GLM-5.3-Flash

GLM-5.3-Flash to pierwszy natywnie multimodalny model z rodziny GLM-5 opracowany przez Zhipu AI (Z.ai). Wykorzystuje architekturę Mixture-of-Experts z 320 mld parametrów łącznie i 18 mld parametrów aktywnych na token (288 ekspertów rutowanych, 1 współdzielony, 8 aktywowanych na token, 45 warstw). Jako pierwszy w serii łączy uwagę rzadką (sparse) i liniową (linear) w architekturze hybrydowej, co ogranicza koszt obsługi długiego kontekstu przy zachowaniu jego jakości.

Model wprowadza Manifold-Constrained Hyper-Connections (mHC) poprawiające efektywność skalowania oraz mechanizm IndexPool redukujący narzut indeksera przy kontekście 1M tokenów. Trenowany na korpusie multimodalnym o rozmiarze 30 bln tokenów. Obsługuje wejście tekstowe, obrazy, wideo i pliki, generuje tekst i kod, wspiera wywoływanie funkcji, wyjście strukturalne (JSON), caching kontekstu oraz tryb myślenia sterowany parametrem reasoning_effort (low/high/max). Kontekst do 1M tokenów, maksymalne wyjście 128K tokenów.

Wagi udostępniono publicznie na Hugging Face (zai-org) na licencji MIT; model można wdrażać lokalnie (SGLang, vLLM, TokenSpeed, Transformers, KTransformers, Unsloth) lub przez API Z.ai. Ukierunkowany na kodowanie i zadania agentowe (m.in. tworzenie plików PPTX/PDF/DOCX/XLSX, praca z interfejsami), przy bardzo niskim koszcie inferencji.