# Обзор GLM-5.3-FlashX

> Обзор GLM-5.3-FlashX: проверяем заявление о 200 tokens/s, цены API, независимые данные Flash, контекст 1M и сценарии, где оправдана цена в 2,5 раза выше.

- Canonical HTML: https://omniakey.com/ru/blog/glm-5-3-flashx-review
- Markdown: https://omniakey.com/ru/blog/glm-5-3-flashx-review.md
- Published: 2026-09-19 (updated 2026-09-19)
- Author: Kiki, COO at OmniaKey
- Language: ru
- Category: Guide
- Reading time: 12 min
- All posts: https://omniakey.com/blog/llms.txt

---

Этот **обзор GLM-5.3-FlashX** отделяет более быстрый хостинговый маршрут от более сильной модели. Z.ai заявляет **200 tokens/s**, но не публикует парное сравнение качества Flash и FlashX, распределение задержки или методику измерения этой цифры.

Практический вывод прост: FlashX стоит тестировать, когда человек ждёт длинный потоковый ответ или интерактивный цикл инструментов. Для пакетных заданий, фоновых агентов и офлайн-оценок обычный Flash остаётся разумной базой, поскольку оплата примерно в 2,5 раза больше за token редко создаёт измеримую ценность.

> **Факты проверены 19 сентября 2026 года.** Мы изучили документацию модели, цены API, отчёт о запуске и открытую карточку Z.ai, а также данные Artificial Analysis для обычного GLM-5.3-Flash. У нас не было оплачиваемого доступа к FlashX, мы не проводили собственный тест задержки и не выдаём 200 tokens/s за независимый результат.

## Краткий вердикт

- **Сначала тестировать FlashX:** интерактивная разработка, живой поиск, Computer Use, клиентские ассистенты и длинная потоковая выдача.
- **Оставить Flash вариантом по умолчанию:** очереди, извлечение документов, ночное ревью, синтетические данные и массовая автоматизация.
- **Не переходить только ради качества:** Z.ai не показывает отдельный checkpoint FlashX или парное доказательство лучшего ответа.

## FlashX и Flash: главное

|Критерий|GLM-5.3-FlashX|GLM-5.3-Flash|
|-|-|-|
|ID модели API|`glm-5.3-flashx`|`glm-5.3-flash`|
|Роль в документации|Более быстрый хостинговый маршрут|Более дешёвый маршрут и открытые веса|
|Данные о скорости|Z.ai заявляет 200 tokens/s без методики|Artificial Analysis измерила медиану 98.6 tokens/s|
|Ввод / кэш / вывод|$0.37 / $0.075 / $1.25 за 1M tokens|$0.15 / $0.03 / $0.50|
|Контекст / максимум вывода|1M / 128K tokens|1M / 128K tokens|
|Входные данные|Видео, изображения, текст и файлы|Видео, изображения, текст и файлы|
|Thinking|Обязателен, отключить нельзя|Обязателен, отключить нельзя|
|GLM Coding Plan|Не входил на дату проверки|Входит с квотой в 3 раза больше GLM-5.3|
|Публичные веса|Отдельный checkpoint не указан|`zai-org/GLM-5.3-Flash`, MIT|

Общая документация подтверждает одинаковый публичный контракт возможностей. Она не доказывает идентичность внутреннего serving, стабильности ответов, tool calls и надёжности.

Текущую цену и статус в OmniaKey определяют [страница GLM-5.3-Flash](https://omniakey.com/ru/glm-5-3-flash) и [живой каталог моделей](https://omniakey.com/ru/models). Наличие `glm-5.3-flashx` у Z.ai не означает, что тот же ID уже доступен через любой gateway.

## Что на самом деле доказывают 200 tokens/s

Z.ai не сообщает, являются ли 200 пиковым, средним или медианным значением. Не раскрыты регион, prompt, длина вывода, параллелизм, учёт reasoning tokens и p95. Времени до первого token тоже нет.

```text
сквозная задержка
  = ожидание в очереди
  + обработка prompt и первый token
  + сгенерированные tokens / скорость декодирования
  + время инструментов и сети
```

При идеально стабильных 200 tokens/s декодирование 100 tokens занимает 0.5 секунды, 1,000 — 5 секунд, 4,000 — 20 секунд. Это арифметика, а не измерение FlashX. Для коротких ответов решающим может быть первый token, для длинных prompt — prefill.

