ИИтак
Поиск

← Назад

модель · Z.ai · вышла 18 сентября

GLM-5.3-FlashX

Ускоренная версия недорогой GLM-5.3-Flash для программирования и агентов: выдаёт до 200 токенов в секунду

О модели

GLM-5.3-FlashX — ускоренный вариант GLM-5.3-Flash. Z.ai описывает обе в одной документации как одну модель: FlashX отличается скоростью работы в API, до 200 токенов в секунду. В основе смесь экспертов (mixture of experts): всего 320 млрд параметров, но на каждый токен работают только 18 млрд. Внимание гибридное: разреженное сочетается с линейным. Так модель дешевле обрабатывает длинные тексты.

Flash — облегчённая версия GLM-5.3. Слоёв у неё вдвое меньше: 45 против 92. Активных параметров тоже меньше, 18 млрд против 32 млрд. По данным Z.ai, на длинном контексте вычислений внимания нужно в 3 раза меньше, а памяти под кэш — в 4,4 раза. Это первая в линейке GLM-5 модель, которая с самого начала обучена понимать не только текст, но и картинки с видео. По замерам лаборатории, она обходит GLM-5.2, причём часто с большим отрывом: 63,4 против 46,2 в DeepSWE v1.1 и 48,8 против 26,2 в AutomationBench. На Hugging Face компания заявляет, что в программировании и агентных задачах модель приближается к Claude Opus 4.8.

Модель берут для программирования, долгих агентных задач и работы с визуальными данными. Среди сценариев Z.ai называет вёрстку интерфейса по скриншоту, подготовку презентаций, таблиц и документов, финансовый анализ, разметку видео с субтитрами, 3D-модели в Blender и управление компьютером. Версию FlashX выбирают, когда важна скорость ответа. Она примерно в два с половиной раза дороже обычной Flash.

Отключить рассуждения перед ответом нельзя: API принимает только включённый режим, но его глубину можно задать уровнем. На старте FlashX не вошла в подписку GLM Coding Plan, куда входит обычная Flash. Веса GLM-5.3-Flash выложены на Hugging Face под лицензией MIT. Запускать модель у себя можно через vLLM, SGLang и другие движки, но при 320 млрд параметров для этого нужен сервер с несколькими мощными видеокартами.

источники:Документация Z.ai: GLM-5.3-Flash и FlashX ↗Карточка GLM-5.3-Flash на Hugging Face ↗

Новости о модели

все упоминания · 32

  1. В ответах GLM-5.3 в облаке Cloudflare две недели попадались чужие данные

    Из-за ошибки в настройке и бага в открытом движке SGLang 155 ответов на сверхдлинные запросы содержали данные других клиентов Cloudflare.

  2. Z.ai представила GLM-Legal — модель для юристов на базе GLM-5.3-Flash

    Китайская Z.ai дообучила облегчённую GLM-5.3-Flash для работы юристов и уверяет, что на двух юридических тестах GLM-Legal держится вровень с закрытыми передовыми моделями.

  3. Открытая GLM-5.3 умеет взламывать почти как закрытая модель Anthropic

    Команда Anthropic проверила китайскую GLM-5.3: открытая модель сама пишет рабочие эксплойты — программы для взлома — почти как закрытая Claude Mythos Preview от самой Anthropic, а защиту GLM легко обойти или снять.

  4. GLM-5.3 читает часть контекста, но держит в памяти весь, пишет SemiAnalysis

    Модель GLM-5.3 китайской компании Z.ai при ответе смотрит лишь на часть контекста, но хранит его целиком. По расчётам SemiAnalysis, в зависимости от нужной скорости ответа обслуживать её на ускорителях Nvidia на 47–82% дешевле, чем на AMD.

  5. Модель GLM-5.3 помогла Z.ai построить систему для запуска GLM-5.3-Flash

    По словам Z.ai, с помощью GLM-5.3 систему для GLM-5.3-Flash подготовили к работе меньше чем за две недели, а её пропускная способность выросла втрое.

  6. Interconnects заметил, что Z.ai ужесточила лицензию модели GLM-5.3

    Компаниям, которые продают доступ к GLM-5.3 и зарабатывают больше $10 млрд в год, придётся проходить проверку безопасности Z.ai. Авторы Interconnects видят здесь общую тенденцию: китайские лаборатории ужесточают лицензии.

Данные: models.dev (MIT).