Z.ai apresenta o GLM-5.3-Flash: um modelo multimodal de alto desempenho com capacidades aprimoradas

A Z.ai lançou o GLM-5.3-Flash, um novo modelo na série GLM-5, que é multimodal nativo e projetado para tarefas de codificação eficientes. O modelo possui uma arquitetura de mistura de especialistas (MoE) com um total de 320 bilhões de parâmetros e 18 bilhões de parâmetros ativos por token, com uma janela de contexto de 1.048.576 tokens. Ele suporta entradas de imagem e vídeo e é lançado sob uma licença MIT, com seus pesos disponíveis no Hugging Face. De acordo com a Z.ai, o GLM-5.3-Flash supera seu predecessor, o GLM-5.2, em vários benchmarks e cargas de trabalho do mundo real, com aproximadamente um décimo do custo. Também obtém uma pontuação próxima à de Claude Opus 4.8 em seu próprio benchmark de codificação. Inicialmente, o modelo operou sob o nome anônimo 'Ox Alpha' em plataformas como OpenCode e OpenRouter, executando-se em chips de IA chineses produzidos localmente. A Z.ai relata que a prévia do Ox Alpha utilizou um motor baseado em SGLang, que desagrega os processos de codificação, preenchimento e decodificação, resultando em uma melhoria de 3x no desempenho de serviço de ponta a ponta em dezenas de milhares de aceleradores. O GLM-5.3-Flash é baseado em um modelo base recém-treinado usando um corpus multimodal de 30T de tokens. Três mudanças-chave são destacadas: o desempenho do modelo em benchmarks, sua estrutura de preços e suas capacidades multimodais. O preço da API do modelo é definido em $0,15 por milhão de tokens de entrada, $0,03 por milhão de tokens de entrada armazenados em cache e $0,50 por milhão de tokens de saída. Na camada com desconto, a Z.ai relata uma pontuação de 57 na Artificial Analysis Intelligence Index v4.1.1 a uma taxa de $0,045 por tarefa. O modelo está disponível em todos os níveis de GLM Coding Plan—Lite ($18/mês), Pro ($80) e Max ($168)—com três vezes a quota utilizável do GLM-5.3. Seus recursos multimodais estão disponíveis através do ZCode via uso no navegador e uso no computador. O serviço local é suportado em vários frameworks, incluindo SGLang, vLLM, TokenSpeed e KTransformers. No entanto, as capacidades de visão são notadas como uma área mais fraca, com o modelo ficando atrás do Gemini 3.7 Flash em BabyVision e MVbench. A Artificial Analysis atribui independentemente uma pontuação de 57 ao modelo no Intelligence Index, com uma taxa de 48,7 tokens de saída por segundo e um tempo de primeiro token (TTFT) de 1,52 segundos na API da Z.ai. Embora o modelo demonstre um valor significativo para seu custo, é notado como sendo lento e verboso. Os pesos e o blog do modelo estão disponíveis para obter mais detalhes, e a Z.ai incentiva o envolvimento por meio de seus canais de mídia social e plataformas de comunidade.