GLM-5.3 Prime vs GLM-5.3：贵 2 倍，速度值得吗？

GLM-5.3 Prime 并不是一款新模型。它使用相同的 GLM-5.3 权重，只是采用了更快的服务模式：Alibaba Cloud Model Studio 的Prime 模式，承诺输出速度达到标准 API 的 1.5 到 2 倍。回答质量应该相同。额外付费买到的是每秒 token 数。

在AIHubMix上，glm-5.3-prime的价格为每百万输入 token $2.35、每百万输出 token $8.23，约为 GLM-5.3 当前价格的 2.1 倍。简短结论：

• 在需要人或智能体循环等待长篇输出时值得：交互式编程、流式代码生成、多步智能体。
• 对于批处理任务、简短回复或注重成本的流水线不值得。基础版 GLM-5.3 能以一半的价格完成相同工作。
• 先测量。目前所有独立数据都显示，提速幅度低于 1.5–2 倍的宣传，而且首个 token 并没有更早到达。
• 搭配较低的推理强度。在 AIHubMix 的测试中，单独使用 Prime 并没有比 GLM-5.3 更快地给出回答。Prime 搭配reasoning_effort: "low"则做到了：每个回答约需 71 秒，而非约 100 秒。

GLM-5.3 Prime 是什么，又不是什么

Alibaba Cloud 的文档用三句话介绍 Prime 模式：适用于对输出速度敏感的工作，提供更高 TPS；计费遵循标准 API 的逻辑；“无需额外参数”——只需更改模型 ID 即可切换。文档还表示，Prime 模型的能力和使用限制与原始模型相同。Prime 模式还涵盖glm-5.2-fast-preview（GLM-5.2 的快速模式，沿用了旧名称）和一款视频模型。

智谱自己的GLM-5.3 文档只列出了glm-5.3。Z.ai 上没有 Prime 模型 ID 或价格条目，而 Alibaba Cloud 是唯一提供 Prime 的上游服务商。以下两款名称相似的模型很容易与之混淆：

FlashX 加速了较小的 Flash 模型，支持图像和视频输入，宣称速度最高可达每秒 200 个 token。HighSpeed 是智谱为旗舰模型推出的快速模式。在智谱的编程应用 ZCode 中进行的一次分阶段测试中，该模式首次亮相；一位博主报告称速度超过每秒 490 个 token（Zhidongxi，2026 年 10 月 12 日）。目前还没有公开 API 或定价。

由于权重没有变化，Prime 沿用 GLM-5.3 的基准测试结果，而非另有一套结果。智谱公布的 GLM-5.3 自测数据如下：Terminal-Bench 3.0 从 GLM-5.2 的 4.6 提升至 28.3，DeepSWE v1.1 从 46.2 提升至 66.9，CyberGym 得分为 84.5%。目前没有人发布过 Prime 专属的基准测试。

价格：逐项翻倍

AIHubMix 每百万 token 的价格，数据核查于 2026 年 10 月 21 日：

无论哪种服务渠道，Prime 的价格都约为两倍。Alibaba Cloud 在北京区域将glm-5.3-prime定价为每百万 token 输入 ¥16、输出 ¥56，正好是标准版glm-5.3费率 ¥8 和 ¥28 的两倍。OpenRouter 上 Prime 的价格为 $2.80 和 $8.80，而 GLM-5.3 的价格为 $1.40 和 $4.40。缓存读取的费用也翻倍，因此，即使是长时间、缓存命中率高的智能体会话，也无法避开这笔溢价。

它到底快多少？目前的数据

本节数据来自 AIHubMix 的模型页面、AIHubMix 于 2026 年 10 月 21 日进行的自测、OpenRouter、ZenMux、Artificial Analysis（由 Codersera 汇总）以及DataLLM Lab。这些第三方数据的测试条件并不一致，因此应将其视为一个范围，而不是排名。

AIHubMix 测试向每个模型各发送了三次相同的编程提示词（实现一个线程安全的令牌桶速率限制器，并编写五个 pytest 测试），交替进行，使用reasoning_effort: "high"并开启流式输出。每秒 token 数的计算方式是输出 token 数除以从首个流式 token 到最后一个 token 的时间。第三方数据一行汇总了不同服务和日期的数据：GLM-5.3 在 OrcaRouter 上约为 61，在 Artificial Analysis 上为 71.9；Prime 在 OpenRouter 上为 60 到 75，在 ZenMux 上为 72 到 80。

在 AIHubMix 测试中，Prime 的解码速度快了约 16%，但回答并没有更早完成。Prime 的单次请求平均耗时 102.1 秒，GLM-5.3 为 99.9 秒，这是因为 Prime 输出更多：每个回答输出 9,404 个 token，而 GLM-5.3 为 8,147 个，几乎全是推理内容。首个 token 也没有更快到达：Prime 的中位数为 3.2 秒，GLM-5.3 为 3.0 秒，而且有一次 Prime 请求等待了 12 秒。每个模型只运行了三次，样本量很小；此外，AIHubMix 通过多家服务商提供 GLM-5.3，因此这些数据只能看作某个下午的快照。

