免费用 GLM-5.3-Flash API：注册即开，不要信用卡
Max 档输入 $0.0225、输出 $0.08（每百万 token），是 Z.AI 官方价的一成五。注册即开，不要信用卡，送 $1 调用额度。
注册 AnRouter 就能调 GLM-5.3-Flash，不需要信用卡，账户里会有 $1 模型调用额度。
curl https://api.anrouter.com/v1/chat/completions \
-H "Authorization: Bearer $ANROUTER_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"glm-5.3-flash","messages":[{"role":"user","content":"hi"}]}'$1 能跑多少
GLM-5.3-Flash 在 Default 档是输入 $0.045、输出 $0.16（每百万 token）。按下面的 token 量换算成实际动作：
| 做什么 | 单次成本 | $1 能做 |
|---|---|---|
| 一轮普通对话（2 千进 / 1 千出） | $0.00025 | 4,000 次 |
| 读一个中等 Python 项目（20 万进） | $0.0090 | 111 次 |
| 一次典型 agent 会话（50 万进 / 2 万出） | $0.0257 | 38 次 |
| 读满 100 万上下文（纯输入） | $0.0450 | 22 次 |
38 次 agent 会话足够你拿同一个真实任务跑十几轮，换不同的 prompt、不同的推理强度，看它在自己的代码库上到底稳不稳 —— 这是 benchmark 看不出来的。
提示缓存会把这个数字再放大一截。连续迭代同一份代码时，重复部分按缓存价 $0.012 计费，比输入价低 73%。同样那次 agent 会话，缓存命中 90% 的话，单次成本从 $0.0257 降到 $0.0109，$1 能跑 92 次。
对照 Z.AI 官方价（输入 $0.15 / 输出 $0.50）：同样一次 agent 会话要 $0.085。同样 1 美元，在官方那边是 11 次，在这里是 38 次。
价格与三档方案
每百万 token，美元：
| 输入 | 输出 | 缓存读取 | |
|---|---|---|---|
| Z.AI 官方 | $0.15 | $0.50 | $0.03 |
| OpenRouter | $0.15 | $0.50 | $0.03 |
| AnRouter Default | $0.045 | $0.16 | $0.012 |
| AnRouter Pro | $0.036 | $0.128 | $0.012 |
| AnRouter Max | $0.0225 | $0.08 | $0.012 |
三档的模型和功能完全一样，都能调全部在售模型，不设套餐级 token 上限：
- Default —— $0/月，注册即用，按量扣费
- Pro —— $5.99/月，输入输出八折
- Max —— $39.99/月，输入输出五折
如果你打算认真跑 agent，一开始就上 Pro 更划算。算一下：Pro 月费 $5.99，八折要把这笔钱省回来，按 Default 价计的月消耗需要达到 $29.95 —— 按一次 agent 会话 $0.0257 计，一天 39 次就回本。日常用 coding agent 的人，一天远不止 39 次。
Max 的回本线是一天约 104 次，适合已经跑在生产上的高频调用和自动化工作流。真正只是偶尔试一试的，留在 Default 就行，零月费本身就是最低成本。
GLM-5.3-Flash 还是 DeepSeek
AnRouter 上这两个模型共用一个 key、一个 base URL，切换只改一行 model 名，不用提前选死。
规格上它们几乎是同一张表：glm-5.3-flash 和 deepseek-v4.1-flash-1017 都是约 100 万 token 上下文、单次最多输出 131,072 token，都支持流式、视觉、工具调用、结构化输出和提示缓存。
差别主要在价格：
| Default 档 · 每百万 token | 输入 | 输出 | 缓存读取 |
|---|---|---|---|
glm-5.3-flash | $0.045 | $0.16 | $0.012 |
deepseek-v4.1-flash-1017 | $0.08 | $0.30 | $0.015 |
同样的上下文和输出上限，GLM-5.3-Flash 的输入便宜 44%、输出便宜 47%。所以先用它跑，碰到具体任务上效果不理想再换 DeepSeek 对比 —— 反正只改一行。
规格，以及一个容易踩的坑
GLM-5.3-Flash 是智谱发布的 320B 总参数、约 18B 激活的混合专家模型，原生多模态。在 AnRouter 上的实际参数：
- 上下文 1,048,576 token（约 100 万）
- 单次最大输出 131,072 token
- 输入支持文本和图像，输出纯文本
- 支持流式、视觉、推理、工具调用、function calling、结构化输出、JSON mode、提示缓存
- 三种端点都能走：
/v1/chat/completions、/v1/responses、/v1/messages
它不爱写长，要长输出就在提示里说明。单次回复能写满 131,072 token，但 GLM-5.3-Flash 习惯早早收尾：让它改写一份几千行的文件，可能写到约 8,000 token 就停下，说一句「I must stop here」。这是模型的习惯，不是接口限制 —— 在系统提示里加一句「这次回复允许写很长，不要提前停」，实测就能一路写到 131,072。
接进客户端
AnRouter 讲三种协议，填哪个取决于你的客户端讲哪种。这个换不了 —— Claude Code 只会发 Anthropic 格式的请求，它用不了 /v1/chat/completions。
| 客户端 | Base URL | 端点 |
|---|---|---|
| OpenAI SDK / OpenCode / OpenClaw / Hermes | https://api.anrouter.com/v1 | /v1/chat/completions |
| Codex custom provider | https://api.anrouter.com/v1 | /v1/responses |
| Claude Code / Claude Desktop Gateway / Anthropic SDK | https://api.anrouter.com | /v1/messages |
第三行的 base URL 不带 /v1，也不要填完整的 /v1/messages —— Claude 系客户端的 SDK 会自己拼。
各客户端的完整配置：
- Codex CLI ——
~/.codex/config.toml里要写wire_api = "responses"，见配置教程 - Claude Code —— 用
ANTHROPIC_BASE_URL和ANTHROPIC_AUTH_TOKEN，见配置教程 - OpenCode —— 设置里填自定义 provider，见配置教程
- Hermes Desktop —— 填自定义端点，见配置教程
几个常见报错
401 invalid_api_key —— 最常见的两个原因：key 复制时带了空格或换行；或者客户端自己会加 Bearer 前缀，你又手动写了一遍，变成 Bearer Bearer sk-...。
404 Invalid URL (POST /v1/v1/messages) —— Claude 系客户端的 base URL 填成了 https://api.anrouter.com/v1。SDK 会在后面拼 /v1/messages，于是变成 /v1/v1。去掉末尾的 /v1。
模型不存在 —— 模型名就是 glm-5.3-flash，没有 -free 之类的后缀。网上有些中继站用 glm-5.3-flash-free 这种 ID，那是它们自己的命名。
图像请求失败 —— GLM-5.3-Flash 支持图像输入，但不是所有模型都支持。切换 model 之后发图前先确认一下。
切换模型之后，工具调用这类功能建议再测一遍：路由存在不等于任意模型都支持该能力，模型、上游渠道、请求字段三者必须兼容。