TL;DR
GLM-5.3-FlashX — это высокоскоростной вариант обслуживания GLM-5.3-Flash от Z.ai. Запущенный 18 сентября 2026 года, он нацелен на пиковые скорости генерации до 200 токенов/с — заявленный провайдером максимум, а не гарантированный или независимо подтвержденный множитель — при сохранении базового набора возможностей GLM-5.3-Flash. GLM-5.3-FlashX теперь доступен в CometAPI через совместимую с OpenAI конечную точку chat-completions.
Важное отличие в том, что FlashX — это прежде всего апгрейд уровня обслуживания и инференса, а не отдельная документированная «контрольная точка интеллекта». Его база возможностей — это модель GLM-5.3-Flash с суммарно 320B и 18B активных параметров, с нативным мультимодальным вводом, контекстным окном на 1M токенов, гибридным разреженным + линейным вниманием, поддержкой инструментов и длинными агентными рабочими циклами.
Сообщаемые множители скорости и цены — это именно стартовые заявления, а не гарантии для всех провайдеров и запросов. В проде следует сравнивать время до первого токена, устойчивую пропускную способность, p95 задержку, время завершения задачи и актуальные цены выбранного провайдера.
Последняя проверка: 20 сентября 2026 г.
Ключевые тезисы
- Скорость: Z.ai заявляет пик до 200 токенов/с; официального базового эталона или универсального множителя нет, поэтому командам следует бенчмаркить свой маршрут и нагрузку.
- База возможностей: FlashX наследует MoE-дизайн 320B суммарно / 18B активно, нативную мультимодальность, гибридное разреженное + линейное внимание и 1M контекст GLM-5.3-Flash.
- Бенчмарки: опубликованные «интеллектуальные» оценки принадлежат GLM-5.3-Flash; для FlashX отдельные прогоны не публиковались.
- Лучшее применение: интерактивные кодовые агенты, циклы использования браузера/компьютера, визуальное кодирование, корпоративные ассистенты и другие многошаговые процессы, где задержка суммируется.
- Доступность в CometAPI: GLM-5.3-FlashX доступен в CometAPI с идентификатором модели
glm-5.3-flashxи конечной точкой/v1/chat/completions.
Что такое GLM-5.3-FlashX?
GLM-5.3-FlashX лучше всего понимать как оптимизированный по задержке уровень доставки для GLM-5.3-Flash. Сообщения о запуске от Z.ai сосредоточены на более быстром и плавном инференсе, тогда как базой возможностей остается модель Flash. Поэтому FlashX отличается от нового поколения модели, дистиллированной контрольной точки или отдельно выпущенного набора весов.
Базовая модель GLM-5.3-Flash спроектирована вокруг эффективного инференса. Z.ai утверждает, что она обучена с новой мультимодальной базы, использует 30-триллионный мультимодальный корпус и сочетает маршрутизацию Mixture-of-Experts с гибридным вниманием. FlashX продвигает сторону обслуживания дальше, опираясь на инференс-инфраструктуру, разработанную для GLM-5.3-Flash.
Для разработчиков практический ответ на вопрос «Что такое GLM-5.3-FlashX?» таков: это высокопроизводительный вариант обслуживания GLM-5.3-Flash, доступный у Z.ai и теперь также через унифицированный API CometAPI. Ценность — в меньшей задержке взаимодействия, а не в заявленном скачке «интеллекта» модели.
Согласно заявлениям Zhipu о запуске, процитированным IT Home, GLM-5.3-Flash впервые появился у зарубежных разработчиков под анонимным названием «Ox Alpha» и продолжал набирать популярность. Чтобы обслужить спрос, Zhipu увеличила инвестиции в инфраструктуру и оптимизацию инференса на производственной базе примерно из 100 000 отечественных ускорителей, после чего представила FlashX. Сервис сохраняет базу возможностей GLM-5.3-Flash, одновременно повышая заявленный поставщиком пик выдачи до 200 токенов/с. Zhipu позиционирует релиз в координатах «интеллект, цена и скорость»; для корпоративных и разработческих нагрузок это означает высокопроизводительный, низкозадержочный вариант, коммерческую ценность которого следует валидировать по устойчивой пропускной способности, p95 задержке, качеству задач и стоимости при реалистичной конкуренции.