DataLLM Lab 通过 OpenRouter 对九项 Python 编程任务进行了测试，计时的是完整回答所需时间，而非每秒 token 数。Prime 的单次回答平均耗时为 14.2 秒，与基础版 GLM-5.3 完全相同，因为 Prime 把额外的速度用在了更多思考上：每次调用生成 1,215 个推理 token，而基础版为 631 个。Prime 还得分 7/9，低于基础版 GLM-5.3 的 9/9。这些测试每项只运行了一次，且测量日期不同，因此无法证明两者存在质量差距。但它们表明，解码更快并不必然意味着回答更快。

原因很简单，就是算术问题。等待时间大致等于首 token 时间，加上（推理 token 数 + 回答 token 数）÷ 每秒 token 数，再加上工具耗时。Prime 只改变速度这一项。推理强度会改变 token 数，而在长任务中，它对结果的影响同样显著。在智谱内部的 Code Bench 中，GLM-5.3 在max推理强度下，每项任务约使用 75K 个输出 token，得分为 34.5%。在high推理强度下，约使用 50K 个 token，得分为 31.4%。降低一个等级会让输出量减少三分之一，省下的时间与 1.5 倍提速大致相当，而且降低一个等级会减少账单，而不是让费用翻倍。

不过，推理强度设置必须传递到模型。在 AIHubMix 的测试中，这一设置显然对 Prime 生效了：

基于相同提示词计算的单次回答平均值；成本按 AIHubMix 标价计算。

在 Prime 上，low推理强度减少了 38% 的输出量，也使其成为唯一一种回答速度快于 GLM-5.3 的配置；单次回答成本是 GLM-5.3 的 1.5 倍，而非 2 倍。AIHubMix 通过多家服务商提供 GLM-5.3，有些渠道上，推理强度设置和旧版的禁用思考标志可能无法按文档所述生效。无论使用哪个模型，都要检查用量信息块中的reasoning_tokens，并确认content中只有回答内容。

一项编程任务的成本估算

以下是使用 GLM-5.3 完成一场长时间智能体编程会话的成本估算，假设条件如下：

• 75K 个输出 token，这是智谱 Code Bench 在max推理强度下每项任务的数据；
• 整个会话共 1.2M 个输入 token（约 40 轮，每轮上下文平均为 30K token），其中 90% 通过缓存提供；
• 解码速度采用上文的两项 AIHubMix 测量数据，仅计算解码时间（不包含工具耗时或首 token 延迟）。

Prime 会让这项任务多花约 $0.80。按 AIHubMix 测得的速度计算，它能节省约 2 分钟，相当于每节省一分钟花费约 $0.40。按模型页面上的速度计算，它能节省约 12 分钟，相当于每节省一分钟花费约 $0.07。如果工程师正盯着智能体工作，即使按较保守的估算，这笔费用也低于他们的时间成本。如果没人盯着，额外花费的 $0.80 就毫无价值。测试还揭示了另一个问题：对于相同提示词，Prime 输出的 token 多了约 15%；如果你的任务也是如此，额外输出就会抵消大部分时间节省。

切换到 Prime：代码需要做哪些改动

只需更改模型 ID。在 AIHubMix 上，Prime 通过 OpenAI Chat Completions 端点提供；API 密钥和基础 URL 请参阅AIHubMix 快速入门。

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="")

切换模型时需要检查的事项：

• 思考模式始终开启。GLM-5.3 无法在不进行推理的情况下运行，Prime 也是如此。智谱文档指出，如果请求仍然发送thinking.type: "disabled"，调用 Z.ai 自有 API 时会失败；Alibaba Cloud 则表示enable_thinking=false不会生效。通过 AIHubMix 调用时，Prime 会以 HTTP 400 拒绝该标志：InternalError.Algo.InvalidParameter: The value of the enable_thinking parameter is restricted to True.请移除该标志，改用reasoning_effort: "low"。
• 三个推理强度等级。reasoning_effort可设为low、high或max，默认值为max，也是费用最高的选项。在 AIHubMix 的测试中，Prime 使用low时输出量减少了 38%。
• 从 glm-5.2-fast-preview 迁移？该模型可以关闭思考模式，并支持从none到max的七个推理强度等级。GLM-5.3 Prime 只保留三个等级，因此需要更新发送none、minimal、medium或xhigh的请求；对于不支持的值，Alibaba Cloud 会返回invalid_parameter_error。
• 上下文窗口略小。Prime 标注的上下文窗口为 1,000,000 个 token，而 AIHubMix 上的 GLM-5.3 标注为 1,048,576 个。刚好适配 GLM-5.3 的提示词，在 Prime 上可能会超出限制。最大输出长度相同，均为 131,072 个 token。
• 并行工具调用值得测试。OpenRouter 的 Prime 端点没有将parallel_tool_calls列为支持的参数；Cursor 用户则报告称，当多个工具调用在同一步骤中运行时，GLM-5.3 返回的工具调用参数可能为空。如果你的智能体会并行发起工具调用，正式依赖 Prime 之前先用它跑几次测试。
• 只有一家上游服务商。Alibaba Cloud 是 Prime 唯一的服务商。AIHubMix 上有多家服务商提供 GLM-5.3，因此对于不能中断的工作，请保留glm-5.3作为备用方案。
• 编程工具。AIHubMix 仅在 Chat Completions 上提供 Prime，因此 Claude Code（Anthropic Messages）和 Codex（Responses API）无法直接使用它。支持 OpenAI 兼容端点的工具则可以使用，例如 OpenCode。想快速验证的话，可以在相同推理强度下，分别让 glm-5.3 和 glm-5.3-prime 修复同一个小 bug，然后比较实际耗时和代码差异。

