GLM 5.3 — флагманская языковая модель китайской компании Z.ai (бывшая Zhipu AI), представленная в августе 2026 года. Модель построена на архитектуре Mixture-of-Experts: около 750 млрд параметров в сумме и 40 млрд активных на каждый токен. Контекстное окно — миллион токенов, максимальный ответ — 128 тысяч. Разработчик делает ставку на кодинг, агентные сценарии и длинный контекст, а не на универсальный чат.
Отдельно стоит GLM-5.3-Flash: компактная версия на 320 млрд параметров (18 млрд активных) с нативной мультимодальностью и лицензией MIT. Она в десять раз дешевле флагмана и почти не отстаёт от него в независимых рейтингах — это главный аргумент для разработчиков, которые считают бюджет токенов.
Что такое GLM 5.3 и чем она отличается от предыдущих версий
Семейство GLM развивается с 2022 года, а в 2026-м Z.ai перешла на конвейерный ритм: GLM-5 вышла в феврале, GLM-5.1 — в апреле, GLM-5.2 — в июне, GLM-5.3 — в августе. Формально 5.3 — это не новая база, а масштабное длинногоризонтное дообучение GLM-5.2 на реальных кластерах, кодовых базах и документах. По заявлениям разработчика, ощущения от программирования улучшились примерно на 50%.
Практический итог дообучения заметен в цифрах: результат на Terminal-Bench 3.0 вырос с 4,6 до 28,3 балла, на DeepSWE v1.1 — с 46,2 до 66,9%. При этом важно понимать, что прирост касается прежде всего длинных задач в коде и терминале — многошаговой отладки, работы с окружением, последовательных вызовов инструментов, а не «агентности вообще».
Ключевые характеристики GLM 5.3
- Контекстное окно 1 048 000 токенов — в один запрос помещается крупная кодовая база, несколько связанных документов или длинная история агентной сессии.
- Режим рассуждений (thinking) — модель разбирает задачу по шагам, а несколько уровней усилий позволяют балансировать между глубиной ответа и задержкой.
- Tool calling и поддержка MCP — модель вызывает внешние функции, поисковые сервисы, базы данных и источники данных через протокол Model Context Protocol.
- Кэширование контекста — повторяющиеся фрагменты диалога считаются по сниженному тарифу, что удешевляет длинные сессии.
- Открытые веса — флагман опубликован 28 августа 2026 года; Flash распространяется под лицензией MIT и доступна на Hugging Face.
Есть и ограничения: флагман принимает только текст (нет vision-модальности), строгий JSON-режим в ряде провайдеров не заявлен, а для локального запуска нужны серьёзные объёмы памяти — от 217 ГБ даже в сжатом виде.
GLM-5.3-Flash: дешёвая мультимодальная версия
Flash — не дистилляция флагмана, а отдельно обученная модель на 30 трлн мультимодальных токенов. В архитектуре впервые для серии GLM применена гибридная схема внимания: sparse attention в сочетании с linear attention снижает вычисления на длинных контекстах примерно в три раза, а объём KV-кэша — в 4,4 раза. Технология Manifold-Constrained Hyper-Connections (mHC) улучшает стабильность и масштабирование обучения.
Текст и изображения обрабатываются в едином пространстве представлений — без внешних адаптеров. Для локального инференса поддерживаются SGLang, vLLM, TokenSpeed и KTransformers: на Mac Studio со 128–256 ГБ объединённой памяти модель выдаёт 26–41 токен в секунду в 4-битном квантовании.