Характеристики GLM-5.3-FlashX
Поскольку FlashX — это высокоскоростной вариант обслуживания, спецификацию следует разделять на унаследованные характеристики модели и специфичные для FlashX характеристики сервинга.
| Specification | GLM-5.3-FlashX |
|---|---|
| Provider | Z.ai / Zhipu AI |
| Product positioning | Высокоскоростной вариант обслуживания для GLM-5.3-Flash |
| Total / active parameters | Около 320B / 18B на токен, унаследовано от базовой модели |
| Architecture | Mixture-of-Experts; гибридное разреженное + линейное внимание; mHC |
| Context window | До 1,048,576 токенов |
| Inputs / output | Точную поддержку модальностей, лимиты файлов, ограничения по видео и маршрутно-специфичные параметры следует подтверждать на конечной точке провайдера перед вводом в прод. |
| Reasoning | Поддерживается базовой моделью GLM-5.3-Flash |
| Reasoning effort | low / high / max на поддерживаемых маршрутах |
| Thinking | Зависит от маршрута/API |
| Tool / function calling | Поддерживается |
| Open weights | Базовая GLM-5.3-Flash: MIT; FlashX представлен как хостинговый вариант обслуживания |
| Reported peak speed | До 200 токенов/с |
| Reported relative speed | Нет официального базового уровня или гарантированного множителя; бенчмарките выбранный маршрут |
| CometAPI price | $60 / 1M входных токенов и $60 / 1M выходных токенов, подтверждено 20 сентября 2026 г.; перепроверьте актуальные цены |
| Launch date | 18 сентября 2026 г. |
| Z.ai model key | GLM-5.3-FlashX / glm-5.3-flashx |
| CometAPI model ID | glm-5.3-flashx |
| CometAPI endpoint | POST /v1/chat/completions |
Почему GLM-5.3-FlashX быстрее, чем GLM-5.3-Flash?
Два слоя оптимизации определяют историю скорости: эффективная архитектура, унаследованная от GLM-5.3-Flash, и оптимизированная вокруг нее инфраструктура обслуживания.
Гибридное разреженное + линейное внимание
GLM-5.3-Flash сочетает линейное внимание для локальных зависимостей с разреженным вниманием для извлечения релевантной информации из более широкого контекста. Z.ai также описывает IndexPool, который сжимает четыре кешированные индексные ключевые вектора в один посредством взвешенного объединения. В опубликованном сравнении Z.ai эти изменения сокращают вычисления внимания примерно в 3,0× и размер KV-кеша примерно в 4,4× по сравнению с GLM-5.3 на длинном контексте.
Официальный раздел архитектуры GLM-5.3-Flash от Z.ai: https://autoclaw.z.ai/blog/model/glm-5.3-flash/.
Инфраструктура инференса
Z.ai утверждает, что продовый трафик GLM-5.3-Flash работает на кластере из более чем 100 000 китайских AI-ускорителей. Стек сервинга включает тензорный параллелизм, ReplaySSM, квантизацию W8A8, смешанную квантизацию кеша INT8/FP8/BF16, Layer Split и дизагрегированную архитектуру Encode–Prefill–Decode. Компания сообщает около 3× улучшения сквозного обслуживания относительно исходной базы на том же железе.
Поэтому FlashX следует понимать как продуктовую реализацию продолженной оптимизации инференса: модель снижает вычислительные и кешевые издержки, а FlashX добавляет более агрессивный низкозадержочный слой сервинга.
Насколько быстрый GLM-5.3-FlashX?
Z.ai заявляет пиковую скорость генерации до 200 токенов/с. Рассматривайте это как максимальный сервисный показатель, а не гарантированную устойчивую скорость: валидируйте время до первого токена, устойчивую скорость вывода, p95 задержку, завершение задач и частоту ошибок на выбранном продовом маршруте.
«До 200 токенов/с» — это пиковый показатель сервинга, а не гарантия для каждого запроса. Реальная пропускная способность зависит от длины промпта, усилия на рассуждение, длины вывода, затрат на мультимодальную предобработку, конкуренции, вызовов инструментов, региона и загрузки провайдера.
Полезные продовые метрики включают время до первого токена, устойчивые токены в секунду на выходе, p95 задержку и сквозное время завершения задач. Время завершения задачи особенно важно для агентов, поскольку 20-шаговый рабочий цикл платит задержку генерации 20 раз.
Как GLM-5.3-FlashX показывает себя на бенчмарках?
На запуске не было опубликовано отдельного набора «интеллектуальных» бенчмарков для FlashX. FlashX документирован как оптимизация инференса и сервинга, так что его проверяемый дифференциатор — пропускная способность, а не новый скор по качеству задач.
Эти результаты относятся к базовой модели GLM-5.3-Flash и могут рассматриваться только как контекст возможностей; это не измерения FlashX, поскольку для FlashX не были отдельно сообщены чекпоинт, стенд и прогоны качества задач.