## Независимые данные есть только для Flash

Artificial Analysis приводит для обычного Flash через API Z.ai следующие результаты:

|Метрика|Обычный Flash|Область|
|-|-:|-|
|Intelligence Index|41.9|Независимая оценка|
|Медианная скорость вывода|98.6 tokens/s|Выборка API Z.ai|
|Медиана до первого chunk|2.43 секунды|Выборка API Z.ai|
|Стоимость одной задачи оценки|$0.253|Набор задач оценщика|

Это **не** тест FlashX. Делить рекламные 200 Z.ai на независимую медиану 98.6 и заявлять «в 2.03 раза быстрее» нельзя: методики, даты, нагрузки и условия трафика различаются.

Z.ai также сообщает для семейства Flash 84.3 в Terminal-Bench 2.1, 63.4 в DeepSWE v1.1, 56.3 в NL2Repo и 48.8 в AutomationBench. Это vendor-run результаты GLM-5.3-Flash, а не доказательство повышения качества FlashX. Выбор поколения разобран в [сравнении GLM-5.3 и GLM-5.2 для программирования](https://omniakey.com/ru/blog/glm-5-3-vs-glm-5-2-for-coding).

## Цены API и пример расчёта

Z.ai указывает следующие прямые цены в долларах за миллион tokens:

|Модель|Ввод|Кэшированный ввод|Хранение кэша|Вывод|
|-|-:|-:|-|-:|
|GLM-5.3-Flash|$0.15|$0.03|Временно бесплатно|$0.50|
|GLM-5.3-FlashX|$0.37|$0.075|Временно бесплатно|$1.25|
|GLM-5.3|$1.40|$0.26|Временно бесплатно|$4.40|

Некэшированный ввод FlashX стоит в 2.47 раза дороже, кэшированный ввод и вывод — ровно в 2.5 раза дороже Flash. Временная бесплатность относится к хранению кэша, а не отменяет плату за чтение кэшированного ввода.

100K некэшированных входных tokens и 20K выходных стоят **$0.0250** на Flash, **$0.0620** на FlashX и **$0.2280** на полном GLM-5.3. При 80K кэшированных и 20K некэшированных входных tokens цены равны **$0.0154 / $0.0384 / $0.1368**. Тысяча запусков первого случая стоит **$25.00 / $62.00 / $228.00**.

Доплата за FlashX составляет **$0.037 за запуск**. При полной стоимости труда $30 в час это около 4.4 секунды. Это полезный порог решения, но не измерение экономии 4.4 секунды.

## Архитектура и ограничения интеграции

В основе GLM-5.3-Flash — **320B параметров всего и 18B активных на token**, 45 слоёв и обучение на мультимодальном корпусе в 30T tokens. Модель объединяет sparse и linear attention. Z.ai заявляет в 3.01 раза меньше вычислений attention и в 4.44 раза меньше KV Cache, чем у GLM-5.3. Это свойства семейства Flash, а не эксклюзивные изменения FlashX.

Веса обычного Flash опубликованы по MIT. В проверенных источниках FlashX встречается только как хостинговый ID. Thinking нельзя отключить; Z.ai рекомендует `temperature: 1`, `top_p: 0.95`, `reasoning_effort: max`, `clear_thinking: false`, `stream: true` и `tool_stream: true` для интерактивной работы.

Клиент с `thinking.type: "disabled"` нужно сначала изменить. `reasoning_effort: max` может увеличить reasoning tokens и общее время даже при быстром декодировании. Для мультимодального ввода по-прежнему нужны проверки размера, формата, приватности и хранения.

