GLM-5.3 Prime проти GLM-5.3: чи варта швидкість подвійної ціни?

GLM-5.3 Prime — це не нова модель. Вона використовує ті самі ваги GLM-5.3 у швидшому режимі обслуговування: режим Prime Alibaba Cloud Model Studio, який обіцяє швидкість генерації в 1.5–2 рази вищу, ніж у стандартного API. Якість відповідей має бути однаковою. Додатково ви платите за кількість токенів за секунду.

На AIHubMix glm-5.3-prime коштує $2.35 за мільйон вхідних токенів і $8.23 за мільйон вихідних — приблизно у 2.1× більше, ніж зараз коштує GLM-5.3. Коротка відповідь:

Варто, коли людина або цикл агента чекає на довгі відповіді: інтерактивне програмування, потокова генерація коду, багатокрокові агенти.
Не варто для пакетних завдань, коротких відповідей або чутливих до вартості конвеєрів. GLM-5.3 виконує ту саму роботу за половину ціни.
Спершу виміряйте. Усі незалежні вимірювання поки що показують менший приріст швидкості, ніж обіцяні 1.5–2×, а перший токен не надходить швидше.
Поєднуйте з нижчим рівнем зусиль. У тесті AIHubMix Prime сам по собі не відповідав швидше за GLM-5.3. А Prime з reasoning_effort: "low" — відповідав: приблизно 71 секунда на відповідь проти приблизно 100.

Що таке GLM-5.3 Prime, а чим він не є

У документації Alibaba Cloud режим Prime описано в трьох пунктах: вища TPS для завдань, чутливих до швидкості генерації; тарифікація за логікою стандартного API; «жодних додаткових параметрів» — режим вмикається зміною ID моделі. На тій самій сторінці зазначено, що можливості моделі Prime та ліміти використання такі самі, як в оригінальної моделі. Режим Prime також доступний для glm-5.2-fast-preview (швидкого режиму GLM-5.2, який зберіг стару назву) і відеомоделі.

У власній документації GLM-5.3 Zhipu вказує лише glm-5.3. На Z.ai немає ні ID моделі Prime, ні рядка з її ціною, а Alibaba Cloud — єдиний upstream-провайдер, що надає Prime. Його легко сплутати з двома схожими за назвою моделями:

Модель	Ваги	Постачальник	Де доступна
GLM-5.3	GLM-5.3	Багато провайдерів	API
GLM-5.3 Prime	GLM-5.3	Лише Alibaba Cloud	API
GLM-5.3-FlashX	GLM-5.3-Flash	Z.ai	API
GLM-5.3 HighSpeed	GLM-5.3	Z.ai	Лише бета-версія ZCode

FlashX пришвидшує меншу модель Flash, приймає зображення та відео й обіцяє швидкість до 200 токенів за секунду. HighSpeed — це власний швидкий режим Zhipu для флагманської моделі. Його виявили під час поетапного тестування в ZCode, застосунку Zhipu для програмування; один блогер повідомив про швидкість понад 490 токенів за секунду (Zhidongxi, 12 жовтня 2026 року). Публічного API чи ціни поки немає.

Оскільки ваги не змінюються, Prime успадковує результати GLM-5.3 у тестах, а не отримує власні. За даними самої Zhipu, GLM-5.3 набрала 28.3 проти 4.6 у GLM-5.2 на Terminal-Bench 3.0, 66.9 проти 46.2 на DeepSWE v1.1 і 84.5% на CyberGym. Спеціальних результатів тестування Prime ніхто не публікував.

Ціна: удвічі вища за кожною позицією

Ціни AIHubMix за мільйон токенів станом на 21 жовтня 2026 року:

Модель	Вхідні	Вихідні	Читання з кешу
GLM-5.3 Prime	$2.35	$8.23	$0.59
GLM-5.3	$1.1268	$3.9438	$0.2817
GLM-5.3-FlashX	$0.282	$0.987	$0.0804

У всіх маршрутів Prime коштує приблизно вдвічі дорожче. Для регіону Пекін Alibaba Cloud вказує ціну glm-5.3-prime ¥16 за вхідні та ¥56 за вихідні токени на мільйон — рівно вдвічі більше за стандартні тарифи glm-5.3: ¥8 і ¥28. На OpenRouter Prime коштує $2.80 і $8.80 проти $1.40 і $4.40 для GLM-5.3. Читання з кешу теж обходиться вдвічі дорожче, тож довгі сесії агента з добре прогрітим кешем не позбавляють вас цієї надбавки.

