GLM-5.3-Flash: Z.ai explica su modelo multimodal con contexto de 1 millón de tokens
Z.ai presenta GLM-5.3-Flash, un modelo nativamente multimodal de la familia GLM-5 con un contexto de hasta un millón de tokens.
Qué dice Z.ai sobre GLM-5.3-Flash
Según Z.ai, GLM-5.3-Flash tiene 320.000 millones de parámetros en total y activa unos 18.000 millones por solicitud. Activar solo una parte del modelo ayuda a limitar el coste de cómputo. Z.ai indica que el contexto alcanza un millón de tokens y orienta el modelo a tareas complejas, uso de herramientas y procesos de agentes de varios pasos.
Una arquitectura para contextos largos
El modelo combina sparse attention y linear attention. La primera recupera información relevante del contexto completo; la segunda ayuda a reducir el coste de procesamiento. En la comparación de Z.ai con GLM-5.3, GLM-5.3-Flash utiliza unas tres veces menos operaciones de atención y 4,4 veces menos memoria de caché KV. Son mediciones del desarrollador, no una evaluación independiente de la calidad en tareas de clientes.
Texto e información visual en un mismo proceso
GLM-5.3-Flash se entrenó conjuntamente con texto e información visual. Según Z.ai, admite imágenes, vídeo y archivos y puede interpretar capturas de pantalla, la estructura de documentos, gráficos y el estado de una interfaz. En un proceso con agentes, esta información visual permite revisar el resultado de un paso antes de elegir el siguiente.
Pesos abiertos y despliegue
Z.ai ha publicado los pesos de GLM-5.3-Flash bajo la licencia MIT e indica compatibilidad con SGLang, vLLM y TokenSpeed para la inferencia. Conviene consultar el repositorio oficial del modelo para conocer las condiciones y opciones de despliegue vigentes.
Cómo preparó Z.ai su infraestructura
Según Z.ai, la inferencia de producción de GLM-5.3-Flash funciona en un clúster de más de 100.000 aceleradores de IA fabricados en China. Un Infra Agent basado en GLM-5.3 colaboró en la optimización. La empresa afirma que pasar de la adaptación inicial del modelo a la producción llevó menos de dos semanas y que el rendimiento de extremo a extremo se triplicó frente al punto de partida con el mismo hardware.
Por qué interesa a NEXSTA
GLM-5.3 y GLM-5.3-Flash son relevantes para NEXSTA al evaluar contextos largos, uso de herramientas, rapidez de respuesta y entradas visuales. Este artículo resume capacidades comunicadas por Z.ai; no anuncia una nueva función multimodal de NEXSTA.
Para conocer mejor los modelos y su papel en el producto, lea GLM y Z.ai: qué son estos modelos y Qué modelos utiliza NEXSTA.