哪些情况下不该选择 Prime

• 批处理和隔夜任务。没人等着结果，因此速度毫无价值，价格却仍然翻倍。
• 简短回复。对于 200-token 的回答，首 token 延迟占主导，而以上所有测量中，Prime 的首 token 都没有更快。
• 真正的问题是长时间推理，且你的调用路线支持调整推理强度。调低 reasoning_effort 可以缩短等待时间并降低费用。查看响应中的 reasoning_tokens，确认设置已生效。
• 当你更看重速度而非旗舰性能时。GLM-5.3-FlashX 宣称最高可达每秒 200 tokens，输出价格约为 Prime 的八分之一。Artificial Analysis 指数中，Flash 基础版得分为 41.8，GLM-5.3 为 44.8，因此付费使用 Prime 前，先在你的任务上测试一下。

哪些人适合切换

• 如果你在交互式编程工具或实时智能体中使用 GLM-5.3，输出通常有数千个 token，而且自己的测量结果表明它在你的提示词上确实更快，现在就用 Prime。先从 low 推理强度开始，只有在质量需要时才调高。
• 如果你运行的智能体会并行调用工具，或提示词接近 1M-token 上限，请先测试。
• 对于批处理、简短回答，以及在意账单翻倍胜过缩短等待时间的任何场景，继续使用 GLM-5.3。
• 如果目标是原始速度，关注 Zhipu 的 HighSpeed。如果它在 API 上达到所报告的速度，就会比这里的任一选项快数倍。

两个模型都可以使用同一个 AIHubMix 密钥。GLM-5.3 与 GLM-5.3 Prime 对比页面展示了两者的并排比较，切换只需改一行。

常见问题

GLM-5.3 Prime 和 GLM-5.3 是不同的模型吗？
不是。它通过 Alibaba Cloud 的 Prime 服务模式运行相同的权重，目标是将输出速度提升至 1.5 到 2 倍。质量应与 GLM-5.3 相当，而且目前没有针对 Prime 的专属基准测试。

GLM-5.3 Prime 贵多少？
在 AIHubMix 上，其输入价格为每百万 tokens $2.35，输出价格为 $8.23，缓存读取价格为 $0.59，约为 GLM-5.3 的 2.1 倍。Alibaba Cloud 和 OpenRouter 的定价也大约翻倍。

Prime 真的快 2 倍吗？
目前的测量结果都没有显示它快 2 倍。AIHubMix 自己的测试测得其每秒 tokens 数约为 GLM-5.3 的 1.16 倍，而 AIHubMix 的模型页面显示约为 1.46 倍。在测试中，Prime 的回答并没有更早到达，因为它生成的 token 更多，而且首 token 也没有更快。

可以关闭 GLM-5.3 Prime 的思考模式吗？
不可以。和 GLM-5.3 一样，它始终会进行推理；将 thinking 类型设为 disabled 的请求会返回 HTTP 400 错误。你可以把 reasoning_effort 调低或设为 high；默认值是 max。

GLM-5.3 Prime 和 GLM-5.3-FlashX 有什么区别？
Prime 能以更快的速度提供旗舰版 GLM-5.3 权重。FlashX 则以更快的速度提供较小的 GLM-5.3-Flash 权重，支持图像和视频，输出价格约为 Prime 的八分之一。

可以在 Claude Code 或 Codex 中使用 GLM-5.3 Prime 吗？
无法通过 AIHubMix 直接使用。Prime 仅列在 OpenAI Chat Completions 端点上，而 Claude Code 使用 Anthropic Messages，Codex 使用 Responses API。接受 OpenAI 兼容端点的工具（如 OpenCode 或 Cline）可以使用它。

切换时需要修改代码中的什么内容？
只需将模型名称从 glm-5.3 改为 glm-5.3-prime。移除任何禁用思考模式的标志，因为 Prime 不接受此设置，并将推理强度设为 low、high 或 max。

来源

• Prime 模式 — Alibaba Cloud Model Studio（Alibaba Cloud）
• GLM-5.3 概览（Z.ai）
• GLM 5.3 Prime 模型页面（AIHubMix）
• GLM-5.3 Prime 评测：每 1,000 项任务 $11.52，得分 7/9（DataLLM Lab）
• GLM-5.3 Prime 和 FlashX：速度档位，而非新模型（Codersera）