GLM-5.3-Flash

GLM-5.3-Flash é o primeiro modelo nativamente multimodal da série GLM-5, com 320B de parâmetros totais e 18B ativos e uma arquitetura híbrida de atenção esparsa mais atenção linear que reduz o cálculo de atenção em 3,01x e o tamanho do cache KV em 4,44x em relação ao GLM-5.3. Ele entende imagens, vídeos e documentos nativamente, observa interfaces e saída renderizada durante ciclos de codificação e conduz tarefas entre código, navegadores e interfaces gráficas. Também lida com entregáveis profissionais como PPTX, PDF, DOCX e XLSX. O modelo aceita entradas de texto, imagem, vídeo e arquivo e retorna texto, com uma janela de contexto de 1M tokens e até 128K tokens de saída. O modo de raciocínio só suporta ativado. Os preços originais mostrados aqui são os preços de tabela oficiais em CNY convertidos a 7,1 CNY por USD: CNY 0,80 por 1M tokens de entrada sem cache, CNY 0,23 por 1M tokens de entrada com acerto de cache e CNY 2,80 por 1M tokens de saída. O armazenamento em cache está atualmente gratuito por tempo limitado. A variante mais rápida GLM-5.3-FlashX é exposta sob o nome de modelo separado glm-5.3-flashx.