GLM-5.3-Flash入門：模型背景、API串接與三種任務實測

GLM-5.3-Flash是智譜GLM系列中的多模態模型。Z.ai官方介紹將Flash與FlashX的應用重點放在視覺程式開發、辦公與文件處理。對想開始用AI整理資料、輔助學習或做小工具的人，這些方向都有用；真正動手時，則需要知道材料怎麼傳、回應怎麼讀，以及結果要檢查到哪一步。

我用glm-5.3-flash做了三種任務：從報名表圖片整理資料、解條件機率題，以及生成離線分帳網頁。本文先說明它的定位，再用一個不需安裝額外套件的Node.js範例完成API呼叫，最後對照三個任務的實際結果，說明如何把輸出接進自己的工作。

GLM-5.3-Flash的定位：理解材料，再輸出文字或程式碼

「多模態」指的是輸入不只限於文字，例如可以連同圖片提出問題。實際接受哪些格式，仍要看API與使用的客戶端；本次圖片測試使用PNG，並未遍測官方列出的所有輸入類型。

型號也要分清楚：GLM-5.3官方文件將輸入、輸出列為文字，Flash則有多模態輸入的介紹，FlashX又是另一個型號。本文沒有測試FlashX，不能把它的規格或表現算在Flash身上。

Flash官方列出的輸出類型是文字。這代表它可以回傳分析、表格內容與程式碼；要把內容存成檔案、執行程式、顯示網頁，仍需要後續工具。寫作草稿、會議資料整理與文件分析都是可以嘗試的用途，但本次沒有測試寫作風格或長文件品質。

我將模型與後續工具各自負責的步驟整理成示意圖，並非模型操作電腦的畫面。

這個分工對第一次串API很實用：先確認有取得完整回應，再依輸出的用途檢查內容。下面先跑一個有明確參考答案的文字任務，讓第一個請求也有可以核對的結果。

用Crazyrouter呼叫GLM-5.3-Flash：先準備三個檔案

官方API也能使用。選擇智譜開放平台BigModel或Z.ai時，使用對應平台的API Key、服務位址和參數即可；各服務的金鑰不能混用。這裡用Crazyrouter示範，因為後面的實測都透過這個入口完成。

想確認型號，可以查看Crazyrouter的智譜模型清單，並在自己的呼叫入口核對完整識別碼glm-5.3-flash。

步驟1：確認執行環境與API Key

安裝Node.js 22或更新版本後，在終端機輸入node --version，能看到版本號再繼續。此範例使用Node.js內建功能，不必先建立前端專案或安裝第三方套件。

登入Crazyrouter控制台，在API權杖管理頁面建立Key。若有設定模型限制，需包含glm-5.3-flash。建立一個本機資料夾，準備以下三個檔案：

Windows可在資料夾位址列輸入powershell並按Enter，在該目錄開啟終端機。儲存時要確認副檔名，避免出現request.json.txt或glm-flash.cjs.txt。

步驟2：將機率題存成request.json

這份JSON保留本次實測的原始提示詞，使用簡體中文。本文以繁體中文說明，但測試沒有改用繁體提示詞重跑，也不將結果視為繁體中文能力測試。後面程式裡的提示與錯誤文字亦保留原樣，方便對照執行輸出。

以UTF-8編碼儲存下列完整內容：

{
  "model": "glm-5.3-flash",
  "messages": [
    {
      "role": "system",
      "content": "严格依据任务材料回答，区分计算、假设和未知信息。不声称运行过未执行的代码。"
    },
    {
      "role": "user",
      "content": "盒A有4个红球、2个蓝球，盒B有2个红球、4个蓝球。以1/3的概率选盒A、2/3的概率选盒B，选定后在同一盒里不放回连续抽3个球。已知前两次至少一次抽到红球，求第三次抽到红球的条件概率，以及在该条件下选中盒A的后验概率。请给精确分数、分步推导、容易犯错的解释，并提供可以用Node.js直接运行的枚举核验代码。所有球视为不同实物，不能以模拟代替精确枚举。不要声称已经运行代码。"
    }
  ],
  "max_tokens": 24000,
  "stream": false
}

