Zhipu mở nguồn mô hình lớn đa phương thức gốc GLM-5.3-Flash: 320B tham số và hỗ trợ toàn stack chip nội địa

Zhipu chính thức mở nguồn GLM-5.3-Flash（320B-A18B）, đánh dấu mô hình lớn đa phương thức gốc đầu tiên thuộc dòng GLM-5 với tổng tham số đạt 3200亿. Mô hình ghi nhận 57 điểm trong bảng xếp hạng Artificial Analysis Intelligence Index, nâng cao toàn diện so với thế hệ trước và thể hiện kết quả tương đương Claude Opus 4.8 trong các bài kiểm tra lập trình tự phát triển.

Mô hình này đạt được sự tối ưu hiệu suất đáng kể trong thiết kế kiến trúc. Việc áp dụng mô hình pha trộn giữa attention thưa và tuyến tính, kết hợp công nghệ pooling trọng số IndexPool do đội ngũ sáng tạo, đã giải quyết hiệu quả các nút thắt tính toán trong môi trường ngữ cảnh dài. Kết quả thực nghiệm so sánh cho thấy khối lượng tính toán cho mỗi Token và kích thước bộ đệm KV giảm lần lượt khoảng 3 lần và 4.4 lần so với phiên bản trước, đưa hiệu suất tính toán tổng hợp lên vị trí dẫn đầu ngành.

Nhằm thích ứng với môi trường phần cứng nội địa, Zhipu đã xây dựng động cơ suy luận chuyên dụng được tùy chỉnh sâu dựa trên SGLang, đồng thời sử dụng Infra Agent do GLM-5.3 điều khiển để hỗ trợ phát triển toán tử CUDA và tinh chỉnh hiệu suất. Hệ thống tích hợp các chiến lược tối ưu bộ nhớ tiên tiến như lượng hóa trọng số W8A8, bộ đệm KV độ chính xác hỗn hợp và Layer Split phân tầng, giúp khắc phục thành công thách thức về băng thông bộ nhớ hạn chế của chip nội địa.

Ở cấp độ triển khai cụm, nhóm phát triển đã áp dụng kiến trúc tách biệt Encode–Prefill–Decode cấp sản xuất, tách riêng quá trình mã hóa đa phương thức, điền trước prompt và giải mã từng Token thành các pool làm việc độc lập. Dữ liệu thực nghiệm cho thấy giải pháp này giúp cải thiện hiệu năng dịch vụ đầu cuối lên 3 lần, đồng thời chi phí suy luận cho mỗi Token và tỷ lệ sử dụng phần cứng đã đạt mức tương đương GPU NVIDIA mainstream, khẳng định tính khả thi trong việc sử dụng sức mạnh tính toán nội địa để hỗ trợ thương mại hóa các mô hình quy mô nghìn tỷ tham số.

Về khía cạnh thương mại hóa và kết nối hệ sinh thái, chiến lược định giá của GLM-5.3-Flash cực kỳ cạnh tranh, với giá chính thức chỉ bằng một phần mười so với GLM-5.3, và trong giai đoạn ra mắt giới hạn còn giảm xuống còn một phần tư mươi so với Opus 4.8. Hiện tại, mô hình đã được mở nguồn toàn cầu, tích hợp liền mạch với các nền tảng phát triển như ZCode, đồng thời thông qua chương trình GLM Coding sẽ phát hành giới hạn hàng ngày các thẻ trải nghiệm, cùng lúc đó cung cấp API cấp doanh nghiệp để nhà phát triển dễ dàng tích hợp.