Zhipu lance et open-source le modèle « NiuLai » GLM-5.3-Flash : amélioration des capacités multimodales et de l'efficacité des coûts d'inférence

TechFlow rapporte que, le 26 août, Z.ai a publié GLM-5.3-Flash, qu'elle présente comme le premier modèle natif multimodal de la série GLM-5. Le modèle dispose de 320 milliards de paramètres totaux et 18 milliards de paramètres actifs, surpassant GLM-5.2 sur de nombreux benchmarks de codage, d'agents et visuels, et approchant les performances de Claude Opus 4.8 sur certaines tâches de codage. GLM-5.3-Flash adopte une architecture hybride combinant attention éparsse et attention linéaire, et intègre des mécanismes tels que mHC et IndexPool afin de réduire les coûts d'inférence sur les longs contextes et la surcharge du cache KV.

Z.ai indique que le modèle est déjà déployé à grande échelle sur un cluster de puces IA chinoises, les performances de service de bout en bout ayant été triplées par rapport à la référence initiale, et les poids du modèle sont désormais publics sur Hugging Face.