Тесты производительности: что показывают бенчмарки
Независимый индекс Artificial Analysis оценивает флагман GLM 5.3 в 45 баллов, Flash — в 42. Для сравнения: у DeepSeek V4.1 Flash — 39 баллов. В отчётах NIST CAISI от сентября 2026 года GLM 5.3 названа самой киберспособной открытой моделью на тот момент.
| Бенчмарк | GLM 5.3 | Конкуренты |
|---|---|---|
| Terminal-Bench 3.0 | 28,3 | 4,6 у GLM-5.2 — самый большой скачок в серии |
| DeepSWE v1.1 | 66,9% | Flash — 63,4% |
| CyberGym | 84,5% | Mythos 5 — 83,8%, GPT-5.6 Sol — 83,6% |
| Z.ai Code Bench (High effort) | 31,4% | Claude Opus 4.8 — 29,5% |
| AutomationBench | 48,2% | лидер среди сравниваемых моделей |
Показателен расход токенов: в Code Bench GLM 5.3 обошла Opus 4.8, израсходовав около 50 тысяч выходных токенов на задачу против 120 тысяч у конкурента. Меньше многословия — ниже счёт за API.
Но цифры от вендора стоит читать критично. На ExploitBench модель набирает лишь 54,4% против 78% у лидера — Z.ai объясняет это намеренно жёстким риск-ревью. Сравнение с Gemini 3.1 Pro по опубликованным числам некорректно: тесты прогонялись на разных версиях бенчмарков. А у Grok 4.7 и Anthropic есть задачи, где они уверенно впереди. Вывод из всех сравнений один: GLM 5.3 выигрывает одни нагрузки и проигрывает другие, поэтому бенчмарк — стартовая гипотеза, а не гарантия.
Скорость и цены API
По замерам Artificial Analysis флагман генерирует около 89 токенов в секунду, первый токен приходит через 2,65 секунды. Flash стримит около 52 ток/с с задержкой первого токена 3,18 секунды, но сильно быстрее в агентных пайплайнах за счёт меньшего числа активных параметров.
| Модель | Вход, $/1 млн | Выход, $/1 млн | Контекст | Лицензия |
|---|---|---|---|---|
| GLM 5.3 (флагман) | 1,40 | 4,40 | 1 млн | открытые веса |
| GLM 5.3 Flash | 0,15 | 0,50 | 1 млн | MIT |
| Claude Opus 4.8 | ~2,00 | ~6,00 | 200K | проприетарная |
| Grok 4.7 | 2,00 | 6,00 | 500K | проприетарная |
| DeepSeek V4.1 Flash | ~0,20 | ~0,80 | 200K | открытые веса |
Итого blended-стоимость Flash — около $0,10 за миллион токенов, что в 12–13 раз дешевле Grok 4.7 при сопоставимых результатах на кодинге. Стоимость запуска полного индекса интеллекта у флагмана — порядка $2500, у Flash — $280, что хорошо показывает разницу в цене одного и того же объёма работы.
Сравнение с конкурентами: когда выбирать GLM 5.3
GLM 5.3 против Claude и GPT
На агентном кодинге флагман Z.ai держится на уровне топовых закрытых моделей, выигрывая в цене и расходе токенов, но уступая в задачах на безопасность и часть reasoning-нагрузок. Проприетарные модели по-прежнему сильнее в мультимодальности и строгих структурированных форматах.
GLM 5.3 против DeepSeek V4.1 Flash
DeepSeek быстрее в 3–4 раза и на порядок дешевле, поэтому для рутинного кодинга разумно ставить его по умолчанию, а GLM 5.3 подключать точечно — для длинных терминальных задач и сценариев, где Flash застревает. Такой каскад экономит и деньги, и время: основная масса вызовов идёт по низкой цене, дорогая модель включается только при повторных неудачах.
GLM 5.3 Flash против Grok 4.7
По сводному индексу LLM Stats модели близки — 48,6 против 46,6 балла, но Flash в 12 раз дешевле и принимает вдвое больший контекст. Для массовых агентных пайплайнов с тысячами вызовов в день эта разница превращается в заметную статью бюджета.
