GLM-5.3 Flash: rápido, multimodal e barato

O GLM-5.3 Flash foi lançado no OpenRouter em 26 de agosto de 2026. Diferente do GLM-5.3, ele parte de um modelo base recém-treinado, cuja arquitetura e receita de treinamento foram reformuladas com foco em capacidade e eficiência. Ele possui 320 bilhões de parâmetros no total, dos quais apenas 18 bilhões estão ativos por token.

Pela primeira vez na série GLM, a Z.ai combina atenção esparsa e linear em um design híbrido, o que reduz drasticamente o custo de inferência com contexto longo, mantendo um comportamento preciso em sequências extensas. A Z.ai afirma que isso reduz o processamento de atenção e a KV cache em 3.01× e 4.44× em comparação com o GLM-5.3. O modelo também utiliza Manifold-Constrained Hyper-Connections (mHC) e foi pré-treinado em um corpus multimodal de 30 trilhões de tokens.

No OpenRouter, o GLM-5.3 Flash aceita texto, imagens e vídeos, com uma janela de contexto de 1,048,576 tokens e uma saída máxima de 943,718 tokens. Ele custa $0.0052 por milhão de tokens de entrada e $0.1985 por milhão de tokens de saída — de longe os menores preços da família GLM-5. Na plataforma da Z.ai, o código do modelo é glm-5.3-flash, com contexto de 1M, até 128K tokens de saída e entrada de imagens via image_url.

A Z.ai afirma que o GLM-5.3 Flash supera o GLM-5.2 em benchmarks e casos de uso reais por um décimo do preço, aproximando-se do Claude Opus 4.8 em benchmarks de programação e agentes. Os pesos estão disponíveis no Hugging Face como zai-org/GLM-5.3-Flash sob a licença MIT.

O GLM-5.3 FlashX, lançado em 18 de setembro de 2026, é a variante de alta velocidade do GLM-5.3 Flash. Desenvolvido sobre a mesma arquitetura de atenção híbrida, ele atinge velocidades de inferência de até 200 tokens por segundo, de acordo com a sua descrição. Ele aceita texto, imagens e vídeos com contexto de 1M de tokens, mas retorna no máximo cerca de 131K tokens por requisição.

O FlashX custa $0.37 por milhão de tokens de entrada e $1.25 por milhão de tokens de saída no OpenRouter e não possui pesos públicos. Escolha-o quando a latência for mais importante do que o custo; para a maioria das outras tarefas, o GLM-5.3 Flash padrão é muito mais econômico.