題目同時包含不相等的選盒機率、不放回抽樣與已知條件，適合檢查模型是否把規則看完整。本次的兩個參考答案是13/32與7/16，後文會交代核對方法。

max_tokens:24000是這道題的輸出上限；stream:false表示等完整回應傳回後才顯示。這不是所有任務都適用的固定設定，初次復現先保持原樣即可。

步驟3：儲存程式，送出一次請求

以下內容存為glm-flash.cjs：

const fs = require('node:fs');
const path = require('node:path');

async function main() {
  const key = fs.readFileSync(path.join(__dirname, 'api-key.txt'), 'utf8').trim();
  const body = JSON.parse(fs.readFileSync(path.join(__dirname, 'request.json'), 'utf8').replace(/^\uFEFF/, ''));
  if (!key || /\s/.test(key)) throw new Error('key format');
  const response = await fetch('https://api.crazyrouter.com/v1/chat/completions', {
    method: 'POST',
    redirect: 'error',
    signal: AbortSignal.timeout(720000),
    headers: { Authorization: 'Bearer ' + key, 'Content-Type': 'application/json' },
    body: JSON.stringify(body)
  });
  if (!response.ok) {
    console.error('请求失败，HTTP状态：' + response.status);
    return;
  }
  const data = await response.json();
  const choice = data.choices?.[0];
  console.log('结束原因：' + String(choice?.finish_reason || '未提供').split(key).join('[已隐藏]'));
  const answer = choice?.message?.content;
  if (typeof answer !== 'string' || !answer.trim()) {
    console.error('响应没有非空正文，请检查输出上限和接口支持情况。');
    return;
  }
  console.log(answer.split(key).join('[已隐藏]'));
}
main().catch(() => console.error('调用未完成，请检查文件、网络和配置；敏感错误详情已隐藏。'));

程式將Key留在本機檔案中，執行時才讀入記憶體，並使用固定的HTTPS位址發送請求；不把Key放進命令列。接著在同一資料夾執行：

node glm-flash.cjs

這會發送一次真實API請求。程式只印出結束原因和回答，不會自動執行模型提供的程式碼。

若之後換成其他客戶端，注意以下兩個位址的用途不同：

本例程式用的是完整端點。不要把兩者填進錯誤欄位，詳細欄位可查Crazyrouter串接文件索引。

步驟4：先判讀回應，再換成自己的題目

確認流程能跑通後，再替換messages中的使用者訊息。若要處理圖片，需要另外加入image_url內容區塊；本節範例是文字請求，沒有把圖片讀取流程藏在程式裡。

GLM-5.3-Flash實測：把輸出接進工作前，各要核對什麼？

測試日期為2026年10月30日，使用簡體中文提示詞，透過https://api.crazyrouter.com/v1/chat/completions呼叫glm-5.3-flash。模型沒有取得外部工具，程式執行與結果核對均由我在收到回應後另外完成。

本次為3個獨立任務、共4次請求。各次均設stream:false，未明確指定temperature、top_p或reasoning_effort，採服務端預設行為。

圖片整理：先保留明細，彙總才有依據

我製作了一張12筆記錄的模擬報名表，以PNG的Base64 Data URL放進image_url傳給模型。規則是依報名編號保留最後更新的記錄，取消者不列入有效報名，應收、已付、退款和未付差額分開計算；沒有把參考答案一起傳入。

我製作的模擬資料，記錄與金額均為虛構。這是原始簡體中文測試圖片，保留原貌供核對，並非重新製作的繁體測試。

回應保留9筆最新記錄。逐欄位核對後，明細與10項彙總全部符合獨立參考值：有效報名7人、應收720元、淨收580元、未付差額140元；取消報名已付200元、已退80元。

模型也標出A004取消後沒有退款記錄，以及A006只支付部分金額；對於取消原因和退款規則，則明確說明原圖沒有提供。這些提醒有助於找出待確認項目，但不能直接認定A004違反退款規則。