Архитектура и обучающие данные: почему модель эффективна
Основу GLM 5.3 составляет MoE-архитектура с сотнями экспертов, из которых на каждый токен активируются лишь десятки. Такой подход даёт плотный уровень интеллекта при невысокой стоимости инференса: на каждый токен читаются только активные веса, поэтому пропускная способность памяти становится главным фактором скорости генерации. Пост-обучение флагмана прошло на асинхронном RL-фреймворке slime, а серия GLM-5 первой интегрировала разреженное внимание DeepSeek Sparse Attention.
Flash обучена на мультимодальном корпусе объёмом 30 трлн токенов: текст и картинки попадают в одно пространство представлений, что упрощает развёртывание и делает ответы согласованными. Ставка не на рост числа параметров, а на эффективность архитектуры — именно она даёт десятикратную экономию при уровне, близком к проприетарным флагманам.
Квантование и требования к железу
Квантование — это сжатие весов: вместо 16 бит на число хранятся 2–4 бита, файл уменьшается в разы при небольшой потере точности. Для Flash 4-битная сборка требует около 200 ГБ, 2–3-битные укладываются в 102–120 ГБ. Скорость генерации почти целиком определяется пропускной способностью памяти: при 4 битах на токен приходится около 10 ГБ активных весов против 180 ГБ, если бы все 320 млрд параметров работали одновременно.
Плюсы и минусы GLM 5.3
- Плюсы: контекст в миллион токенов, сильный агентный кодинг, открытые веса, MIT-лицензия у Flash, нативная мультимодальность, агрессивные цены, поддержка локального инференса.
- Минусы: у флагмана нет vision, скорость генерации ниже, чем у ряда конкурентов, результаты бенчмарков опубликованы самим вендором, для самостоятельного запуска нужны 128–512 ГБ памяти.
Как попробовать GLM 5.3
Самый быстрый путь — веб-чат Z.ai или любой API-провайдер с OpenAI-совместимым эндпоинтом: идентификаторы моделей — glm-5.3 и glm-5.3-flash. Для локального запуска подойдёт только Flash: скачивайте квантованные сборки с Hugging Face, при необходимости поднимите лимит видеоядра на Mac и держите контекст коротким на младших квантах. Если вы только начинаете разбираться в генеративных моделях и хотите понять, какая нейросеть подойдёт под ваши задачи, полезно изучить подробные обзоры нейросетей на информационном портале детинейросети.рф — там собраны материалы о возможностях искусственного интеллекта и сравнения актуальных моделей.
Частые вопросы о GLM 5.3
GLM 5.3 лучше ChatGPT и Claude?
В агентном кодинге и длинных терминальных задачах — на уровне флагманов, а по цене за токен дешевле в разы. В мультимодальности, тонком reasoning и экосистеме (плагины, интеграции) закрытые модели всё ещё впереди.
Можно ли запустить GLM 5.3 локально?
Флагман — только на оборудовании с 256–512 ГБ памяти. Flash работает на Mac со 128 ГБ в 2–3-битном квантовании и на 256 ГБ в 4-битном, со скоростью 26–41 ток/с.
Сколько стоит доступ к GLM 5.3?
Флагман — $1,40 за миллион входных и $4,40 за миллион выходных токенов; Flash — $0,15 и $0,50 соответственно, с кэш-попаданиями ещё дешевле. Периодически провайдеры дают скидки до 50%.
GLM 5.3 бесплатная?
Веб-чат Z.ai доступен бесплатно, веса Flash можно скачать под лицензией MIT. За API и за объёмную обработку токенов платить придётся.
Итог: стоит ли переходить на GLM 5.3
GLM 5.3 — убедительный аргумент в пользу того, что открытые модели догнали закрытые флагманы в кодинге и агентных сценариях. Флагман берёт глубиной и длинным контекстом, Flash — ценой, скоростью и мультимодальностью. Практичная стратегия для команды: начать с Flash как рабочего по умолчанию, держать флагман как эскалацию для сложных многошаговых задач и сверять свои промпты с опубликованными бенчмарками — именно так цифры превращаются в измеримую пользу.
