NOVO · GLM-5.3-FlashX disponível
GLM-5.3-FlashX (disponível em 09/2026) é a edição de alta velocidade do GLM-5.3-Flash: inferência de até 200 tokens/s, mais rápido e fluido. Assim como o Flash, o primeiro modelo nativamente multimodal da família GLM-5 — 320B de parâmetros totais / 18B ativos, arquitetura híbrida inédita de atenção esparsa e linear, entrada de vídeo / imagem / texto / arquivo, contexto de 1M e saída máxima de 128K.
GLM-5.3-Flash lançado
GLM-5.3-Flash (agosto de 2026) é o primeiro modelo nativamente multimodal da família GLM-5: a visão está integrada ao loop de código, com entrada de vídeo / imagem / texto / arquivo. Alcança 57 no índice de inteligência da Artificial Analysis — n.º 4 global, equiparando Claude Opus 4.8 — por 1/40 do preço.
GLM-5.3 lançado
GLM-5.3 (lançado oficialmente em 2026-08-14) é o modelo carro-chefe MoE da Zhipu. Reutiliza exatamente a base do GLM-5.2, sem novos dados de pré-treinamento — todas as melhorias vêm do pós-treinamento em larga escala. Foco em engenharia de código de longo prazo, agentes de terminal e auditoria de vulnerabilidades de código-fonte. Lema: Built to Code. Ready for Cyber Defense.
GLM-5.3 é o modelo carro-chefe open source da GLM: base GLM-5.2 com pós-treinamento totalmente atualizado, ganho de 50 % na experiência de código, 84,5 % no CyberGym (atualmente na frente) e salto de 6x no Terminal-Bench 3.0; o GLM-5.3-Flash entrega inteligência de fronteira por 1/40 do preço. Compare cada modelo GLM abaixo — ou experimente primeiro o playground gratuito.
Sem registro, sem conta, sem limite. Insira palavras-chave de entrada para obter respostas em fluxo.
A resposta será transmitida em streaming aqui...
Esta experiência utiliza o modelo de grande linguagem GLM, insira palavras-chave de entrada para obter respostas em tempo real.
Quatro capacidades definem a geração atual de modelos GLM — todas relatadas pelos autores do modelo e reproduzíveis a partir de direitos abertos.
Um contexto de um milhão de tokens que continua útil e com qualidade: o GLM-5.3 compartilha a base do GLM-5.2 e segue treinando em trajetórias longas de agentes de código — implementação em larga escala, pesquisa automatizada e depuração complexa.
Os níveis Não Pensar, Alto e Máximo permitem que você equilibre latência e capacidade por tarefa — cerca de 63% (~35K tokens de saída) a 74% (~83K) em avaliações de programação de agentes.
Cada quatro camadas de atenção esparsa compartilham um indexador leve, reduzindo os FLOPs de cada token em 2,9 vezes sob uma extensão de contexto de 1 milhão de tokens, mantendo a qualidade de longo alcance inalterada.
Modelo GLM Open Source sob licença MIT: pesos publicados em HuggingFace e ModelScope, sem restrições geográficas, suportando implantação local via transformers, vLLM, SGLang, xLLM e ktransformers.
Dados publicados pela documentação oficial da Zhipu e pelo avaliador independente Artificial Analysis. O glmmodel.cn apenas os reproduz.
Descoberta de vulnerabilidades em código-fonte
Codificação agêntica: mais precisão com menos tokens
Tarefas de agentes em terminal (GLM-5.2: 4,6)
O GLM-5.3 supera o GLM-5.2 no Terminal-Bench 3.0 (4,6→28,3), DeepSWE v1.1 (46,2→66,9) e Agents’ Last Exam (23,8→28,5), alcançando o SOTA open source; no ExploitBench mais que dobra o GLM-5.2 (54,4 %). O GLM-5.3-Flash pontua 57 no índice da Artificial Analysis (n.º 4 global), empatado com Claude Opus 4.8.
