GLM-5.3 Flash: veloce, multimodale ed economico

GLM-5.3 Flash è stato aggiunto su OpenRouter il 26 agosto 2026. A differenza di GLM-5.3, parte da un modello base addestrato ex novo, la cui architettura e strategia di training sono state riprogettate per massimizzare capacità ed efficienza. Conta 320 miliardi di parametri totali, di cui solo 18 miliardi attivi per token.

Per la prima volta nella serie GLM, Z.ai combina sparse e linear attention in un design ibrido, riducendo drasticamente i costi di serving a contesti lunghi pur mantenendo un comportamento impeccabile sul long-context. Z.ai afferma che ciò riduce il calcolo dell'attenzione e la cache KV rispettivamente di 3.01× e 4.44× rispetto a GLM-5.3. Il modello impiega anche Manifold-Constrained Hyper-Connections (mHC) ed è stato pre-addestrato su un corpus multimodale da 30 mila miliardi di token.

Su OpenRouter, GLM-5.3 Flash supporta testo, immagini e video, con una context window di 1,048,576 token e un output massimo di 943,718 token. Il costo è di $0.0052 per milione di token di input e $0.1985 per milione di token di output: i prezzi più bassi dell'intera famiglia GLM-5 con ampio distacco. Sulla piattaforma di Z.ai il codice del modello è glm-5.3-flash, con contesto da 1M, fino a 128K token di output e supporto per immagini tramite image_url.

Z.ai sostiene che GLM-5.3 Flash superi GLM-5.2 nei benchmark e nei carichi di lavoro reali a un decimo del prezzo, avvicinandosi a Claude Opus 4.8 nei benchmark di coding e agentici. I pesi sono disponibili su Hugging Face come zai-org/GLM-5.3-Flash con licenza MIT.

GLM-5.3 FlashX, introdotto il 18 settembre 2026, è la variante ad alta velocità di GLM-5.3 Flash. Si basa sulla stessa architettura ad attenzione ibrida e garantisce velocità di inferenza fino a 200 token al secondo, in base alla sua descrizione. Accetta testo, immagini e video con un contesto da 1M di token, ma restituisce al massimo circa 131K token per richiesta.

FlashX ha un prezzo di $0.37 per milione di token di input e $1.25 per milione di token di output su OpenRouter e non offre pesi pubblici. Sceglilo quando la latenza è più importante del costo; per quasi tutte le altre esigenze, il normale GLM-5.3 Flash è decisamente più economico.