GLM-5.3-Flash: Z.ai beschreibt multimodales Modell mit 1 Mio. Token Kontext
Z.ai erläutert GLM-5.3-Flash, ein nativ multimodales Modell der GLM-5-Familie mit bis zu einer Million Token Kontext.
Was Z.ai über GLM-5.3-Flash mitteilt
Laut Z.ai besitzt GLM-5.3-Flash insgesamt 320 Milliarden Parameter; bei einer Anfrage sind davon etwa 18 Milliarden aktiv. Die selektive Aktivierung begrenzt den Rechenaufwand. Z.ai nennt ein Kontextfenster von bis zu einer Million Token und sieht das Modell für komplexe Aufgaben, Werkzeuge und mehrstufige Agentenabläufe vor.
Architektur für lange Kontexte
Das Modell kombiniert Sparse Attention und Linear Attention. Sparse Attention ruft relevante Informationen aus dem gesamten Kontext ab; Linear Attention senkt den Verarbeitungsaufwand. Im Vergleich von Z.ai mit GLM-5.3 benötigt GLM-5.3-Flash etwa dreimal weniger Rechenleistung für Attention und 4,4-mal weniger KV-Cache-Speicher. Es handelt sich um Messwerte des Entwicklers, nicht um eine unabhängige Bewertung der Qualität bei Kundenaufgaben.
Text und visuelle Daten in einem Arbeitsablauf
GLM-5.3-Flash wurde gemeinsam mit Text und visuellen Informationen trainiert. Nach Angaben von Z.ai verarbeitet es Bilder, Videos und Dateien und kann Screenshots, Dokumentlayouts, Diagramme und Oberflächenzustände auswerten. In einem Agentenablauf lässt sich so das sichtbare Ergebnis eines Schritts prüfen, bevor der nächste folgt.
Offene Modellgewichte und Bereitstellung
Z.ai hat die Modellgewichte von GLM-5.3-Flash unter der MIT-Lizenz veröffentlicht und nennt SGLang, vLLM und TokenSpeed als unterstützte Inferenz-Frameworks. Aktuelle Kompatibilität und Bedingungen für die Bereitstellung sollten im offiziellen Modell-Repository geprüft werden.
Wie Z.ai die Infrastruktur vorbereitet hat
Laut Z.ai läuft die produktive Inferenz von GLM-5.3-Flash auf einem Cluster mit mehr als 100.000 in China hergestellten KI-Beschleunigern. Ein auf GLM-5.3 basierender Infra Agent half bei der Optimierung. Nach Angaben des Unternehmens dauerte der Weg von der ersten Anpassung bis zur Produktionsreife weniger als zwei Wochen; der End-to-End-Durchsatz verdreifachte sich gegenüber dem Ausgangsstand auf derselben Hardware.
Warum das für NEXSTA relevant ist
GLM-5.3 und GLM-5.3-Flash sind für NEXSTA bei der Bewertung langer Kontexte, Werkzeugnutzung, Antwortzeiten und visueller Eingaben interessant. Dieser Artikel beschreibt die von Z.ai veröffentlichten Fähigkeiten. Er kündigt keine neue multimodale Funktion von NEXSTA an.
Mehr über diese Modelle und ihre Rolle im Produkt erfahren Sie in GLM und Z.ai: Was sind diese Modelle? und Welche Modelle nutzt NEXSTA?.