GLM-5.3 Prime 與 GLM-5.3：速度快一倍，價格也貴一倍，值得嗎？

GLM-5.3 Prime 不是新模型。它使用相同的 GLM-5.3 權重，透過更快的服務模式執行：Alibaba Cloud Model Studio 的Prime 模式，承諾輸出速度可達標準 API 的 1.5 到 2 倍。回答品質應該相同。額外付費買到的是每秒 token 數。

在AIHubMix上，glm-5.3-prime的價格為每百萬個輸入 token $2.35、每百萬個輸出 token $8.23，約為 GLM-5.3 目前價格的 2.1 倍。簡短結論：

• 在有人或 Agent 循環需要等待長篇輸出時，值得使用：互動式程式設計、串流程式碼生成、多步驟 Agent。
• 批次工作、簡短回覆或注重成本的管線，不值得使用。基礎版 GLM-5.3 只要一半價格，就能完成相同工作。
• 先測量再說。目前所有獨立數據都顯示，速度提升幅度低於宣稱的 1.5–2 倍，而且首個 token 並不會更快送達。
• 搭配較低的推理強度。在 AIHubMix 的測試中，單用 Prime 並沒有比 GLM-5.3 更快回答。但 Prime 搭配reasoning_effort: "low"就有差：每次回答約 71 秒，相較之下約 100 秒。

GLM-5.3 Prime 是什麼，又不是什麼

Alibaba Cloud 的文件用三點說明 Prime 模式：適用於重視輸出速度的工作，可提供較高的 TPS；計費方式遵循標準 API 的邏輯；以及「無須額外參數」：只要更改模型 ID 就能切換。同一頁也指出，Prime 模型的功能與使用限制和原始模型相同。Prime 模式也涵蓋glm-5.2-fast-preview（GLM-5.2 的快速模式，沿用舊名稱）和一款影片模型。

Zhipu 自家的GLM-5.3 文件只列出glm-5.3。Z.ai 上沒有 Prime 模型 ID 或價格項目，而 Alibaba Cloud 是唯一提供 Prime 的上游服務商。以下兩款名稱相似的模型很容易和它混淆：

FlashX 能加速較小的 Flash 模型、接受影像和影片輸入，並宣稱最高可達每秒 200 個 token。HighSpeed 則是 Zhipu 為旗艦模型推出的自家快速模式。它曾在 Zhipu 程式設計應用程式 ZCode 的分階段測試中現身，一位部落客回報速度超過每秒 490 個 token（Zhidongxi，2026 年 10 月 12 日）。目前尚無公開 API 或價格。

由於權重未變，Prime 沿用 GLM-5.3 的基準測試結果，而不是另有一套結果。Zhipu 自行公布的 GLM-5.3 數據如下：Terminal-Bench 3.0 從 GLM-5.2 的 4.6 提升至 28.3，DeepSWE v1.1 從 46.2 提升至 66.9，CyberGym 則達到 84.5%。目前沒有任何人公布 Prime 專屬的基準測試。

價格：每項都翻倍

每百萬個 token 的 AIHubMix 價格，查詢日期為 2026 年 10 月 21 日：

無論透過哪個管道，Prime 的價格都約為兩倍。Alibaba Cloud 在北京區域將glm-5.3-prime列為每百萬個輸入 token ¥16、每百萬個輸出 token ¥56，恰好是標準glm-5.3每百萬個輸入 token ¥8、每百萬個輸出 token ¥28 的兩倍。OpenRouter 將 Prime 列為 $2.80 和 $8.80，而 GLM-5.3 則是 $1.40 和 $4.40。快取讀取費用也翻倍，因此長時間且快取命中率高的 Agent 工作階段也無法避開這項溢價。

到底快多少？目前的數據

本節數據來自 AIHubMix 的模型頁面、AIHubMix 在 2026 年 10 月 21 日進行的自家測試、OpenRouter、ZenMux、Artificial Analysis（由 Codersera 彙整）以及DataLLM Lab。第三方數據的測試條件各不相同，請將它們視為範圍，而非排名。

