智谱 открыла исходный код нативной мультимодальной большой модели GLM-5.3-Flash: 320B параметров и полная поддержка отечественных чипов
智谱 официально представила и открыла исходный код первой в мире нативной мультимодальной большой модели GLM-5.3-Flash. Общее количество параметров модели составляет 3200亿, активные параметры — всего 18B, комплексная производительность сопоставима с Claude Opus 4.8. Благодаря гибридной архитектуре разреженного и линейного внимания, а также ряду технологий оптимизации памяти, модель достигла значительных прорывов в обработке длинного контекста и снижении эксплуатационных расходов. Инференс полностью обеспечивается кластерами отечественных ИИ-чипов, что значительно снизило затраты. Модель уже доступна для глобального открытого использования и вызова корпоративного API.
智пу официально открыла исходный код GLM-5.3-Flash (320B-A18B). Будучи первой нативной мультимодальной большой моделью серии GLM-5, она имеет общее количество параметров 3200亿. В оценке Artificial Analysis Intelligence Index набрала 57 баллов, общие возможности полностью превосходят предыдущее поколение, а в собственном тестировании программирования демонстрирует результаты на уровне Claude Opus 4.8.
Модель продемонстрировала значительную оптимизацию эффективности в архитектуре. За счет внедрения гибридного подхода разреженного и линейного внимания, в сочетании с инновационной технологией взвешенного пулинга IndexPool, успешно решена вычислительная проблема в сценариях длинного контекста. Сравнительные эксперименты показывают, что объем вычислений на один токен и размер KV-кэша по сравнению с предыдущей версией снизились примерно в 3 и 4.4 раза соответственно, что ставит общую вычислительную эффективность в число лидеров отрасли.
Для адаптации к отечественному аппаратному обеспечению 智пу создала специализированный движок инференса на базе глубоко модифицированного SGLang, а управляемый GLM-5.3 Infra Agent помог в разработке CUDA-операторов и тонкой настройке производительности. Система интегрировала агрессивные стратегии оптимизации памяти, такие как квантование весов W8A8, смешанная точность KV-кэша и послойное выгрузка Layer Split, что позволило успешно преодолеть ограничения пропускной способности памяти отечественных чипов.
На уровне развертывания кластера команда использовала производственную разделенную архитектуру Encode–Prefill–Decode, разделив мультимодальное кодирование, предварительное заполнение промптов и токенизированное декодирование на независимые рабочие пулы. Практические данные показывают, что данное решение увеличило сквозную производительность сервиса в 3 раза, а стоимость инференса на один токен и утилизация оборудования достигли уровня mainstream NVIDIA GPU, подтвердив жизнеспособность коммерческого использования триллионных моделей на отечественных вычислительных мощностях.
В вопросах коммерциализации и интеграции экосистемы ценовая стратегия GLM-5.3-Flash крайне конкурентоспособна: официальная цена составляет лишь одну десятую от GLM-5.3, а в период первоначального запуска дополнительно снизилась до одной сороковой от Opus 4.8. В настоящее время модель открыта для глобального сообщества, бесшовно интегрируется с платформами разработки, такими как ZCode, ежедневно ограниченным тиражом выпускает пробные карты через программу GLM Coding, а также предоставляет корпоративный API для вызова разработчиками.
KEY HIGHLIGHTS
Ключевые обновления
智пу выпустила первую в мире открытую нативную мультимодальную большую модель GLM-5.3-Flash с общим количеством параметров 320B и активными параметрами 18B.
Комплексный индекс интеллекта модели достигает 57 баллов, способности к генерации кода и логической отладке сопоставимы с Claude Opus 4.8.
Использование гибридной архитектуры разреженного и линейного внимания, а также технологии IndexPool, значительно снижает потребление видеопамяти и задержки при обработке длинного контекста.
Инференс полностью адаптирован под кластеры отечественных ИИ-чипов; благодаря разделенной архитектуре EPD и стратегиям оптимизации памяти сквозная производительность увеличена в 3 раза.
Цена составляет лишь одну десятую от GLM-5.3, а в период ограниченного запуска стоимость снизилась до одной сороковой от Opus 4.8. Модель полностью открыта для сообщества и предоставляет корпоративный API.