GLM-5.3-Flash: мультимодальный кодинг уровня Opus 4.8 за десятую часть цены Z.ai выпустила GLM-5.3-Flash, первую нативно мультимодальную модель серии GLM-5. 320 млрд параметров всего из них активных 18 млрд: она обходит GLM-5.2 на бенчмарках при цене в десять раз ниже. ⚡️ Что за модель: Первая в GLM-5 с нативной мультимодальностью: видит интерфейсы, документы и картинки, а не только код. 320B/18B активных На кодинге и агентных задачах вплотную подходит к Opus 4.8. 🔧 Архитектура под дешёвого инференса: Гибридное внимание: линейное держит локальный контекст через состояние, разреженное вытаскивает нужный глобальный контекст через лёгкий индексатор. IndexPool сжимает четыре ключа индексатора в один. Итог в сравнеии с базовой GLM-5.3: вычислительная стоимость внимания и KV-кэш меньше в 3 и 4,4 раза. 📊 Цифры: DeepSWE v1.1: 63,4 против 46,2 у GLM-5.2. AutomationBench: 48,8 против 26,2. На закрытом Code Bench при максимальном усилии: 29,0 против 29,5 у Opus 4.8. Artificial Analysis Intelligence Index: 57 баллов за $0,045 за задачу, раньше такой уровень стоил вдесятеро дороже. 💼 Железо и раздача: Неделю модель анонимно ходила как ox-alpha на OpenCode и OpenRouter и стала самой популярной за неделю, а весь трафик обслуживали китайские чипы. Собственный движок поверх SGLang дал 3х к базовому варианту, цена токена вышла на уровень NVIDIA. Вишенка на торте: оптимизировать движок помогал инфраструктурный агент на самой GLM-5.3, петля, где модель ускоряла систему, которая её обслуживает. Веса открыты, запускается на SGLang, vLLM и TokenSpeed. 📎 Анонс: Z.ai · веса на HuggingFace #GLM #кодинг #opensource #oxalpha ——— @tsingular