Cloudflare Workers AI GLM-5.3 上手：把 Z.ai 编码旗舰塞进边缘网络

2026-08-28，Cloudflare 把 Z.ai 的 GLM-5.3 静悄悄地上到了 Workers AI，模型 ID 是 @cf/zai-org/glm-5.3。有意思的不是"又一款国产前沿模型上 Cloudflare"——6 月 GLM-5.2 就走过一遍这个剧本。有意思的是性价比：GLM-5.3 价格完全等同 GLM-5.2（输入 $1.40/百万 token、缓存 $0.26、输出 $4.40），但 SWE-Marathon 长程任务得分翻倍，Terminal Bench 3.0 提升 6.1 倍（4.6 → 28.3，现役开源 SOTA）。

Cloudflare 在 changelog 原文里直接称 GLM-5.3 是"最强的开源权重编码模型"。配套的 arXiv 论文（2602.15763，标题 "GLM-5: from Vibe Coding to Agentic Engineering"）把 GLM-5.3 定位成 GLM-5.2 的纯后训练升级——基座权重一字未动，所有提升都来自对齐工作。这对生产部署很关键：如果你已经在 Workers AI 上跑了 GLM-5.2，迁移就是改一行 model ID，单位经济学纹丝不动。

这篇测评覆盖：Workers AI 上的精确定价与 Neuron 消耗（直接摘自 /workers-ai/platform/pricing/）、付费层级门槛（GLM-5.3 在 frontier-model 列表里——10K Neurons/天的免费额度不适用）、当前速率限制图景（默认 300 RPM，frontier-RPM 表格尚未更新）、四种 API 入口（binding、REST、OpenAI 兼容、AI Gateway）、GLM-5.3 vs GLM-5.2 在 Z.ai 公布的 7 项公开基准上的对比，以及新 GLM-5.3 License 下的开源权重与自托管路径。

最后核验日期：2026-08-29。价格与基准数据均直接取自 Cloudflare changelog 与定价页；如果 Cloudflare 在未来几天把 frontier-RPM 表格更新加入 GLM-5.3，我会在 FAQ 里补充。

GLM-5.3 on Workers AI：价格、Neuron 消耗与付费门槛

Cloudflare 定价页上 GLM-5.3 与 GLM-5.2 并列在 frontier 列表里。完整一行摘自 /workers-ai/platform/pricing/：

@cf/zai-org/glm-5.3
  Input tokens          $1.400 per M    127,273 neurons per M
  Cached input tokens   $0.260 per M     23,636 neurons per M
  Output tokens         $4.400 per M    400,000 neurons per M

三件事要记住：

• 价格等同 GLM-5.2。Z.ai 与 Cloudflare 故意把定价压平，让现有 GLM-5.2 工作负载升级无负担。基准提升完全是同价位的附加收益。
• 缓存命中价约为输入价的五分之一。$0.26/M 缓存 vs $1.40/M 全价——重复前缀场景下打 5.4 折。如果你的 agent 循环每轮重投系统 prompt + 工具定义（Claude Code / Cursor 的典型模式），这个折扣巨大。30K token 固定 prompt 每轮缓存命中 $0.009 vs 全价 $0.042，每轮省 $0.033。
• 单 token Neuron 消耗 127,273 / 400,000（每 1K 输入/输出）。大约是 Qwen 3.8 27B（同在 Workers AI）的两倍。相同 token 数量账单更重，但 GLM-5.3 任务完成所需轮次更少，总成本反而可能更低。

付费门槛是这次对爱好者的结构性变化。定价页原文：

Some models require a paid billing method. This applies to @cf/moonshotai/kimi-k2.6, @cf/moonshotai/kimi-k2.7-code, @cf/zai-org/glm-5.2, @cf/zai-org/glm-5.3, @cf/zai-org/glm-5.3-flash, @cf/deepseek-ai/deepseek-v4-flash-0731, and @cf/deepseek-ai/deepseek-v4-pro-0813. You can access these models with either the Workers Paid plan or prepaid AI Gateway credits.

两条路：订阅 Workers Paid（$5/月，含 10M Neurons + 按量超额），或不开通 Workers 订阅直接用 AI Gateway 预付费额度。AI Gateway 路径对已经在用 Cloudflare 网关路由 OpenAI/Anthropic 流量的团队友好——同一个计费关系，加一个 model ID 即可。changelog 特别提到"使用预付费额度的 frontier 模型请求享有更高速率限制"，这是明确的激励信号。

速率限制：默认 300 RPM，frontier 表格待更新

Cloudflare 的 速率限制页把 GLM-5.3 列入付费 frontier 阵营，但显式"Frontier models" RPM 表格还没有它。当前表格只列了三款：

模型	标准 RPM	预付费 AI Gateway RPM
@cf/zai-org/glm-5.2	20	50
@cf/moonshotai/kimi-k2.6	20	50
@cf/moonshotai/kimi-k2.7-code	20	50
@cf/zai-org/glm-5.3 （新增，预计）	300 （Text Generation 默认）	待定

