GLM 5.3 Flash
https://api.foxwire.ai/v1/chat/completions#Pricing Summary
Input Tokens
$0.225 per 1M tokens. Corresponds to all context prompt tokens sent.
Output Tokens
$0.75 per 1M tokens. Corresponds to content generated by the model.
Cache Read
$0.045 per 1M tokens. Up to 90% savings when hitting the prompt cache.
Cache Write
$0 per 1M tokens. Cost to index input context for caching.
#Richiesta di esempio
Execute completions using standard OpenAI SDK formats by pointing base endpoints here.
curl https://api.foxwire.ai/v1/chat/completions \
-H "Authorization: Bearer $CORRY_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "glm-5.3-flash",
"messages": [{"role": "user", "content": "Hello"}]
}'#Esempio di risposta
Un oggetto chat completion standard compatibile con OpenAI. Il campo model è normalizzato al nome che hai richiesto.
{
"id": "chatcmpl-abc123",
"object": "chat.completion",
"model": "glm-5.3-flash",
"choices": [
{
"index": 0,
"message": { "role": "assistant", "content": "Hello! How can I help you today?" },
"finish_reason": "stop"
}
],
"usage": { "prompt_tokens": 12, "completion_tokens": 9, "total_tokens": 21, "cost": 0.000234, "currency": "USD" }
}Cost field
#Caching dei prompt
Per i modelli che supportano la cache, metti per primo il contenuto statico lungo (sistema, base di conoscenza) e aggiungi un punto di interruzione della cache. Le porzioni memorizzate nella cache possono costare anche solo 1/10. Gli hit della cache sono indicati nel campo usage della risposta.
{
"model": "glm-5.3-flash",
"messages": [
{
"role": "system",
"content": [
{ "type": "text", "text": "( long static context ... )", "cache_control": { "type": "ephemeral" } }
]
},
{ "role": "user", "content": "your question" }
]
}Prompt Caching Tip
#Ragionamento
Per i modelli che lo supportano, aggiungi reasoning_effort (low / medium / high). Il ragionamento viene restituito nel campo reasoning_content della risposta; i token di ragionamento sono fatturati alla tariffa di output.
{
"model": "glm-5.3-flash",
"max_tokens": 2048,
"reasoning_effort": "high",
"messages": [{ "role": "user", "content": "your question" }]
}
