GLM-5.3-Flash

GLM-5.3-Flash släpptes av Z.ai (tidigare Zhipu) i slutet av augusti 2026. Innan lanseringen testades den anonymt under namnet ox-alpha på OpenCode och OpenRouter, där den enligt Z.ai snabbt blev veckans mest använda modell. Det är den första modellen i GLM-5-serien som är multimodal från grunden: den tar emot text, bilder, video och filer och svarar med text.

Modellen har 320 miljarder parametrar totalt, varav bara 18 miljarder används per token. Den bygger på en helt ny grundmodell, tränad på 30 biljoner tokens, och är den första GLM-modellen som blandar gles och linjär uppmärksamhet (attention). Det gör långa texter mycket billigare att köra, och den läser upp till 1 miljon tokens. Enligt Z.ai använder den tre gånger mindre beräkning för uppmärksamheten och ett 4,4 gånger mindre minne för sammanhanget än GLM-5.3.

Z.ai säger att den slår GLM-5.2 på i stort sett alla tester, till en tiondel av priset, och kommer nära Claude Opus 4.8 i kod och agentuppgifter. Synen används i kodarbetet: modellen kan rendera det den byggt, titta på resultatet och rätta fel, till exempel en presentationsbild där texten hamnat fel. I ZCode kan den styra webbläsare och datorprogram.

I en separat bloggpost i september berättar Z.ai att GLM-5.3 själv hjälpte till att bygga systemet som kör GLM-5.3-Flash, på över 100 000 kinesiska AI-chip. En agent driven av GLM-5.3 arbetade tillsammans med ingenjörer och fick detaljerad återkoppling från tester och mätningar. Enligt Z.ai gick det från första körning till produktion på under två veckor, och kapaciteten tredubblades jämfört med startläget, till en kostnad per token i nivå med vanliga NVIDIA-grafikkort. Under de första sex dagarna behandlades över 62 biljoner tokens.

Vikterna finns på Hugging Face under MIT-licens. I API:t kostar modellen 0,15 dollar per miljon tokens in och 0,50 dollar ut, och det finns även en snabbare variant, GLM-5.3-FlashX, på cirka 200 tokens per sekund.