GLM 5.3 API の料金とエンドポイント：既定の max は low の35倍請求

GLM 5.3 のリリースから5日後に単体APIが開き、入力100万トークンあたり $1.40、出力 $4.40、GLM 5.2 と同額でした。 驚くのは価格ではありません。reasoning_effort の既定値が max で、短い分類リクエストで実測すると max の出力は中央値105トークン、low は3トークンでした。

課金される側の数字が35倍動きます。それを決めるのは、ほとんどの人が送らないパラメータ1つです。

価格：        $1.40 入力 / $0.26 キャッシュ入力 / $4.40 出力（100万トークン）
仕様：        1M コンテキスト、最大出力 128K
ベースURL：   api.z.ai/api/coding/paas/v4  （OpenAI Chat Completions）
              api.z.ai/api/v1              （OpenAI Responses）
              api.z.ai/api/anthropic       （Anthropic Messages）
ゲートウェイ：OpenRouter と ofox でいずれも z-ai/glm-5.3
effort：      low | high | max、既定 max、無効化不可
削除：        thinking.type "disabled" は HTTP 400 を返す
実測：        分類タスクの出力は low / high / max で 3 / 8 / 105 トークン
スナップショット： 2026-08-19

GLM 5.3 API の料金はいくら？

入力100万トークンあたり $1.40、キャッシュ入力 $0.26、出力 $4.40。 Z.ai の価格表に GLM-5.3 の行が載り、GLM 5.2 と GLM 5.1 と項目ごとに一致しています。

この表から2点だけ抜き出します。キャッシュ入力の $0.26 はコールドリードの19%で、しかも「キャッシュを使う価値があるか」を悩ませる保存料がキャンペーン中は無料なので、繰り返す system プロンプトはほぼ拾い物です。もう1点は出力が入力の3.1倍という比率で、これが後述の effort 設定を設定ファイル中で最も高価な1行にしています。

OpenRouter も $1.4 / $4.4、コンテキスト 1,048,576 と同条件なので、サードパーティ経路は一次価格をそのまま通しています。

GLM 5.3 API のベースURLはどれ？

プロトコルは3つ、そのうち1つでドキュメントが自己矛盾しています。モデルページの記載は次の通りです。

ところが同じページの下方にある Quick Start は、/coding を含まない https://api.z.ai/api/paas/v4/chat/completions を叩いています。1ページに2つの答えがあるので、片方が404なら鍵を疑う前にもう片方を試してください。

どちらもリリース当日に智譜が予告した https://open.bigmodel.cn/api/paas/v4 ではありません。告知から24時間以内に書かれた記事は、結局出荷されなかったベースURLを引用しています。

見落としやすい制約が1つあり、しかもこの記事を読んでいる人をちょうど直撃します。GLM Coding Plan を購読したことのあるアカウントは、期限切れの購読を含めて、現在モデルAPIへ OpenAI Chat Completions プロトコルからしかアクセスできません。 かつてプランを使っていたアカウントで Responses や Anthropic プロトコルが失敗するなら理由はこれです。

reasoning_effort は請求にどれだけ効くか？

モデル選びより効きます。 GLM 5.3 は常に推論し、reasoning_effort は low / high / max のみを受け付け、既定は max です。

2026年8月19日、OpenAI 互換ゲートウェイ経由で z-ai/glm-5.3 に2種類のワークロードを流しました。短い分類プロンプトを各段階10回、小さなコード生成プロンプトを各段階5回。プロンプトもモデルも同じで、変えたのは effort の文字列だけです。

分類の行は二度見る価値があります。low が3トークン、max が105トークン、どちらも答えは同じ単語1つです。その後、分類をさらに18回（各段階6回）走らせて本文を取得しました。3段階すべてが正解ラベル billing を返し、外れは1回もありません。 このタスクで max が買ったのは追加の102トークンだけで、結果は何も変わりませんでした。

金額に換算すると、同じ100万回の分類呼び出しが low で $84.60、max で $533.40 です。モデルもプロンプトも答えも同一で、違いは文字列1つです。

推論が実際に働いているコード生成タスクでも、同じ計算をすると次のようになります。

どちらの行も入力込みの総額です。入力を100万あたり $1.40、出力を $4.40 として、いずれも非キャッシュ単価で計算しています。分類の行を出力だけで見ると $13.20、$35.20、$462.00 なので、固定でかかる $71.40 の入力費が、トークン上の35倍を請求上の6.3倍まで圧縮していることになります。

high は飛ばされがちですが、おそらく飛ばすべきではない段階です。分類タスクでは low より26%高く、コード生成でも26%高い一方、コード生成では中央値で low より速い（8.6秒対11.6秒）。遅延は effort に対して単調に増えません。劇的に遅いのは max だけで、コードタスクでは low の5.5倍の実時間を使い、しかも成果物は結局人間が読む必要があります。