Наскільки швидше? Наявні результати вимірювань

Наведені в цьому розділі цифри взято зі сторінок моделей AIHubMix, власного тесту AIHubMix від 21 жовтня 2026 року, OpenRouter, ZenMux, Artificial Analysis (у зведенні Codersera) та DataLLM Lab. Дані сторонніх джерел отримано за різних умов, тож розглядайте їх як діапазони, а не рейтинг.

За даними	GLM-5.3	GLM-5.3 Prime	Prime проти GLM-5.3
Alibaba Cloud (обіцянка)	–	–	1.5–2×
Сторінки моделей AIHubMix	33.4 ток/с	48.6 ток/с	1.46×
Тест AIHubMix	84.7 ток/с	98.2 ток/с	1.16×
Сторонні моніторинги	61–72 ток/с	60–80 ток/с	діапазони перетинаються

У тесті AIHubMix кожній моделі тричі надсилали один запит на програмування (потокобезпечний обмежувач частоти на основі токен-бакета та п’ять тестів pytest), по черзі, з увімкненою потоковою передачею та reasoning_effort: "high". Кількість токенів за секунду — це кількість вихідних токенів, поділена на час від першого переданого токена до останнього. У рядку зі сторонніми даними зведено показники різних сервісів і днів: близько 61 для GLM-5.3 (OrcaRouter) і 71.9 (Artificial Analysis), для Prime — від 60 до 75 на OpenRouter і від 72 до 80 на ZenMux.

У тесті AIHubMix Prime декодував приблизно на 16% швидше, але відповіді не надходили раніше. Середній час запиту становив 102.1 секунди для Prime і 99.9 секунди для GLM-5.3, оскільки Prime генерував більше: 9,404 вихідних токени на відповідь проти 8,147, майже всі — токени міркувань. Перший токен також не з’являвся швидше: медіанний час становив 3.2 секунди для Prime і 3.0 для GLM-5.3, а один запит Prime затримався на 12 секунд. Три запуски для кожної моделі — це невелика вибірка, а AIHubMix розподіляє GLM-5.3 між кількома провайдерами, тож сприймайте результати як знімок за один день.

DataLLM Lab перевірила дев’ять завдань із програмування на Python через OpenRouter і вимірювала повний час відповіді, а не токени за секунду. Середній час відповіді Prime становив 14.2 секунди — рівно стільки ж, як у базової GLM-5.3, адже Prime витрачала додаткову швидкість на додаткові міркування: 1,215 токенів міркувань на запит проти 631. Prime також набрала 7/9, тоді як базова GLM-5.3 — 9/9. Це були поодинокі запуски, виміряні в різні дні, тож вони не доводять різниці в якості. Але вони показують, що швидше декодування не обов’язково означає швидшу відповідь.

Причина проста — звичайна арифметика. Час очікування приблизно дорівнює часу до першого токена плюс (токени міркувань + токени відповіді) ÷ кількість токенів за секунду плюс час на інструменти. Prime змінює лише складову швидкості. Рівень зусиль змінює кількість токенів, і для довгих завдань це так само суттєво впливає на результат. У внутрішньому Code Bench від Zhipu GLM-5.3 із рівнем max генерувала приблизно 75K вихідних токенів на завдання й набрала 34.5%. З рівнем high вона генерувала приблизно 50K токенів і набрала 31.4%. Зниження рівня на один щабель скорочує обсяг виходу на третину — приблизно стільки ж часу, скільки заощаджує прискорення в 1.5×, — і зменшує рахунок, а не подвоює його.

Однак налаштування рівня зусиль має дійти до моделі. У тесті AIHubMix для Prime воно точно спрацювало:

Модель і рівень зусиль	Запуски	Вихідні токени	Час на відповідь	Вартість відповіді
GLM-5.3, high	3	8,147	99.9 s	$0.032
Prime, high	3	9,404	102.1 s	$0.078
Prime, low	2	5,832	70.7 s	$0.048

Середні значення на одну відповідь для того самого запиту; вартість розраховано за роздрібними цінами AIHubMix.

Для Prime рівень low скоротив обсяг виходу на 38% і став єдиним варіантом, що відповідав швидше за GLM-5.3; вартість відповіді становила 1.5× від вартості GLM-5.3, а не 2×. AIHubMix надає GLM-5.3 через кількох провайдерів, і на деяких маршрутах налаштування рівня зусиль і старий прапорець вимкнення міркувань можуть працювати не так, як описано в документації. Яку б модель ви не використовували, перевіряйте reasoning_tokens у блоці використання й переконайтеся, що content містить лише відповідь.

