Z.ai: GLM-5.3 помог построить инфраструктуру для GLM-5.3-Flash
2026-09-17 Z.ai опубликовала инженерный отчет о подготовке GLM-5.3-Flash к промышленной эксплуатации. По данным компании, система работает на кластере более чем из 100 000 ускорителей китайского производства, а агент на базе GLM-5.3 выполнил значительную часть анализа, исправлений и оптимизации программного стека. Подготовка заняла менее двух недель, а итоговая производительность выросла примерно в 3 раза относительно начальной версии.
Инфраструктура рассчитана на контекст до 1 млн токенов и мультимодальные запросы. Агент участвовал в поиске ошибки численной точности, устранении задержки передачи KV-кэша и оптимизации вычислительных ядер; в одном из сценариев разрыв производительности после исправления сократился с более чем 20% до менее 1%. Все показатели приводит Z.ai, независимых замеров пока нет. Код модели, условия лицензии и отдельная цена этой инфраструктуры не опубликованы.
Для бизнеса это пример сокращения срока подготовки новой модели к высокой нагрузке: часть работы команды системных инженеров можно переложить на программного агента при наличии тестовой среды и измеримых критериев приемки. Подход особенно полезен крупным платформам и облачным провайдерам, где даже небольшое снижение затрат на один токен дает заметную экономию. Стоимость проекта в USD и рублях не раскрыта, поэтому оценить бюджет внедрения нельзя. Основной риск — изменения затрагивают точность и надежность работы модели; критические решения Z.ai по-прежнему оставляет за инженерами.
Публикация не является релизом новой модели и не доказывает полноценное рекурсивное самоулучшение. В дальнейшем важно проверить заявленный прирост на независимых нагрузочных тестах и выяснить, будет ли Z.ai применять этот процесс при подготовке следующих версий GLM.
Что за модель: GLM-5.3
Z.ai выпустила GLM-5.3 2026-08-14 как развитие GLM-5.2 для программирования, длительных инженерных задач и анализа безопасности. Модель использует ту же базовую модель, а заявленные улучшения получены за счёт дополнительного обучения на практических задачах. Поддерживаются контекст до 1M токенов и три уровня глубины обработки: low, high и max. По данным вендора, результат Terminal Bench 3.0 вырос с 4,6 у GLM-5.2 до 28,3 у GLM-5.3, а DeepSWE v1.1 — с 46,2 до 66,9; независимых замеров пока нет. Показатель второго места в тесте художественных текстов не включён, поскольку официальный первоисточник его не подтверждает.
Что это значит для бизнеса
GLM-5.3 ориентирована на команды разработки, которым нужно поручать модели комплексные изменения в коде, проверку репозиториев и поиск уязвимостей. Модель уже доступна через сервисы Z.ai, однако отдельная цена API в USD за 1M токенов официально не опубликована. Веса обещаны через две недели после запуска, но на 2026-08-21 они ещё не выпущены, поэтому развернуть модель у себя пока нельзя. Риск для бизнеса связан с неподтверждёнными независимыми испытаниями и усиленными возможностями анализа уязвимостей; перед внедрением следует провести проверку на собственных задачах и ограничить доступ модели к рабочей инфраструктуре.
Хроника GLM-5.3
Цена API изменилась: $0.22/3.39 → $0.11/3.39 за 1M токенов
Изменение зафиксировано по каталогу агрегатора OpenRouter.
Цена API изменилась: $1.4/4.4 → $0.22/3.39 за 1M токенов
Изменение зафиксировано по каталогу агрегатора OpenRouter.
Цена API изменилась: $1.4/4.4 → $0.27/7.61 за 1M токенов
Изменение зафиксировано по каталогу агрегатора OpenRouter.
Цена API изменилась: $0.27/7.61 → $0.22/6.34 за 1M токенов
Изменение зафиксировано по каталогу агрегатора OpenRouter.
Цена API изменилась: $0.22/6.34 → $0.3/4.4 за 1M токенов
Изменение зафиксировано по каталогу агрегатора OpenRouter.
Цена API изменилась: $1.4/4.4 → $0.3/4.4 за 1M токенов
Изменение зафиксировано по каталогу агрегатора OpenRouter.