English(EN) GLM-5.3-Flash: How Z.ai Built a 320B MoE That Runs at 1/10th the Cost of Its Predecessor

Z.ai 发布开源 GLM-5.3-Flash 多模态 MoE 模型

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-26 16:06

Z.ai 发布了 GLM-5.3-Flash，这是一款新的 3200 亿参数的混合专家（MoE）模型，原生支持多模态且开源。该模型采用混合注意力架构，结合了稀疏注意力和线性注意力，能够高效处理 100 万 token 的上下文窗口。Z.ai 声称，GLM-5.3-Flash 在编码和智能体基准测试上的表现优于其前代模型，同时推理成本显著降低，并且在性能上接近 Claude Opus 4.8。 AI

影响在编码基准测试上设定了新的 SOTA（State-of-the-Art），且成本显著降低，可能加速多模态和长上下文模型的采用。

排序理由前沿实验室模型发布，附带系统卡。[lever_c_demoted from frontier_release: ic=1 ai=1.0]

在 dev.to — LLM tag 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 86 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Significant; 前沿实验室模型发布，附带系统卡。[lever_c_demoted from frontier_release: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: model release, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

dev.to — LLM tag TIER_1 English(EN) · Prabhakar Chaudhary · 2026-08-26 16:06

GLM-5.3-Flash：Z.ai 如何构建了一个成本仅为前代十分之一的 320B MoE

<h1> GLM-5.3-Flash: How Z.ai Built a 320B MoE That Runs at 1/10th the Cost of Its Predecessor </h1> <p>Z.ai released <a href="https://www.testingcatalog.com/z-ai-launches-glm-5-3-flash-under-mit-license/" rel="noopener noreferrer">GLM-5.3-Flash</a> today under the MIT license — a…

本文如何被排名

报道来源 [1]

GLM-5.3-Flash：Z.ai 如何构建了一个成本仅为前代十分之一的 320B MoE

相关实体

相关话题