## Какой маршрут выбрать

|Нагрузка|Начать с|Причина|
|-|-|-|
|Интерактивное программирование и отладка|FlashX|Человек ждёт reasoning, инструменты и вывод|
|Клиентский ассистент с длинными ответами|FlashX после теста p95|Хвостовая задержка влияет на опыт|
|Computer Use или Browser Use|FlashX после теста успеха|Каждый ход блокирует следующее действие|
|Ночное ревью или анализ CI|Flash|Обычно никто не ждёт каждый token|
|Массовое извлечение, классификация, синтетика|Flash|Цена 2.5x копится без интерактивной выгоды|
|Сложная задача с дорогой ошибкой|Сравнить Flash, FlashX и GLM-5.3|Приёмка может быть важнее скорости и тарифа|
|Работа в GLM Coding Plan|Flash|FlashX сейчас не входит в план|

В production можно использовать оба ID: FlashX только на критическом интерактивном пути, Flash — для retry, индексации, сводок и постобработки.

Ждёте GLM-5.5? На 1 ноября 2026 г. Z.ai её так и не анонсировала. Наша страница о [дате выхода GLM-5.5](https://omniakey.com/ru/blog/glm-5-5-release-date) перечисляет, что можно проверить и какой GLM использовать сейчас.

## Как корректно сравнить FlashX

1. Зафиксировать короткие, длинные, tool-heavy и мультимодальные задачи с критериями приёмки.
2. Отправить одинаковый неизменный prompt и tool policy обоим точным ID.
3. Случайно чередовать порядок, сохраняя регион и временные окна.
4. Записывать первый chunk, скорость, полное время и p50/p95.
5. Записывать ввод, кэш, reasoning, вывод и фактическую стоимость.
6. Оценивать приёмку, tool calls, retry, ошибки и правки человека.
7. Повторить при реалистичном параллелизме, чтобы увидеть разброс.

Главная метрика — **стоимость принятой задачи в пределах требуемой задержки**. Почему модель и Agent harness нужно тестировать вместе, объясняет [гайд по моделям для coding-агентов](https://omniakey.com/ru/blog/best-llm-coding-agents).

## Итог

GLM-5.3-FlashX лучше всего понимать как платную скоростную полосу семейства Flash. 200 tokens/s выглядят многообещающе, а абсолютная доплата для интерактивного запроса может быть небольшой. Но публичные данные не доказывают новый уровень интеллекта, гарантированное ускорение в 2 раза или сквозной SLA.

Используйте FlashX там, где ожидание имеет измеримую цену, а в остальных задачах оставьте Flash базой по стоимости.

## Частые вопросы

### FlashX умнее обычного Flash?

Публичных доказательств нет. Есть общие возможности и benchmark семейства, но нет парного сравнения качества или отдельного checkpoint FlashX.

### Он действительно выдаёт 200 tokens/s?

Это официальная цифра Z.ai. Методика, процентиль, регион, параллелизм, форма prompt и первый token не раскрыты; этот обзор её не воспроизводил.

### Сколько стоит FlashX?

$0.37 за миллион некэшированных входных tokens, $0.075 за кэшированный ввод и $1.25 за вывод — примерно в 2.5 раза дороже Flash.

### Поддерживаются контекст 1M и изображения?

Да. Общая страница документирует контекст 1M, до 128K вывода и видео, изображения, текст и файлы на входе. Длинный контекст не гарантирует низкую задержку.

## Первичные источники

- [Документация Z.ai по GLM-5.3-Flash и FlashX (англ.)](https://docs.z.ai/guides/vlm/glm-5.3-flash)
- [Цены API Z.ai (англ.)](https://docs.z.ai/guides/overview/pricing)
- [Отчёт о запуске GLM-5.3-Flash (англ.)](https://z.ai/blog/glm-5.3-flash)
- [Открытая карточка GLM-5.3-Flash (англ.)](https://huggingface.co/zai-org/GLM-5.3-Flash)
- [Данные Artificial Analysis (англ.)](https://artificialanalysis.ai/models/glm-5-3-flash)

_Данные и расчёты проверены 19 сентября 2026 года. ID, цены, доступ к Plan, задержка и наличие в gateway могут измениться; перед production перепроверьте первичные источники и проведите парный тест._