实际上 GLM-5.3 当前继承 300 RPM Text Generation 默认值——远高于 GLM-5.2 的 20 RPM 标准 frontier 上限。这几乎肯定是过渡状态（Cloudflare 通常把 frontier 模型压在 20/50 RPM 以保护 GPU 供给），所以如果你的生产流量在 GLM-5.3 上跑，做好一两周内表格更新的心理准备。50 RPM 预付费额度提升路径大概率适用。

对突发调用模式的 agent 工作负载，300 RPM 默认值是个临时红利——并发 agent 集群今天可以猛打 GLM-5.3。对持续批量作业，用令牌桶限速器排个队。

基准对比：GLM-5.3 vs GLM-5.2

changelog 头条是 Z.ai Code Bench 50% 提升。公开基准的增量更显眼：

基准	GLM-5.2	GLM-5.3	变化
Terminal Bench 2.1	81.0	88.2	+7.2
Terminal Bench 3.0	4.6	28.3	+23.7（OS SOTA）
DeepSWE	46.2	66.9	+20.7
FrontierSWE	67.5	78.1	+10.6
SWE-Marathon	19.4	42.5	+23.1（2.2x）
CyberGym（漏洞发现）	—	84.5	Z.ai 对比榜第一
AutomationBench	—	48.2	Z.ai 对比榜第一

三种规律要拎出来：

• 长程任务提升最大。SWE-Marathon（多时长的智能体工程任务）翻倍以上。Terminal Bench 3.0（长程终端任务）跳 6.1 倍。后训练对智能体工具使用的强调在多步规划场景下收益最显。
• 单轮编码只是温和上涨。Terminal Bench 2.1 从 81.0 到 88.2——稳健的 +9%，不是革命。如果你的工作负载是一次性代码生成（无工具循环、无多步规划），升级是 nice-to-have，不是质变。
• 漏洞发现与长程自动化是开源权重新 SOTA。CyberGym 84.5 和 AutomationBench 48.2 是安全研究与智能体自动化场景下开源模型超越闭源 API 的基准胜利。

"基座与 GLM-5.2 相同，提升全来自后训练"的定调对一个决策至关重要：如果你的 GLM-5.2 部署瓶颈在上下文理解（而非规划、工具使用、长程一致性），GLM-5.3 帮不上忙。如果瓶颈在 agent 半路卡壳或丢失目标，GLM-5.3 会是可测量的提升。

从 Worker 调用 GLM-5.3：四个入口

Cloudflare 为 Workers AI 模型提供四种 API 入口，GLM-5.3 全部支持。

1. Workers 绑定 — env.AI.run()

// wrangler.toml 绑定：[[ai_bindings]] binding = "AI"
// TypeScript Worker
export interface Env { AI: Ai }

export default {
  async fetch(req: Request, env: Env): Promise<Response> {
    const { prompt } = await req.json();

    const resp = await env.AI.run('@cf/zai-org/glm-5.3', {
      messages: [
        { role: 'system', content: '你是一位资深 TypeScript 工程师。' },
        { role: 'user',   content: prompt }
      ],
      max_tokens: 4096,
      temperature: 0.7,
      reasoning_effort: 'medium'  // 'low' | 'medium' | 'high'
    });

    return Response.json(resp);
  }
};

reasoning_effort 参数（low / medium / high）是 OpenAI 风格——智能体基准任务用 high，简单 Q&A 用 low。

2. REST API — 账户级端点

curl -X POST "https://api.cloudflare.com/client/v4/accounts/$CF_ACCOUNT_ID/ai/run/@cf/zai-org/glm-5.3" \
  -H "Authorization: Bearer *** \
  -H "Content-Type: application/json" \
  -d '{
    "messages": [
      {"role": "user", "content": "把这个 Python 函数改成 asyncio 版本。"}
    ],
    "max_tokens": 2048,
    "stream": true
  }'

适合 CI runner、Workers 运行时之外的 serverless 函数，或任何能拿 API token 的环境。

3. OpenAI 兼容 — OpenAI SDK 即插即用

from openai import OpenAI

client = OpenAI(
    api_key="<你的 cloudflare api token>",
    base_url="https://api.cloudflare.com/client/v4/accounts/<CF_ACCOUNT_ID>/ai/v1"
)

resp = client.chat.completions.create(
    model="@cf/zai-org/glm-5.3",
    messages=[
        {"role": "user", "content": "写一个带单测的 TypeScript 防抖函数。"}
    ],
    max_tokens=2048,
    temperature=0.7,
)

print(resp.choices[0].message.content)

任何 OpenAI SDK（Python、Node、Go、Rust）只需替换 base_url 即可对接。唯一的坑点：model ID 必须在 OpenAI 兼容面上也带 @cf/ 前缀。

4. AI Gateway — 网关代理路由 + 缓存

// gateway.example.com 通过 Unified billing 路由到 GLM-5.3
curl -X POST "https://gateway.example.com/v1/chat/completions" \
  -H "Authorization: Bearer *** \
  -d '{
    "model": "@cf/zai-org/glm-5.3",
    "messages": [{"role": "user", "content": "讲一下 DSA 注意力机制。"}]
  }'