內部74項檢查涵蓋63個明細欄位、10項彙總，以及記錄數與編號唯一性的組合檢查；它們來自同一張圖片，不是74個獨立任務。清晰模擬表格的結果，也不代表模糊掃描、手機拍照、多頁或複雜合併儲存格的表現。

如果要接到自己的資料流程，我會讓模型同時輸出「保留的明細」與「彙總」。只留下總數，一旦有錯就很難知道是看錯圖片、選錯記錄，還是計算規則沒有套用。

機率推理：用獨立方法驗算，不只比對最後一行

上面JSON的題目中，盒A有4紅2藍，盒B有2紅4藍，選盒的先驗機率分別為1/3、2/3。知道前兩次至少一紅後，第三次紅球的條件機率是13/32，選中盒A的後驗機率是7/16。

模型先分別處理兩個盒子滿足已知條件的機率，再納入選盒先驗；推導沒有把不放回抽樣當成互相獨立，也沒有將兩個盒子設成等機率。

參考結果在測試前獨立算好：將球視為不同實物，每盒枚舉120種有序抽取。收到模型回應後，我另行執行它產生的JavaScript程式，程式使用BigInt做精確分數運算，得到相同的13/32和7/16。

這項任務的推導與程式執行結果都通過了核對。若換成自己的課堂題目或分析公式，可以沿用這種檢查方式：保留題目條件、要求可重算的過程，再用獨立參考驗算。本次只測一題一次，沒有據此估計一般數學題的正確率。

程式生成：HTTP200、完整HTML和可操作網頁是三種檢查

分帳工具的題面要求一個可離線使用的HTML檔，包含人員新增、改名、刪除，每筆費用指定參與者，以及費用編輯、刪除和重設。金額以整數「分」計算，餘數依顯示順序分配。

第一輪的HTTP狀態是200，但finish_reason為length。32,000token上限用完時，HTML只寫到費用處理部分的開頭，不能當成完整作品。

這次completion_tokens包含推理部分，其中reasoning_tokens為25,707，因此不能把32,000token理解成全是最終HTML。保持題面與系統訊息不變、只把輸出上限增加到48,000token後，補測回傳stop與完整HTML；沒有人工續寫或修改模型程式。

之後我做了完整腳本的語法檢查，並取出原樣的計算與驗證函式，在Node.js中執行40項檢查，全部通過。其中一項涵蓋132種金額與人數組合，檢查總額守恆、餘數分配順序，以及每份金額相差不超過一分。

目前尚未驗證真實瀏覽器中的版面、按鈕、編輯與重設。函式收到輸入後能算對，還不足以證明畫面上的操作一定會正確傳入那些資料。要交給其他人使用，這部分仍需補驗。

依本次兩次網頁請求及程式檢查記錄整理，並非瀏覽器實錄。40項檢查中的一項涵蓋132種組合，兩者不能相加當作獨立任務數。

補測也是一次新的生成，因此能確認的是這次提高上限後取得完整輸出，不能推論提高上限必定解決所有截斷。

將GLM-5.3-Flash用在自己的資料與小工具

初次使用，可以從一份規則清楚、能拿原始材料核對的任務開始。整理圖片資料時，要求保留明細；解題時，要求列出條件與推導；生成程式時，把正常輸入、邊界情況和介面操作分別檢查。

就這次觀察，報名表整理與機率推理都在各自一次請求中得到正確結果；網頁生成取得了完整程式與通過檢查的計算邏輯，介面驗證仍未完成。這些結果可用來決定先試哪一類任務，還不足以支持長期穩定性或速度排名。

下一次換成自己的材料時，也保留請求條件、原始回答和核對結果。當輸出不符合預期，這些記錄能幫助分清楚：問題發生在輸入規則、模型回答、程式計算，還是畫面操作。

資料與測試日期：2026年10月30日。模型背景依據文中官方文件，實測依據Crazyrouter API原始回應及獨立核對；圖片來源見圖說。