Для решений о внедрении тестируйте FlashX и Flash на одних и тех же промптах, усилии рассуждения и конфигурации инструментов, затем сравнивайте успех задач, время до первого токена, устойчивую пропускную способность, p95 задержку и полную стоимость одного завершенного рабочего процесса.
GLM-5.3-FlashX против GLM-5.3-Flash и GLM-5.3
| Dimension | GLM-5.3-FlashX | GLM-5.3-Flash | GLM-5.3 |
|---|---|---|---|
| Positioning | Высокоскоростной уровень обслуживания | Мультимодальная модель с упором на эффективность | Флагманский уровень возможностей |
| Context | До 1M | 1M | Класс 1M на поддерживаемых маршрутах |
| Total / active parameters | Унаследованные 320B / 18B | 320B / 18B | Более крупная флагманская конфигурация |
| Peak output speed | До 200 токенов/с (заявлено) | Зависит от провайдера | Зависит от провайдера |
| Relative price vs Flash | Около 2,5× (заявлено) | 1× | Выше, чем у Flash |
| Open weights | Сервисный уровень; базовые веса открыты | Да, MIT | Зависит от релиза |
| Reasoning and tools | Наследуется от Flash; проверьте параметры маршрута | Поддерживается | Флагманский уровень рассуждений |
| CometAPI availability | Доступен | Доступен | Доступен |
| Best fit | Интерактивные низкозадержочные агенты | Высокий объем, чувствительные к стоимости мультимодальные задачи | Максимальные возможности GLM |
CometAPI теперь предоставляет API GLM-5.3-FlashX, наряду с API GLM-5.3-Flash и GLM-5.3 API. Это позволяет сравнивать задержку, стоимость и качество задач в рамках одной интеграции.
Сравнение по типам нагрузок
| Scenario | Flash | FlashX |
|---|---|---|
| Batch processing | ✓ | |
| Cost-sensitive workloads | ✓ | |
| Interactive chat | ✓ | |
| Coding agents | ✓ | |
| Browser agents | ✓ | |
| Human-in-the-loop | ✓ | |
| Long-running automated jobs | ✓ | Зависит |
| Latency-sensitive API | ✓ | |
| High output volume | ✓ | |
| Maximum responsiveness | ✓ |
Сколько стоит GLM-5.3-FlashX?
CometAPI указывает цену GLM-5.3-FlashX в $60 за 1M входных токенов и $60 за 1M выходных токенов. В сравнительной таблице показана официальная эталонная цена $75 за 1M входных токенов и $75 за 1M выходных токенов. Цены могут меняться, поэтому перед планированием бюджета подтвердите актуальную страницу модели.
| Usage | CometAPI price | Official reference price |
|---|---|---|
| Input | $60 / 1M tokens | $75 / 1M tokens |
| Output | $60 / 1M tokens | $75 / 1M tokens |
Пример расчета стоимости
Для нагрузки с 100M входных токенов и 20M выходных токенов текущая оценка CometAPI: 100 × $60 + 20 × $60 = $7,200. По официальной эталонной ставке та же нагрузка: 100 × $75 + 20 × $75 = $9,000.
При таких ставках FlashX следует резервировать для рабочих процессов, где задержка существенно влияет на выручку, пользовательский опыт или время завершения последовательных агентных циклов. Пакетную обработку и чувствительные к стоимости высокообъемные задания следует сравнивать с менее дорогим маршрутом Flash.
Токены рассуждений также могут учитываться как оплачиваемые выходные токены в зависимости от политики провайдера; оценивайте стоимость по фактическим логам использования, а не только по видимой длине ответа.
Лучшие варианты использования GLM-5.3-FlashX
Реальные-таймовые кодовые агенты
Кодовые агенты многократно генерируют текст, вызывают инструменты, анализируют результаты, правят файлы, запускают тесты и повторяют цикл. Более быстрая генерация сокращает простой между действиями.
Агенты для браузера и использования компьютера
Мультимодальный ввод позволяет модели использовать скриншоты и состояние интерфейса в цикле рассуждения. Низкая задержка важна, поскольку автоматизация браузера быстро чередует наблюдение, решение, действие и повторное наблюдение.
Визуальное кодирование и итерации UI
Модель может инспектировать отрендеренные интерфейсы, сверять их с требованиями, править код и снова проверять результат. Быстрый инференс сокращает цикл визуальной обратной связи.
Интерактивные корпоративные ассистенты
Клиентские ассистенты, внутренние копилоты, исследовательские и документные агенты часто работают с человеком, ожидающим каждый шаг. Премия за низкую задержку здесь легче оправдывается, чем в ночной пакетной обработке.