Resultados de benchmark publicados para modelos GLM, cobrindo 17 avaliações de 8 modelos.
| Benchmark | GLM-5.3 | GLM-5.2 | Kimi K3 | DeepSeek-V4-Pro | Qwen3.8-Max | Opus 4.8 | Fable 5 | GPT-5.6 Sol |
|---|---|---|---|---|---|---|---|---|
| Codificação | ||||||||
| Terminal-Bench 2.1 | 88.2 | 81.0 | 88.3 | 87.9 | 86.6 | 85.0 | 88.0 | 88.8 |
| Terminal-Bench 3.0 | 28.3 | 4.6 | 17.4 | – | – | 21.1 | 33.7 | 34.6 |
| DeepSWE v1.1 | 66.9 | 46.2 | 67.5 | 62.7 | 56.6 | 58.0 | 69.7 | 72.7 |
| NL2Repo | 58.0 | 48.9 | 58.0 | 61.1 | 55.9 | 69.7 | – | – |
| ProgramBench (Almost Solved) | 19.0 | 9.5 | 17.5 | – | 10.5 | 15.5 | 33.0 | 23.0 |
| FrontierSWE | 78.1 | 67.5 | – | – | – | 66.5 | 88.2 | – |
| SWE-Marathon v1.1 | 42.5 | 19.4 | 48.1 | – | – | 48.8 | 33.1 | 42.5 |
| PostTrainBench | 39.8 | 31.7 | 32.0 | – | – | 32.9 | 41.8 | 36.2 |
| Cibersegurança | ||||||||
| CyberGym | 84.5 | 77.2 | 80.0 | 83.3 | 78.5 | 78.1 | 83.8 | 83.6 |
| ExploitGym 2h / 6h | 105 / 130 | 29 / 39 | 36 / 70 | – | 14 / 26 | 80 / 120 | 181 / 247 | 216 / 293 |
| ExploitBench | 54.4 | 24.4 | 32.2 | – | 28.8 | 40.0 | 78.0 | 76.5 |
| Agentes | ||||||||
| Toolathlon Verified | 73.0 | 59.9 | 76.5 | 74.1 | 72.5 | 76.2 | 74.7 | 74.9 |
| AutomationBench v1.0.6 | 48.2 | 26.2 | 46.7 | 43.2 | 39.8 | 41.0 | 46.2 | 45.8 |
| Agents' Last Exam (ALE-CLI) | 28.5 | 23.8 | 27.6 | 25.7 | 27.0 | 25.7 | 23.8 | 28.6 |
| HLE w/ Tools | 62.5 | 54.7 | 59.8 | 60.0 | 56.2 | 57.9 | 63.9 | 64.5 |
| GDPval-AA v2 | 1769 | 1508 | 1682 | 1590 | 1739 | 1588 | 1743 | 1730 |
Fonte: blog oficial da Z.ai (14/08/2026).
Os modelos GLM têm mais de uma velocidade. O controle de intensidade aloca recursos de computação só quando necessário. O GLM-5.3 sempre raciocina (low / high / max, padrão max); os números por nível são valores reportados do GLM-5.2, como referência.
~35K token médio
Edição rápida, código de modelo, refatoração convencional e outras situações onde a latência é mais importante do que a profundidade.
~43K token médio
Escolha padrão para a programação de agentes inteligentes: com cerca de metade do consumo de tokens, se aproxima da qualidade de topo.
~83K token médio
Problemas de longo prazo difíceis — distribua recursos de computação adicionais apenas quando necessário para a tarefa.
A tabela mostra o GLM-5.3 frente aos modelos comparados, conforme publicado oficialmente pela Z.ai. O GLM-5.3 compartilha a base do GLM-5.2 — cada ganho vem do pós-treinamento. O glmmodel.cn apenas reproduz estes resultados.
Aumentar o limite de contexto de 200K para 1 milhão de tokens é um problema de engenharia, não um parâmetro de configuração. Três mudanças são cruciais.
Cada quatro camadas do Transformer compartilham um LeveIndexador. Ele está localizado na primeira camada entre as quatro, e seu índice top-k é reused pelos outros três níveis — eliminando o ponto de Indexador e o cálculo top-k em um quarto das camadas. Resultado: cada token reduz a FLOPs em 2.9 vezes sob uma extensão de contexto de 1 milhão. O IndexShare foi introduzido a partir do meio do treinamento com uma extensão de sequência de 128K.