数値には留保を1つ。これは2つのプロンプトであってベンチマークスイートではなく、max の範囲は広いです（1語の答えで47〜160トークン、コードタスクで2,807〜10,596）。予算を組む前に自分のプロンプトで走らせてください。順序はすべての試行で保たれましたが、倍率はワークロード次第です。

GLM 5.3 のリクエストが400を返すのはなぜ？

推論を切れないから、というのが最有力です。ただしAPIの言い方は半分しか正確ではありません。 以下の呼び出しは実測でいずれも HTTP 400 を返しました。

{
  "error": {
    "message": "This model always engages in thinking and cannot be disabled; please use low, high, or max"
  }
}

"thinking": {"type": "disabled"} に対する応答としては正しく、想定どおりです。しかし "reasoning_effort": "medium" や "reasoning_effort": "none" にも同じ文面が返ります。こちらはおかしい。どちらも何かを無効化しようとしていません。他社から移ってきた人が medium を推測するのは自然で、このエラーは送った覚えのない thinking パラメータを探させます。

実際に壊れるものの一覧は短いです。

GLM 5.2 のワークロードを 5.3 へ移すには？

先に effort パラメータ、次にモデルID。 Z.ai がこの順序を明示しており、理由は thinking.type: "disabled" を含むリクエストがモデルIDを切り替えた瞬間に失敗するからです。

from openai import OpenAI

client = OpenAI(api_key="YOUR_KEY", base_url="https://api.ofox.ai/v1")

r = client.chat.completions.create(
    model="z-ai/glm-5.3",
    messages=[{"role": "user", "content": "Classify this ticket: ..."}],
    reasoning_effort="low",   # これを省くと max で課金される
)
print(r.usage.completion_tokens)

移行コストは GLM 5.2 の数値が示唆していたより安いです。リリース記事で disabled を失うコストを測ったとき、GLM 5.2 では最も安い思考オン設定でも些細なプロンプトに69〜122の出力トークンを使い、思考オフは2トークンでした。GLM 5.3 では low が中央値3に戻っています。両世代の間で何が変わったにせよ、この移行を恐れさせていた下限はほぼ消えました。パラメータを設定する限りは。

そして、既定値を継承する場所も含めてすべて明示してください。リトライのラッパー、評価ハーネス、リクエストボディを組み立てるフレームワーク。reasoning_effort の欠落は機能の欠落ではなく、max の請求書です。

鍵をゼロから設定するなら、GLM 5.2 API 接続ガイドはそのまま使えます。エンドポイント、鍵、リクエストの形が同じだからです。大量の短い呼び出しの試算は GLM 5.2 と GPT-5.5 のコスト比較にあります。

Z.ai を直接叩くか、ゲートウェイ経由か？

GLM だけを使うなら直接。他のモデルも併用するなら、あるいは Coding Plan のプロトコル制約に当たったならゲートウェイ経由です。

ゲートウェイには実費に響く注意点が1つあります。プロキシが返してくる内容は、課金された内容と必ずしも一致しません。今回試したゲートウェイでは usage.completion_tokens_details.reasoning_tokens は通っており、low で completion 8トークンのうち3が reasoning と正しく出ました。通らなかったのは prompt_tokens_details のキャッシュ関連フィールドで、reasoning の本文も message オブジェクトにありません。コスト集計やキャッシュヒットのダッシュボードをこれらの上に作る前に、自分のプロバイダーで両方を確認してください。課金は上流が実際に行ったことに従い、あなたのレスポンスボディの表示には従いません。

ofox はチャージが15%オフ、2026-08-31 まで。単一の OpenAI 互換エンドポイントの後ろに約130モデルがあり、z-ai/glm-5.3 と z-ai/glm-5.2 はどちらも掲載済みなので、両者のA/Bは上のコードで文字列を1つ変えるだけです。

ベンチマーク、重み公開の見込み、GLM 5.3 と 5.2 の能力比較はリリース記事に全表があります。現行のカタログ仕様は ofox の GLM 5.3 モデルページにあります。

参考情報源

• Z.ai 開発者ドキュメント：GLM-5.3 モデルページ
• Z.ai 開発者ドキュメント：価格
• Z.ai 開発者ドキュメント：Deep Thinking
• Z.ai リリースノート：GLM-5.3
• OpenRouter：z-ai/glm-5.3
• ofox モデルページ：GLM 5.3