z-ai
Z.ai: GLM 5.3 (batch)
z-ai/glm-5.3:batch
Nossa análise
Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.
z-ai/glm-5.3:batch é a variante em lote do GLM-5.3 da Z.ai listada no OpenRouter. O catálogo descreve um modelo de raciocínio somente de texto com janela de contexto de 1M de tokens e raciocínio obrigatório com esforço ajustável. A documentação da Z.ai indica que o GLM-5.3 reutiliza a base do GLM-5.2 e ganha capacidade por pós-treinamento, visando engenharia de software complexa e tarefas de agente de longo horizonte. Os benchmarks relatados pelo fornecedor mostram resultados fortes em código e segurança, mas são autorrelatados, e a evidência não descreve comportamento específico do modo em lote. Valide o desempenho em suas próprias cargas de trabalho.[1][2]
Pontos fortes
- O catálogo do OpenRouter lista uma janela de contexto de 1M de tokens para este modelo de entrada e saída de texto.[1]
- O esforço de raciocínio é ajustável entre os níveis low, high e max, e o endpoint anuncia parâmetros de chamada de ferramentas e saídas estruturadas.[1][2]
- A Z.ai relata ganhos importantes sobre o GLM-5.2 em seus próprios benchmarks de código e agentes, incluindo resultados apresentados como estado da arte em pesos abertos; esses números vêm do fornecedor.[2]
Limitações
- O catálogo do OpenRouter marca o raciocínio como obrigatório, portanto não pode ser desativado, apenas ajustado pelos níveis de esforço.[1]
- Toda a evidência de benchmarks vem do fornecedor ou do catálogo; nenhuma documentação de modelo independente para a variante em lote foi incluída, portanto os resultados devem ser validados em cargas de trabalho reais.[1][2]
- Os pesos usam uma licença personalizada cujos termos não são detalhados na evidência, e o significado do sufixo batch não está documentado nas fontes.[1][2]
Onde usar
- Potencialmente adequado para fluxos de engenharia de software complexos e tarefas agênticas de longo horizonte, que a Z.ai aponta como alvos de design.[1][2]
- Candidato para análise de documentos longos ou bases de código extensas dada a janela de contexto de 1M de tokens listada, sujeito a testes em cargas de trabalho reais.[1]
- Pode servir para trabalhos em lote não interativos orientados a vazão, embora as fontes não definam comportamento específico do lote, então confirme a semântica com o provedor.[1]
Fontes
- [1] OpenRouter catalog · Z.ai: GLM 5.3 (batch)Fontes consultadas: 13 de nov. de 2026
- [2] Model documentation · Z.ai: GLM 5.3 (batch)Fontes consultadas: 13 de nov. de 2026
Sobre este modelo
A descrição abaixo é o texto original fornecido pelo OpenRouter, no idioma da fonte.
GLM-5.3 is a large-scale reasoning model from Z.ai, built for complex software engineering and long-horizon agent tasks. It supports text input and output with a 1M-token context window, and improves...
Especificações
- ID do modelo
- z-ai/glm-5.3:batch
- ID canônico
- z-ai/glm-5.3-20260816
- Criador
- z-ai
- Adicionado ao OpenRouter
- 18.08.2026
- Comprimento de contexto
- 1,048,576
- Modalidade
- text->text
- Modalidades de entrada
- text
- Modalidades de saída
- text
- Preço por token
- USD por 1M de tokens: entrada $0.450 / saída $2
- Corte de conhecimento
- —
- Data de expiração
- —
Tarefas e capacidades
Uma nota aparece apenas quando a fonte fornece uma medição correspondente para aquela tarefa, o modelo está ativo e a coorte tem pelo menos 10 modelos comparáveis. A coluna de capacidade lista fatos declarados pela fonte — formatos compatíveis, raciocínio e parâmetros de ferramentas — que não são qualidade medida.
| Tarefa | Nota | Capacidade declarada pela fonte |
|---|---|---|
| Qualidade geral | BB — próximos 30% da coorte | raciocínio: obrigatório · padrão max · esforços: max, high, low · parâmetros: include_reasoning, reasoning, reasoning_effort |
| Programação | AA — próximos 20% da coorte | — |
| Agentes | SS — top 10% da coorte | parâmetros: structured_outputs, tool_choice, tools |
| Escrita | Sem medição | saída: text |
| Raciocínio | Sem medição | raciocínio: obrigatório · padrão max · esforços: max, high, low · parâmetros: include_reasoning, reasoning, reasoning_effort |
| Análise de documentos | Sem medição | — |
| Visão | Sem medição | — |
| Geração de imagens | Sem medição | — |
| Áudio | Sem medição | — |
| Vídeo | Sem medição | — |
| Embeddings | Sem medição | — |
Avaliações
| Fonte | Benchmark | Valor | Nota | Dados obtidos |
|---|---|---|---|---|
| Artificial Analysis | Intelligence index | 31.7 | BB — próximos 30% da coorte | 13.11.2026 |
| Artificial Analysis | Coding index | 74.8 | AA — próximos 20% da coorte | 13.11.2026 |
| Artificial Analysis | Agentic index | 53.1 | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | models · 3dtaxa de vitória 56% · posição 19 | 1,299Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | models · asciiarttaxa de vitória 47.2% · posição 23 | 1,210Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · codecategoriestaxa de vitória 52.3% · posição 21 | 1,285Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | models · dataviztaxa de vitória 50.6% · posição 34 | 1,253Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | models · gamedevtaxa de vitória 50.6% · posição 21 | 1,290Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | models · svgtaxa de vitória 51.4% · posição 17 | 1,248Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | models · uicomponenttaxa de vitória 52.8% · posição 26 | 1,284Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | models · websitetaxa de vitória 52.6% · posição 23 | 1,280Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | agents · htmlslidestaxa de vitória 39.1% · posição 2 | 1,189Elo | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | agents · mobileappstaxa de vitória 52.2% · posição 23 | 1,186Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | agents · python-pptxslidestaxa de vitória 50.4% · posição 10 | 1,206Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | agents · webappstaxa de vitória 54.2% · posição 10 | 1,270Elo | AA — próximos 20% da coorte | 13.11.2026 |
Como funcionam as notas
Cada nota compara um modelo apenas com outros modelos avaliados pela mesma fonte e métrica no snapshot atual. S é o top 10%, A os 20% seguintes, B os 30% seguintes e C o restante. Modelos sem medição publicada aparecem como não avaliados — um formato compatível nunca implica qualidade medida.
- S — S — top 10% da coorte
- A — A — próximos 20% da coorte
- B — B — próximos 30% da coorte
- C — C — abaixo da faixa B
Provedores
Estatísticas opcionais de provedores ao vivo do OpenRouter. Valores ausentes são desconhecidos, não zero.
| Provedor | Comprimento de contexto | Preço entrada /1M | Preço saída /1M | Latência p50 (30m, s) | Taxa p50 (30m, tok/s) | Disponibilidade (30m) |
|---|---|---|---|---|---|---|
| DeepInfrafp4 | 1,048,576 | $0.450 | $2 | — | — | — |
Dados de provedores obtidos: 13.11.2026
Artigos relacionados
Nenhum artigo publicado identifica este modelo ainda.