AI Gateway 就是上面提到的预付费额度路径——把网关计费设为 "Unified billing" 并充值，然后把 OpenAI/Anthropic/Workers AI 模型通过同一端点路由，叠上缓存、限速、分析能力。

开源权重：HF 仓库、License、自托管路径

GLM-5.3 权重已发布在 huggingface.co/zai-org/GLM-5.3，使用自定义的 GLM-5.3 License。模型是带 DSA 注意力的 MoE（GlmMoeDsaForCausalLM），每 token 选 8 个专家，总参数量 ~754B，存储为 BF16 + FP8 分片 safetensors（全部片合计 ~755 GB）。

License 摘要（全文见 HF LICENSE 文件）：

• 免费用于使用、修改、合并、发布、分发、再许可、销售
• 允许微调与衍生作品
• 无 copyleft——衍生作品可采用任何许可
• 唯一条件：Model-as-a-Service 提供商所属集团在任何 12 个月内收入超过 100 亿美元，商用前必须完成 Z.AI 安全审查
• "按原样"提供，无任何担保
• 安全审查联系方式：glmlicense@z.ai

对典型 SaaS 创业团队和内部工具，License 实际是宽松的。100 亿美元收入门槛只针对最大型超大规模云厂商——这条线以下的 API 转售方都可以自托管 GLM-5.3 而无需联系 Z.AI。架构细节见 arXiv 论文 2602.15763（"GLM-5: from Vibe Coding to Agentic Engineering"）。

如果自托管，准备好硬核硬件需求：754B 参数 BF16 推理最少 ~1.5 TB GPU 显存，或 FP8 下 ~755 GB。8 卡 H100 节点（80 GB × 8 = 640 GB 总）装不下 BF16；满 BF16 推理需要 8 卡 B200 或 8 卡 GB300 节点；接受 FP8 量化就能塞进 8 卡 H100。对绝大多数团队，Workers AI $1.40/M 输入价比自托管摊销 GPU 成本便宜得多。

何时用 GLM-5.3，何时用 Workers AI 上的其它选择

Workers AI 的国产模型阵容现在有三款付费层编码/智能体选项：

模型	输入 $/M	输出 $/M	适用场景
@cf/zai-org/glm-5.3	$1.40	$4.40	长程智能体工程、多小时编码任务、漏洞研究
@cf/zai-org/glm-5.3-flash	$0.15	$0.50	高并发交互负载、多模态输入、对成本敏感的 chat/agent 循环
@cf/moonshotai/kimi-k2.7-code	$0.60	$2.50	代码补全、代码评审、代码搜索——32K 以下单轮编码任务比 GLM-5.3 便宜
@cf/qwen/qwen3.8-27b	$0.20	$0.80	Workers AI 上最便宜的多模态——走量不走前沿

价格规律：GLM-5.3 是四款中最贵的（输入价是 GLM-5.3-Flash 的 10 倍、Qwen 3.8 27B 的 7 倍），由基准增量背书。如果你的工作负载是单轮 Q&A 或简单 chat，GLM-5.3-Flash 或 Qwen 3.8 27B 是更划算的选择。如果你的工作负载正是 GLM-5.3 基准瞄准的智能体编码 / 长程自动化场景，溢价是值得的。

Z.ai 自家平台的替代路径是 GLM Coding Plan 订阅，把 GLM-5.3、GLM-5.3-Flash、GLM-5.2、GLM-5-Turbo 打包给 IDE 和智能体场景按月计费。这是 IDE 插件开发者想要固定预算下的前沿质量的正解；按 API 计费的工作负载一旦月用量超过 ~5M token，Workers AI 按 token 付费就比订阅更便宜。

常见问题

结论

Workers AI 上的 GLM-5.3 是当前能以 $1.40/M 输入价调用的最强开源权重编码模型。对比 GLM-5.2 的基准增量——Terminal Bench 3.0 6.1 倍、SWE-Marathon 2.2 倍、CyberGym 84.5——是真实存在的，而且全部来自后训练，所以任何现有 GLM-5.2 部署的升级只需改一行 model ID。

两个真正的坑：付费门槛（10K Neurons/天免费额度不适用）和仍在变化的速率限制图景（当前 300 RPM 默认，几乎肯定在 Cloudflare 更新 frontier-RPM 表格后收紧）。已经在 Workers Paid 或有 AI Gateway 额度的团队，这是无脑升级。还在用免费层的团队，要么升级到 Paid（最低 $5/月），要么继续用 GLM-5.3-Flash / Qwen 3.8 27B——这两款依然在标准 Text Generation 300 RPM 下可用、且免费层 Neurons 可用。

最后核验：2026-08-29。来源：Cloudflare changelog，Workers AI pricing，Workers AI limits，GLM-5.3 model page，HF model card，arXiv 2602.15763。