A camada de predição de múltiplos token executa uma vez o Indexador no primeiro passo do rascunho e reutiliza o índice nos passos subsequentes, eliminando a incompatibilidade de cache KV de treinamento/Raciocínio da geração anterior. Com a combinação de amostragem rejeitada e perda TV de extremo a extremo, a aceitação de comprimento aumenta de 4.56 para 5.47 — cerca de 20% — ao longo de 7 passos MTP.
| Baseline | 4.56 |
| + IndexShare + KVShare | 5.10 |
| + Recusa de amostragem | 5.29 |
| + Perda de TV de extremo a extremo | 5.47 (+20%) |
Depois de mais de alguns milhões de token, o gargalo não é mais a computação, mas a capacidade de cache KV, o núcleo de contexto longo e o consumo de CPU. Três correções: gerenciamento de memória de alta granularidade e paralelização baseados em LayerSplit, otimização do núcleo de escalonamento de comprimento de contexto em coordenação com o pipeline de transmissão de cache, e otimização de gerenciamento de cache, agendamento de solicitações e ajustes de caminho de execução do lado de CPU. A vantagem de capacidade de processamento aumenta à medida que o contexto cresce.
Vantagem de taxa de escoamento normalizada
A stack de treinamento (slime) combina rollout white-box e black-box, trajetórias compactas e fluxos de trabalho de subagentes. O treinamento OPD paralelo fundiu mais de dez modelos especialistas em cerca de dois dias, com cache KV FP8 mantendo a memória de rollout dentro do orçamento.
O RL de longo prazo pode gerar atalhos, portanto, ações suspeitas são primeiramente filtradas por um filtro de recall baseado em regras, seguidas por uma verificação de precisão do juiz LLM. Ações de hacker confirmadas são interceptadas online e respondidas com resultados de ferramentas virtuais, permitindo que o rollout continue em vez de ser descartado. O PPO baseado em Critic mantém a treinabilidade das sub-trilhas compactadas em um único rollout.
Do nível Flash de 30B ao porta-aviões de contexto de 1 milhão de tokens — escolha um modelo GLM e veja a tabela de especificações completa e os dados de referência.
Base GLM-5.2 com pós-treinamento totalmente atualizado: SOTA open source em codificação complexa e tarefas agênticas, na frente em descoberta de vulnerabilidades.
Primeiro GLM nativamente multimodal: visão no loop de código, n.º 4 global no índice AA, inteligência nível Opus 4.8 por 1/40 do preço.
Modelo vertical para o setor jurídico sobre GLM-5.3-Flash: 19,2 % no benchmark Harvey LAB a ~1/70 do custo. Beta.
Flagship anterior: contexto de um milhão de tokens, SOTA open source em programação e tarefas de longa duração.
Geração anterior de porta-aviões: capacidade de longo prazo significativamente melhorada e saída de engenharia de nível de horas de trabalho autônomo.
Capacidade de programação mais forte, execução de múltiplos passos mais confiável e comportamento de agente inteligente mais complexo.
Modelo básico, otimizado para cenários de longa cadeia e agentes inteligentes dinâmicos.
Capacidade de programação aprimorada, inferência estável em múltiplos passos e geração de frontend melhorada.
300 milhões de parâmetros; alta eficiência e desempenho, à frente dos modelos open-source da mesma escala.
Modelo GLM de pequeno volume, desempenho unitário de capacidade de cálculo excelente.
Reconhecimento de voz em tempo real para texto, CER até 0.0717.
Função de múltiplos arquivos que ultrapassa a janela de contexto única: o modelo mantém o estado do repositório inteiro na visão, em vez de ler novamente a cada algumas rodadas.
Ciclos de experimentação de várias horas, onde o agente precisa planejar, executar, ler resultados e revisar — exatamente a carga de trabalho que FrontierSWE e PostTrainBench foram projetados para avaliar.
Necessário para um gráfico de chamadas completo, saída do analisador e tentativas anteriores para manter o núcleo e o trabalho do sistema na mesma trajectória.
Uma longa rastreamento de reprodução, testes instáveis e falhas transversais de serviço, a truncagem do contexto é a razão pela qual o Bug foi perdido.
Execute qualquer um deles em seu próprio hardware — pesos MIT, transformers · vLLM · SGLang · xLLM · ktransformers.Como executar localmente o modelo GLM →
Leia o Modelo GLMTeste de referência e, em seguida, deixe o Modelo real começar a trabalhar. A Cena de Experiência acima é gratuita e não requer nenhuma informação; se você quiser um pacote de ferramentas AI mais completo, o pacote gratuito dos parceiros começa aqui.