GLM-5.3-Flash — первая нативно мультимодальная модель GLM-5 с 320 миллиардами параметров

Команда Zhipu AI представила GLM-5.3-Flash — первую в серии GLM-5 модель с нативной мультимодальностью. Новинка содержит 320 млрд общих параметров, но активирует лишь 18 млрд, что позволяет достичь производительности, превосходящей GLM-5.2, при 10-кратно меньшей цене. В архитектуре впервые для серии GLM применена гибридная схема, объединяющая разреженное и линейное внимание, а также Manifold-Constrained Hyper-Connections (mHC) для повышения эффективности масштабирования. Модель обучена на мультимодальном корпусе объемом 30 трлн токенов и способна работать с текстом и изображениями в едином пространстве. По заявлению разработчиков, GLM-5.3-Flash приближается к Claude Opus 4.8 в задачах программирования и агентных сценариях, оставаясь при этом значительно дешевле.

Архитектурные изменения GLM-5.3-Flash направлены на радикальное снижение стоимости обслуживания длинных контекстов без потери точности. Гибридное сочетание sparse attention и linear attention позволяет эффективно обрабатывать последовательности в сотни тысяч токенов, благодаря чему контекстное окно LLM удалось нарастить до 1 миллиона токенов, что особенно востребовано в агентных системах с длинными сессиями. Manifold-Constrained Hyper-Connections улучшают масштабирование, обеспечивая лучшую сходимость и стабильность при обучении.

Модель построена на новой базовой модели GLM-5.3, а не является дообучением предыдущей версии. Это первый случай в серии GLM, когда архитектура и рецепт обучения изначально спроектированы вокруг баланса возможностей и эффективности. Нативная мультимодальность означает, что текст и изображения обрабатываются в едином представлении, без внешних адаптеров и мостов, что упрощает развертывание и повышает согласованность ответов.

Для локального запуска предусмотрена поддержка SGLang, vLLM, TokenSpeed и KTransformers, каждый со своим руководством. Это делает модель доступной как для облачных развертываний, так и для локального инференса на физическом железе. Важно, что при 18 млрд активных параметров модель может работать на скромном по меркам 320B-класса оборудовании, сохраняя при этом интеллектуальный уровень, близкий к проприетарным флагманским LLM Anthropic и OpenAI.

В тестах, проведенных разработчиками, GLM-5.3-Flash превосходит GLM-5.2 по широкому спектру бенчмарков и реальных нагрузок при цене в десять раз ниже. Особо отмечены успехи в программировании и агентных задачах, где модель вплотную приближается к Claude Opus 4.8.

Релиз GLM-5.3-Flash свидетельствует о том, что вместо погони за все большим числом параметров Zhipu AI делает ставку на оптимизацию архитектурны и достижение максимальной эффективности без радикального прироста параметров. Гибридное внимание и mHC позволяют достигать уровня, близкого к флагманским закрытым системам, при десятикратной экономии. Это особенно важно для массового внедрения агентного ИИ, где стоимость токена и задержка на длинных контекстах становятся критическими факторами. Нативная мультимодальность снимает барьер для задач, требующих одновременной работы с текстом и изображениями, а поддержка популярных фреймворков упрощает интеграцию. Если заявленные характеристики подтвердятся независимыми тестами, GLM-5.3-Flash может стать сильным конкурентом не только в открытом, но и в коммерческом сегменте, где цена за качество пока остается главным аргументом.