Интерактивная работа с длинным контекстом
Контекстное окно на 1M токенов полезно для крупных репозиториев, длинных отчетов и расширенных историй агентов, когда при этом требуется отзывчивое взаимодействие.
Доступен ли GLM-5.3-FlashX в CometAPI?
Да. GLM-5.3-FlashX доступен в CometAPI. На странице модели он указан как доступный через производственную конечную точку /v1/chat/completions, а документированный идентификатор модели — glm-5.3-flashx. Разработчики могут использовать тот же совместимый с OpenAI шаблон интеграции, что и для других текстовых моделей CometAPI.
Доступ, цены, лимиты и поддерживаемые модальности могут изменяться. Актуальной является живая страница модели CometAPI.
Когда FlashX может быть неоправданным
- Офлайн- или пакетные задачи: когда никто не ожидает ответа, более дешевый сервинг Flash может дать лучшую экономику.
- Чувствительная к стоимости высокообъемная генерация: отображаемая цена токена FlashX может доминировать в полной стоимости рабочего процесса, даже если задания завершаются быстрее.
- Задачи, ограниченные качеством модели, а не задержкой: у FlashX нет отдельного официального набора бенчмарков «интеллекта», поэтому его не следует приобретать как доказанный апгрейд возможностей.
- Рабочие процессы, упирающиеся в другие узкие места: retrieval, инструменты, браузеры, базы данных и человеческое утверждение могут доминировать в сквозной задержке, снижая ценность более быстрой генерации токенов.
- Требования к самостоятельному хостингу или открытым весам: FlashX представлен как хостинговый уровень обслуживания; используйте базовые веса GLM-5.3-Flash, когда важен контроль развертывания.
- Строгие гарантии пропускной способности:
Ограничения GLM-5.3-FlashX
- Показатель 200 токенов/с — это максимальная рекламируемая скорость, а не гарантированная устойчивая.
- Сообщаемая цена выше, чем у Flash, и варьируется по провайдерам.
- Пока нет отдельного набора бенчмарков «интеллекта» для FlashX.
- Стандартный вывод — текст, а не нативная генерация изображений или видео.
- Лимит 1M токенов не отменяет необходимость retrieval, отбора контекста и управления задержкой.
- Провайдер-специфичные лимиты по скорости/выводу, модальности и реальная пропускная способность могут отличаться от сервиса Z.ai.
Стоит ли использовать GLM-5.3-FlashX?
GLM-5.3-FlashX наиболее убедителен, когда GLM-5.3-Flash достаточно способен, но слишком медленен для интерактивного рабочего процесса. Запуск меняет экономику задержки больше, чем историю о базовых возможностях.
Выбирайте GLM-5.3-Flash, когда стоимость токенов доминирует и более медленная генерация приемлема. Выбирайте FlashX, когда ожидание человеком или задержка в агентном цикле дороже, чем наценка за сервинг. Рассмотрите GLM-5.3, когда флагманский уровень возможностей важнее, чем стоимость или задержка.
Для команд, уже использующих унифицированный шлюз, практический следующий шаг — прогнать один и тот же репрезентативный рабочий процесс через GLM-5.3-FlashX и GLM-5.3-Flash в CometAPI, затем сравнить p95 задержку, успех задач и полную стоимость завершенного процесса.
GLM-5.3-FlashX: вопросы и ответы
Что такое GLM-5.3-FlashX?
GLM-5.3-FlashX — это высокоскоростной вариант обслуживания GLM-5.3-Flash. Он нацелен на меньшую задержку и большую пропускную способность, а не на отдельно объявленный скачок «интеллекта» модели.
Является ли GLM-5.3-FlashX новым чекпоинтом?
Публичные материалы Z.ai по запуску подчеркивают оптимизации инференса и инфраструктуры. Отдельный подсчет параметров, выпуск весов или набор бенчмарков «интеллекта» для FlashX не публиковались.
Поддерживает ли GLM-5.3-FlashX мультимодальный ввод?
Базовый набор возможностей GLM-5.3-Flash — мультимодальный. Модальности, специфичные для провайдера и маршрута, следует подтверждать перед внедрением.
Открыты ли веса GLM-5.3-FlashX?
Базовые веса GLM-5.3-Flash доступны по лицензии MIT. FlashX представлен как высокоскоростной хостинговый вариант обслуживания, а не как отдельно выпущенный чекпоинт весов.
Есть ли отдельные бенчмарки для GLM-5.3-FlashX?
Отдельного набора бенчмарков «интеллекта» при запуске не публиковали. Текущие бенчмарки по качеству задач принадлежат GLM-5.3-Flash.