AIHubMix 測試將一個程式設計提示詞（建立具備執行緒安全性的 token-bucket 速率限制器，並撰寫五項 pytest 測試）分別傳送給兩個模型，各測三次、交替進行，並在開啟串流的情況下使用reasoning_effort: "high"。每秒 token 數的計算方式為輸出 token 數除以第一個串流 token 到最後一個 token 送達的時間。第三方數據列彙整了不同服務與日期的數據：GLM-5.3 約為 61（OrcaRouter）和 71.9（Artificial Analysis），Prime 在 OpenRouter 為 60 至 75，在 ZenMux 為 72 至 80。

在 AIHubMix 測試中，Prime 的解碼速度約快 16%，但回答完成時間並沒有縮短。Prime 平均每次請求耗時 102.1 秒，GLM-5.3 則為 99.9 秒，原因是 Prime 輸出更多內容：每次回答輸出 9,404 個 token，而 GLM-5.3 為 8,147 個，幾乎全是推理內容。首個 token 也沒有更快送達：Prime 的中位數為 3.2 秒，GLM-5.3 則為 3.0 秒，而且有一次 Prime 請求等了 12 秒。每個模型只測三次，樣本數偏少；此外，AIHubMix 透過多家服務商提供 GLM-5.3，因此這只能視為某個下午的測試快照。

DataLLM Lab 透過 OpenRouter 執行九項 Python 程式設計任務，測量的是完整回答耗時，而非每秒 token 數。Prime 平均每次回答耗時 14.2 秒，和基礎版 GLM-5.3 完全相同，因為 Prime 把額外速度用在更多思考上：每次呼叫產生 1,215 個推理 token，而 GLM-5.3 為 631 個。Prime 的評分也只有 7/9，低於基礎版 GLM-5.3 的 9/9。這些都是不同日期測得的單次結果，無法證明品質有差距，但確實顯示解碼更快不代表回答一定更快完成。

原因只是簡單的算術。等待時間大致等於首個 token 的等待時間，加上（推理 token 數 + 回答 token 數）÷ 每秒 token 數，再加上任何工具執行時間。Prime 只改變速度這一項。推理強度則會改變 token 數量，對於長任務，影響程度不亞於速度。在 Zhipu 內部的 Code Bench 中，GLM-5.3 在max下每項任務約使用 75K 個輸出 token，得分為 34.5%；在high下則使用 50K，得分為 31.4%。降低一個等級能讓輸出量減少三分之一，省下的時間約等於 1.5 倍速度提升所帶來的效果，而且還能降低費用，而非讓費用翻倍。

不過，推理強度設定必須確實傳送到模型。在 AIHubMix 的測試中，Prime 明確有套用這項設定：

同一提示詞的每次回答平均值；費用依據 AIHubMix 牌價計算。

在 Prime 上，low讓輸出量減少 38%，也讓 Prime 成為唯一比 GLM-5.3 更快完成回答的設定，每次回答的費用是 GLM-5.3 的 1.5 倍，而非 2 倍。AIHubMix 透過多家服務商提供 GLM-5.3，部分管道對推理強度設定和舊版停用思考旗標的處理方式，可能與文件描述不同。無論使用哪個模型，都要檢查使用量區塊中的reasoning_tokens，並確認content只包含回答內容。

一項程式設計任務的費用估算

以下以 GLM-5.3 執行一場長時間的 Agent 程式設計工作階段，並列出假設條件：

• 75K 個輸出 token，採用 Zhipu Code Bench 在max推理強度下的每項任務數據；
• 整個工作階段共 1.2M 個輸入 token（約 40 個回合，每回合平均 30K 個上下文 token），其中 90% 由快取提供；
• 解碼速度採用上述兩項 AIHubMix 測量結果，僅計算解碼時間（不含工具執行時間或首個 token 延遲）。

