GLM-5.3 Flash: cepat, multimodal, dan murah

GLM-5.3 Flash terdaftar di OpenRouter pada 26 Agustus 2026. Tidak seperti GLM-5.3, model ini dibangun dari base model yang baru dilatih dengan arsitektur dan resep pelatihan yang dirancang ulang demi kemampuan serta efisiensi. Model ini memiliki total 320 miliar parameter, dengan hanya 18 miliar yang aktif per token.

Untuk pertama kalinya dalam seri GLM, Z.ai menggabungkan sparse dan linear attention dalam desain hybrid, yang secara drastis memangkas biaya serving konteks panjang sekaligus mempertahankan perilaku konteks panjang yang presisi. Z.ai menyatakan hal ini memangkas komputasi attention dan KV cache masing-masing sebesar 3.01× dan 4.44× dibandingkan GLM-5.3. Model ini juga menggunakan Manifold-Constrained Hyper-Connections (mHC) dan dilatih awal pada korpus multimodal sebesar 30 triliun token.

Di OpenRouter, GLM-5.3 Flash menerima teks, gambar, dan video, dengan context window sebesar 1,048,576 token dan output maksimum 943,718 token. Harganya $0.0052 per satu juta token input dan $0.1985 per satu juta token output — harga terendah dalam keluarga GLM-5 dengan selisih yang besar. Di platform Z.ai, kode modelnya adalah glm-5.3-flash, dengan konteks 1M, output hingga 128K token, dan input gambar melalui image_url.

Z.ai mengklaim GLM-5.3 Flash mengungguli GLM-5.2 di berbagai benchmark dan beban kerja dunia nyata dengan sepersepuluh harga, serta mendekati Claude Opus 4.8 dalam benchmark coding dan agentic. Bobot modelnya tersedia di Hugging Face sebagai zai-org/GLM-5.3-Flash di bawah lisensi MIT.

GLM-5.3 FlashX, yang terdaftar pada 18 September 2026, adalah varian berkecepatan tinggi dari GLM-5.3 Flash. Model ini dibangun di atas arsitektur hybrid attention yang sama dan menghadirkan kecepatan inferensi hingga 200 token per detik, menurut deskripsinya. Model ini menerima teks, gambar, dan video dengan konteks 1M-token tetapi menghasilkan maksimal sekitar 131K token per permintaan.

FlashX dibanderol seharga $0.37 per satu juta token input dan $1.25 per satu juta token output di OpenRouter serta tidak memiliki bobot publik. Pilih model ini ketika latensi lebih diutamakan daripada biaya; untuk sebagian besar kebutuhan lainnya, versi standar GLM-5.3 Flash jauh lebih murah.