Вартість одного завдання з програмування

Довга сесія агентного програмування на GLM-5.3 за таких припущень:

75K вихідних токенів — показник на одне завдання з Code Bench від Zhipu для рівня max;
1.2M вхідних токенів за сесію (приблизно 40 ходів, у середньому по 30K токенів контексту), з яких 90% оброблено з кешу;
швидкість декодування за двома наведеними вище вимірюваннями AIHubMix, лише час декодування (без часу на інструменти та затримки до першого токена).

Стаття витрат	GLM-5.3	GLM-5.3 Prime
Вхідні токени без кешу (0.12M)	$0.135	$0.282
Вхідні токени з кешу (1.08M)	$0.304	$0.637
Вихідні токени (75K)	$0.296	$0.617
Загалом на завдання	$0.735	$1.536
Час декодування, швидкість із тесту	14.8 хв	12.7 хв
Час декодування, швидкість зі сторінки моделі	37.4 хв	25.7 хв

Prime додає до вартості цього завдання приблизно $0.80. За швидкістю, виміряною AIHubMix, він заощаджує близько 2 хвилин — приблизно $0.40 за кожну зекономлену хвилину. За швидкістю зі сторінок моделей він заощаджує близько 12 хвилин — приблизно $0.07 за хвилину. Якщо інженер стежить за роботою агента, навіть песимістичний показник обходиться дешевше за його час. Якщо ніхто не стежить, ці $0.80 нічого не дають. Ще одне застереження щодо тесту: Prime згенерував приблизно на 15% більше токенів для того самого запиту, і якщо у ваших завданнях буде так само, це нівелює більшу частину виграшу в часі.

Перехід на Prime: що змінити в коді

Лише ID моделі. На AIHubMix Prime доступна через кінцеву точку OpenAI Chat Completions; дивіться короткий посібник AIHubMix, щоб отримати ключі та базові URL-адреси.

import os
from openai import OpenAI

client = OpenAI(base_url="https://aihubmix.com/v1", api_key=os.environ["AIHUBMIX_API_KEY"])

stream = client.chat.completions.create(
    model="glm-5.3-prime",          # was "glm-5.3"
    reasoning_effort="high",        # low | high | max (default max)
    messages=[{"role": "user", "content": "Refactor this function to remove the global state: ..."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="")

Що перевірити після переходу:

Міркування завжди ввімкнені. GLM-5.3 не може працювати без міркувань, і Prime так само. У документації Zhipu зазначено, що запит із thinking.type: "disabled" завершується помилкою у власному API Z.ai, а Alibaba Cloud повідомляє, що enable_thinking=false не впливає на роботу. Через AIHubMix Prime відхиляє цей прапорець із HTTP 400: InternalError.Algo.InvalidParameter: The value of the enable_thinking parameter is restricted to True. Приберіть цей прапорець і натомість використовуйте reasoning_effort: "low".
Три рівні зусиль. Для reasoning_effort доступні значення low, high або max; за замовчуванням використовується max — найдорожчий варіант. У тесті AIHubMix для Prime рівень low скоротив обсяг виходу на 38%.
Переходите з glm-5.2-fast-preview? Ця модель дозволяла вимкнути міркування та підтримувала сім рівнів зусиль — від none до max. У GLM-5.3 Prime залишилося лише три, тож запити зі значеннями none, minimal, medium або xhigh потрібно оновити; Alibaba Cloud повертає invalid_parameter_error для непідтримуваних значень.
Контекст трохи менший. Для Prime заявлено контекст на 1,000,000 токенів, а для GLM-5.3 на AIHubMix — 1,048,576. Запит, який ледве вміщується в контекст GLM-5.3, може перевищити ліміт Prime. Максимальний обсяг виходу однаковий — 131,072 токени.
Паралельні виклики інструментів варто перевірити. Кінцева точка Prime на OpenRouter не вказує parallel_tool_calls серед підтримуваних параметрів, а користувачі Cursor повідомляли, що виклики інструментів GLM-5.3 надходять із порожніми аргументами, коли кілька викликів виконуються за один крок. Якщо ваш агент запускає виклики інструментів паралельно, спершу перевірте кілька таких викликів через Prime.
Лише один upstream-провайдер. Єдиний провайдер Prime — Alibaba Cloud. На AIHubMix для GLM-5.3 доступно кілька провайдерів, тож залиште glm-5.3 як резервний варіант для роботи, яку не можна переривати.
Інструменти для кодування. В AIHubMix Prime доступний лише через Chat Completions, тож Claude Code (Anthropic Messages) і Codex (Responses API) не можуть використовувати його напряму. Це можуть робити інструменти, що приймають сумісну з OpenAI кінцеву точку, наприклад OpenCode. Щоб швидко перевірити, доручіть glm-5.3 і glm-5.3-prime виправити ту саму невелику помилку за однакового рівня зусиль і порівняйте час виконання та різницю в коді.

