la comparación completa entre CometAPI y el precio oficial.

Primera solicitud

—

Costo de uso estimado de CometAPI

Diez solicitudes

—

Costo de uso estimado de CometAPI

Quince solicitudes

—

Costo de uso estimado de CometAPI

Precios para GLM 5.3

Comet Price (USD / M Tokens)	Official Price (USD / M Tokens)	Discount
Entrada:$1.12/M Salida:$3.528/M	Entrada:$1.4/M Salida:$4.41/M	-20%

API

Copia un endpoint y un ejemplo de código funcionales, y abre la referencia completa de la API cuando necesites todos los parámetros.

Una API, acceso a modelos listo para producción

Autentícate una vez, llama al endpoint del modelo y mantén el mismo flujo de facturación y observabilidad entre proveedores.

Código de ejemplo y API para GLM 5.3

POST

/v1/chat/completions

#!/usr/bin/env bash

# Get your CometAPI key from https://www.cometapi.com/console/token
COMETAPI_KEY="${COMETAPI_KEY:-<YOUR_COMETAPI_KEY>}"

curl_args=(
  --silent
  --show-error
  --max-time 180
  https://api.cometapi.com/v1/chat/completions
  -H "Content-Type: application/json"
  -H "Authorization: Bearer $COMETAPI_KEY"
  -d '{
    "model": "glm-5.3",
    "messages": [
      {
        "role": "user",
        "content": "Reply with one short sentence confirming that you are ready."
      }
    ],
    "max_tokens": 64
  }'
)

if [[ "${COMETAPI_RUNTIME_EVIDENCE:-}" == "1" ]]; then
  curl_args+=(
    --write-out $'%{stderr}__COMETAPI_RUNTIME__{"http_status":%{http_code},"headers":{"content-type":"%header{content-type}","x-cometapi-request-id":"%header{x-cometapi-request-id}","x-request-id":"%header{x-request-id}","request-id":"%header{request-id}","cf-ray":"%header{cf-ray}"}}
'
  )
fi

response=$(curl "${curl_args[@]}")

printf '%s
' "$response" | python -c \
  'import json, sys; message = json.load(sys.stdin)["choices"][0]["message"]; print(message.get("content") or message)'

cURL Code Example

#!/usr/bin/env bash

# Get your CometAPI key from https://www.cometapi.com/console/token
COMETAPI_KEY="${COMETAPI_KEY:-<YOUR_COMETAPI_KEY>}"

curl_args=(
  --silent
  --show-error
  --max-time 180
  https://api.cometapi.com/v1/chat/completions
  -H "Content-Type: application/json"
  -H "Authorization: Bearer $COMETAPI_KEY"
  -d '{
    "model": "glm-5.3",
    "messages": [
      {
        "role": "user",
        "content": "Reply with one short sentence confirming that you are ready."
      }
    ],
    "max_tokens": 64
  }'
)

if [[ "${COMETAPI_RUNTIME_EVIDENCE:-}" == "1" ]]; then
  curl_args+=(
    --write-out $'%{stderr}__COMETAPI_RUNTIME__{"http_status":%{http_code},"headers":{"content-type":"%header{content-type}","x-cometapi-request-id":"%header{x-cometapi-request-id}","x-request-id":"%header{x-request-id}","request-id":"%header{request-id}","cf-ray":"%header{cf-ray}"}}\n'
  )
fi

response=$(curl "${curl_args[@]}")

printf '%s\n' "$response" | python -c \
  'import json, sys; message = json.load(sys.stdin)["choices"][0]["message"]; print(message.get("content") or message)'

Python Code Example

import json
import os
import sys

import httpx


# Get your CometAPI key from https://www.cometapi.com/console/token
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"

with httpx.Client(
    timeout=180.0,
    transport=httpx.HTTPTransport(retries=0),
) as client:
    response = client.post(
        "https://api.cometapi.com/v1/chat/completions",
        headers={
            "Authorization": f"Bearer {COMETAPI_KEY}",
            "Content-Type": "application/json",
        },
        json={
            "model": "glm-5.3",
            "messages": [
                {
                    "role": "user",
                    "content": (
                        "Reply with one short sentence confirming that you are ready."
                    ),
                }
            ],
            "max_tokens": 64,
        },
    )

if os.environ.get("COMETAPI_RUNTIME_EVIDENCE") == "1":
    safe_headers = {
        name: response.headers.get(name)
        for name in (
            "cf-ray",
            "content-length",
            "content-type",
            "date",
            "request-id",
            "server",
            "x-cometapi-request-id",
            "x-request-id",
        )
        if response.headers.get(name) is not None
    }
    print(
        "__COMETAPI_RUNTIME__"
        + json.dumps({"http_status": response.status_code, "headers": safe_headers}),
        file=sys.stderr,
    )

response.raise_for_status()
message = response.json()["choices"][0]["message"]
print(message.get("content") or message)

JavaScript Code Example

// Get your CometAPI key from https://www.cometapi.com/console/token
const COMETAPI_KEY = process.env.COMETAPI_KEY || "<YOUR_COMETAPI_KEY>";

const response = await fetch("https://api.cometapi.com/v1/chat/completions", {
  method: "POST",
  headers: {
    Authorization: `Bearer ${COMETAPI_KEY}`,
    "Content-Type": "application/json",
  },
  body: JSON.stringify({
    model: "glm-5.3",
    messages: [
      {
        role: "user",
        content: "Reply with one short sentence confirming that you are ready.",
      },
    ],
    max_tokens: 64,
  }),
  signal: AbortSignal.timeout(180_000),
});

if (process.env.COMETAPI_RUNTIME_EVIDENCE === "1") {
  const safeHeaderNames = [
    "cf-ray",
    "content-length",
    "content-type",
    "date",
    "request-id",
    "server",
    "x-cometapi-request-id",
    "x-request-id",
  ];
  const headers = Object.fromEntries(
    safeHeaderNames
      .map((name) => [name, response.headers.get(name)])
      .filter(([, value]) => value !== null),
  );
  console.error(
    `__COMETAPI_RUNTIME__${JSON.stringify({
      http_status: response.status,
      headers,
    })}`,
  );
}

if (!response.ok) {
  throw new Error(`CometAPI request failed with HTTP ${response.status}`);
}

const message = (await response.json()).choices[0].message;
console.log(message.content || JSON.stringify(message));

Capacidades

Revisa los datos clave del modelo antes de elegir una arquitectura o estimar la carga de producción.

Capacidades compatibles

Funciones devueltas por la API del modelo existente.

text-to-text

Entrada y salida

Entradas

text

Salidas

Perfil de producción

Proveedor: Zhipu AI
Contexto: Depende del modelo
Uso comercial: Compatible

Casos de uso

Usa GLM 5.3 en flujos de producción que coincidan con sus capacidades de , y compara alternativas antes de comprometerte con una integración a largo plazo.

Chat de producción y flujos de trabajo con agentes

Programación, análisis y generación estructurada

Automatización a gran escala con una sola API

Otros modelos

Compara otros modelos disponibles en CometAPI según calidad, latencia, capacidades y precio.

Abrir comparación de modelos →

mj_fast_modal

Explora la API de mj_fast_modal.

mj_fast_edits

Explora la API de mj_fast_edits.

flux-pro-finetuned

Explora la API de flux-pro-finetuned.

flux-pro-1.1-ultra-finetuned

Explora la API de flux-pro-1.1-ultra-finetuned.

flux-pro-1.1-ultra

Explora la API de flux-pro-1.1-ultra.

flux-pro-1.1

Explora la API de flux-pro-1.1.