Prime 會讓這項任務多花約 $0.80。以 AIHubMix 測得的速度計算，可省下約 2 分鐘，相當於每省一分鐘約花 $0.40。以模型頁面列出的速度計算，可省下約 12 分鐘，相當於每省一分鐘約花 $0.07。如果工程師正盯著 Agent 工作，即使採用較保守的估算，費用也低於工程師的時間成本。如果沒有人在看，這 $0.80 就毫無價值。測試還有一項注意事項：面對相同提示詞，Prime 輸出的 token 約多 15%；如果你的任務也有同樣情況，就會抵銷大部分省下的時間。

切換至 Prime：程式碼要改什麼

只需更改模型 ID。在 AIHubMix 上，Prime 透過 OpenAI Chat Completions 端點提供服務；金鑰和 base URL 請參閱AIHubMix 快速入門。

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="")

切換時要檢查的項目：

• 思考模式一律啟用。GLM-5.3 無法在不進行推理的情況下執行，Prime 也一樣。Zhipu 的文件指出，若請求仍傳送thinking.type: "disabled"，在 Z.ai 自家的 API 上會失敗；Alibaba Cloud 則表示enable_thinking=false不會生效。透過 AIHubMix 使用時，Prime 會以 HTTP 400 拒絕此旗標：InternalError.Algo.InvalidParameter: The value of the enable_thinking parameter is restricted to True.請移除這個旗標，改用reasoning_effort: "low"。
• 三種推理強度。reasoning_effort可設為low、high或max，預設值是最昂貴的max。在 AIHubMix 的測試中，Prime 使用low可減少 38% 的輸出量。
• 從 glm-5.2-fast-preview 切換而來？該模型可以關閉思考模式，並接受七種推理強度，從none到max不等。GLM-5.3 Prime 只保留三種，因此傳送none、minimal、medium或xhigh的請求都需要更新；Alibaba Cloud 會針對不支援的值回傳invalid_parameter_error。
• 上下文視窗稍小。Prime 列出的上下文視窗為 1,000,000 個 token，而 AIHubMix 上的 GLM-5.3 則為 1,048,576 個。剛好能用 GLM-5.3 處理的提示詞，可能會超出 Prime 的限制。最大輸出量相同，都是 131,072 個 token。
• 建議測試平行工具呼叫。OpenRouter 的 Prime 端點未將parallel_tool_calls列為支援參數，而且 Cursor 使用者回報，GLM-5.3 在同一步驟執行多個工具呼叫時，有時會傳回空白引數。如果你的 Agent 會平行呼叫工具，請先透過 Prime 執行幾次測試，再正式使用。
• 只有一家上游服務商。Alibaba Cloud 是 Prime 唯一的服務商。AIHubMix 上的 GLM-5.3 則有多家服務商，因此請保留glm-5.3作為無法中斷的工作的備援。
• 程式碼工具。AIHubMix 僅在 Chat Completions 上提供 Prime，因此 Claude Code（Anthropic Messages）和 Codex（Responses API）無法直接使用。接受 OpenAI 相容端點的工具則可以，例如 OpenCode。若要快速測試，請在相同的推理強度下，將同一個小型錯誤修正交給 glm-5.3 和 glm-5.3-prime，再比較實際耗時與差異內容。

不適合選擇 Prime 的情況

• 批次和隔夜工作。沒有人在等待，因此速度毫無價值，價格卻仍然翻倍。
• 簡短回覆。對 200-token 的回答來說，首 token 延遲影響最大，而上述各項測量中，Prime 的首 token 都沒有比較快。
• 真正的問題是推理時間過長，而且你的路由支援調整推理強度時。降低 reasoning_effort 能縮短等待時間並降低費用。查看回應中的 reasoning_tokens，確認設定是否生效。
• 當你更重視速度，而非旗艦級模型時。GLM-5.3-FlashX 宣稱每秒最高可生成 200 個 token，輸出價格約為 Prime 的八分之一。它的 Flash 基礎模型在 Artificial Analysis 指標上的得分為 41.8，低於 GLM-5.3 的 44.8，因此在為 Prime 付費前，先用你的任務測試看看。

