你有没有遇到过这种尴尬：OpenRouter 上新出了一个性价比不错的模型，评测都夸它上下文窗口巨大，结果你打开 Hermes 的模型选择器翻了一圈——没有。只能等官方目录更新，或者自己写配置硬塞。8 月 26 日合并的 PR #95621 又给选择器补了一位新成员：z-ai/glm-5.3-flash，同时进入 OpenRouter 和 Nous Portal 两个目录，而且它最突出的卖点恰好就是长会话党最需要的——1,048,576（约 100 万）token 的上下文窗口。

新模型档案

GLM-5.3-Flash 是智谱 GLM-5.3 家族里定位“快速、大窗口”的成员。在 Hermes 目录中的位置排在 glm-5.3 之下、glm-5.2 之上（按最新优先排序）。关键参数（来自 OpenRouter 实时元数据）：

项目	值
模型 ID	z-ai/glm-5.3-flash
上下文窗口	1,048,576 token
输入价格	$0.075 / 百万 token
输出价格	$0.25 / 百万 token
单次最大输出	131,072 token

目录更新后：OpenRouter 侧共 43 个模型，Nous Portal 侧 32 个。

怎么在 Hermes 里用它

三种方式，从交互到命令行任选：

方式一：交互式选择器

hermes model

按提示选择 provider（OpenRouter 或 Nous Portal）和模型即可。如果之前打开过选择器、缓存里还没有新模型，先刷新：

hermes model --refresh

--refresh 会清掉模型选择器的磁盘缓存，重新拉取每个 provider 的实时 /v1/models 列表——目录更新后想立刻看到新模型，用它。

方式二：启动时指定

hermes -m z-ai/glm-5.3-flash

单次会话临时用，不改变默认设置。

方式三：会话内切换

在会话里用 /model 命令搜索并切换，输入 glm-5.3 就能模糊匹配到 z-ai/glm-5.3-flash。配合 命令面板 的 /model 过滤，几秒钟就能换过去。

1M 上下文到底意味着什么

• 长会话不焦虑：50 万 token 的会话在这个窗口下只占一半，配合新的 lean 压缩默认策略，跑到 90 万 token 才开始触发压缩，中途几乎不用管；
• 整仓喂给 Agent：大代码库可以直接作为上下文的一部分，不用反复切文件——这正是 max_turns 无限 场景的最佳搭档；
• 价格要算清楚：窗口大不等于免费——token 是按量计费的，1M 窗口的输入如果喂满，单次就是 $75。理性用法是让窗口当“缓冲区”而不是“仓库”，配合压缩策略控制实际输入量。

一点提醒

模型目录里 glm-5.3-flash 的上下文等元数据是通过 fuzzy key 从 glm-5.3 继承解析的（1,048,576），跟 OpenRouter 实时数据一致；如果你对这个模型的真实能力边界有疑问，先小规模试跑再上生产任务。想微调它的行为（比如限制输出长度），model_overrides 配置指南 讲了怎么按模型覆盖 context_window、max_output_tokens 等字段。

小结

GLM-5.3-Flash 进目录，对长会话用户是个实惠的新选项：百万级上下文、合理的价格、在官方选择器里就能直接选。模型的更新是高频的，隔三差五跑一次 hermes model --refresh 看看有没有新面孔，已经是 Hermes 玩家的日常了。