Коли Prime — невдалий вибір

Пакетні завдання та нічні процеси. Ніхто не чекає, тож швидкість нічого не варта, а ціна все одно вдвічі вища.
Короткі відповіді. Для відповіді на 200 токенів основну затримку створює очікування на перший токен, а в усіх наведених вище вимірюваннях Prime не видавав його швидше.
Коли справжня проблема — тривале міркування, а на вашому маршруті працює налаштування зусиль. Нижче значення reasoning_effort скорочує очікування та зменшує витрати. Перевірте reasoning_tokens у відповіді, щоб переконатися, що налаштування спрацювало.
Коли швидкість важливіша за флагманську модель. GLM-5.3-FlashX обіцяє до 200 токенів за секунду приблизно за одну восьму вартості вихідних токенів Prime. Базова модель Flash отримала 41.8 проти 44.8 у GLM-5.3 за індексом Artificial Analysis, тож перевірте її на своїх завданнях, перш ніж платити за Prime.

Кому варто перейти

Переходьте на Prime вже зараз, якщо використовуєте GLM-5.3 в інтерактивному інструменті для кодування або живому агенті, відповіді регулярно сягають тисяч токенів, а власні вимірювання підтверджують прискорення на ваших запитах. Почніть із рівня зусиль low і підвищуйте його лише там, де цього потребує якість.
Спочатку протестуйте, якщо використовуєте агентів із паралельними викликами інструментів або запити, близькі до ліміту в 1M токенів.
Залишайтеся на GLM-5.3 для пакетної обробки, коротких відповідей і будь-яких завдань, де подвоєння рахунку важливіше за скорочення часу очікування.
Стежте за HighSpeed від Zhipu, якщо вам потрібна максимальна швидкість. Якщо в API вона наблизиться до заявлених показників, то буде в кілька разів швидшою за обидва розглянуті тут варіанти.

Обидві моделі працюють з одним ключем AIHubMix. На сторінці порівняння GLM-5.3 і GLM-5.3 Prime їх можна побачити поруч, а для перемикання достатньо змінити один рядок.

Поширені запитання

GLM-5.3 Prime — це інша модель, ніж GLM-5.3?
Ні. У ній використовуються ті самі ваги, але через режим обслуговування Prime від Alibaba Cloud, який має забезпечити у 1.5–2 рази вищу швидкість генерації. Якість має відповідати GLM-5.3, а окремого бенчмарку для Prime немає.

Наскільки дорожча GLM-5.3 Prime?
В AIHubMix ціна становить $2.35 за вхідні токени, $8.23 за вихідні та $0.59 за читання кешу на мільйон токенів — приблизно у 2.1× раза дорожче за GLM-5.3. В Alibaba Cloud і OpenRouter ціна також приблизно вдвічі вища.

Prime справді у 2× раза швидша?
Поки що жодне вимірювання цього не підтверджує. Власний тест AIHubMix показав приблизно в 1.16 раза більше токенів за секунду, ніж у GLM-5.3, а на сторінках моделей AIHubMix вказано приблизно в 1.46 раза. У тесті відповіді не надходили швидше, бо Prime генерувала більше токенів, а перший токен з’являвся не швидше.

Чи можна вимкнути мислення в GLM-5.3 Prime?
Ні. Як і GLM-5.3, ця модель завжди виконує міркування, а запит із вимкненим типом мислення повертає помилку HTTP 400. Можна знизити reasoning_effort до low або high; за замовчуванням встановлено max.

Чим відрізняється GLM-5.3 Prime від GLM-5.3-FlashX?
Prime швидше обслуговує флагманську модель GLM-5.3 із її вагами. FlashX швидше обслуговує меншу модель GLM-5.3-Flash, приймає зображення та відео й коштує приблизно одну восьму вартості вихідних токенів Prime.

Чи можна використовувати GLM-5.3 Prime у Claude Code або Codex?
Не напряму через AIHubMix. Prime доступний лише через кінцеву точку OpenAI Chat Completions, тоді як Claude Code використовує Anthropic Messages, а Codex — Responses API. Використовувати Prime можуть інструменти, що приймають сумісну з OpenAI кінцеву точку, наприклад OpenCode або Cline.

Що потрібно змінити в коді, щоб перейти?
Лише назву моделі: glm-5.3 на glm-5.3-prime. Видаліть будь-який прапорець, що вимикає мислення, оскільки Prime його відхиляє, і залиште рівень зусиль low, high або max.