哪些人適合切換

• 如果你在互動式程式碼工具或即時 Agent 中使用 GLM-5.3，輸出通常達數千個 token，而且實測顯示在你的提示詞上確實能加速，就現在改用 Prime。從 low 推理強度開始，只有在品質有需求時才提高。
• 如果你使用會平行呼叫工具的 Agent，或提示詞接近 1M-token 上限，請先進行測試。
• 批次工作、簡短回答，以及帳單翻倍比縮短等待時間更重要的情況，請繼續使用 GLM-5.3。
• 如果目標是原始速度，請留意 Zhipu 的 HighSpeed。若它在 API 上達到宣稱的速度，將會比這裡的任一選項快上好幾倍。

兩個模型都能使用同一組 AIHubMix 金鑰。GLM-5.3 與 GLM-5.3 Prime 比較頁面會並列顯示兩者，切換只需修改一行。

常見問題

GLM-5.3 Prime 和 GLM-5.3 是不同的模型嗎？
不是。它透過 Alibaba Cloud 的 Prime 服務模式執行相同的權重，目標是將輸出速度提升至 1.5 到 2 倍。品質應與 GLM-5.3 相同，目前也沒有 Prime 專屬的基準測試。

GLM-5.3 Prime 貴多少？
在 AIHubMix 上，每百萬個 token 的輸入價格為 $2.35、輸出價格為 $8.23、快取讀取價格為 $0.59，約為 GLM-5.3 價格的 2.1×。Alibaba Cloud 和 OpenRouter 的定價也大約是兩倍。

Prime 真的快 2× 嗎？
目前所有測量結果都不是如此。AIHubMix 自行測試的結果顯示，其每秒 token 數約為 GLM-5.3 的 1.16 倍，而 AIHubMix 的模型頁面則顯示約為 1.46 倍。在測試中，答案並沒有更早送達，因為 Prime 生成的 token 更多，而且首 token 也沒有比較快。

我可以關閉 GLM-5.3 Prime 的思考模式嗎？
不行。和 GLM-5.3 一樣，它一定會進行推理；若請求將思考類型設為 disabled，就會收到 HTTP 400 錯誤。你可以將 reasoning_effort 降至 low 或 high；預設值為 max。

GLM-5.3 Prime 和 GLM-5.3-FlashX 有什麼差別？
Prime 以更快的速度提供旗艦級 GLM-5.3 權重。FlashX 則以更快的速度提供較小的 GLM-5.3-Flash 權重，支援圖片和影片，輸出價格約為 Prime 的八分之一。

我可以在 Claude Code 或 Codex 中使用 GLM-5.3 Prime 嗎？
無法透過 AIHubMix 直接使用。Prime 僅列於 OpenAI Chat Completions 端點，而 Claude Code 使用 Anthropic Messages，Codex 則使用 Responses API。接受 OpenAI 相容端點的工具，例如 OpenCode 或 Cline，可以使用 Prime。

要切換的話，我需要修改程式碼中的哪些內容？
只需將模型名稱從 glm-5.3 改為 glm-5.3-prime。移除任何停用思考模式的旗標，因為 Prime 不接受這種設定，並將推理強度設為 low、high 或 max。

資料來源

• Prime 模式 — Alibaba Cloud Model Studio（Alibaba Cloud）
• GLM-5.3 概覽（Z.ai）
• GLM 5.3 Prime 模型頁面（AIHubMix）
• GLM-5.3 Prime 評測：每 1,000 項任務 $11.52，得分 7/9（DataLLM Lab）
• GLM-5.3 Prime 與 FlashX：速度級別，而非新模型（Codersera）