SambaNova přináší GLM-5.3 do SambaCloud rychlostí přes 200 tokenů za sekundu

SambaNova Systems 11. listopadu 2026 uvedla, že model GLM-5.3 od Z.ai s otevřenými vahami je dostupný v její inferenční službě SambaCloud rychlostí přes 200 tokenů za sekundu. Vývojáři k němu mají přístup prostřednictvím prostředí SambaCloud Playground, rozhraní API a integrací pro programovací agenty.

Z.ai představil GLM-5.3 14. srpna 2026. Vychází ze stejného základního modelu jako GLM-5.2 a Z.ai připisuje zlepšení novějšího systému dodatečnému následnému trénování v širším spektru prostředí a rozmanitějších úloh, při němž bylo využito více výpočetního výkonu. Oznámení SambaNova přidává pro tento již existující model nasazení provozované v cloudu. Model je určen mimo jiné pro komplexní softwarové inženýrství a dlouhodobé úlohy agentů, které zahrnují řadu navazujících kroků.

Co ukazuje záznam průběhu agenta

SambaNova předložila záznam ukázkového běhu agenta v prostředí SambaCloud, aby ilustrovala náročnost těchto úloh. Během 17 minut a 30 sekund model provedl 41 volání, zpracoval 5,4 milionu vstupních tokenů a vygeneroval necelých 42 000 výstupních tokenů. Protože se při každém kroku znovu odesílal dosavadní kontext, počet vstupních tokenů vzrostl z 38 000 při prvním volání na více než 114 000 při osmém. Výstupy zůstávaly krátké: tvořilo je několik set tokenů obsahujících uvažování a volání nástroje. Z mezipaměti se přitom načítalo více než 91 % vstupních dat.

Tento průběh vysvětluje, proč je kladen důraz na rychlost obsluhy požadavků. Smyčky agentů opakovaně posílají modelu dlouhé kontexty, ale žádají pouze o krátkou následující akci, takže se latence jednotlivých volání v průběhu sekvence sčítá. SambaNova prezentuje uváděnou propustnost jako způsob, jak tyto kroky zkrátit, zatímco údaj o využití mezipaměti ukazuje, jak často úloha znovu používá dřívější kontext.

Následné trénování a uváděné výsledky

Z.ai uvádí, že prostředí pro následné trénování navrhl tak, aby odpovídala podmínkám profesionální práce, včetně úloh, které by zkušenému inženýrovi mohly zabrat několik dní. V jednom scénáři z oblasti infrastruktury strojového učení získá model přístup k výpočetním clusterům, úložným systémům, interní dokumentaci, zdrojovým kódům a výsledkům experimentů. Musí odhalit úzká místa v celém trénovacím systému, provést optimalizace, spustit experimenty a dosáhnout měřitelného zrychlení celého procesu, aniž by ohrozil správnost.

Z.ai uvádí, že výsledek GLM-5.3 se v testu Terminal-Bench 3.0 zlepšil ze 4,6 na 28,3, v DeepSWE v1.1 ze 46,2 na 66,9 a v Agents’ Last Exam z 23,8 na 28,5. Srovnání zachycují zlepšení v práci s terminálem, softwarovém inženýrství a obecných úlohách agentů — tedy ve stejných oblastech, na které se SambaNova zaměřuje tímto nasazením.

V interním testu Code Bench společnosti Z.ai dosáhl GLM-5.3 při vysoké úrovni úsilí (High) skóre 31,4 % a na jeden úkol spotřeboval přibližně 50 000 výstupních tokenů. Claude Opus 4.8 dosáhl skóre 29,5 % při spotřebě 120 000 tokenů. GLM-5.3 však zaostal za Claude Fable 5, který při maximální úrovni úsilí (Max) dosáhl 39,5 %. Jde o konkrétní výsledek z hlediska efektivity: GLM-5.3 v tomto testu vygeneroval méně tokenů a dosáhl vyššího skóre než Opus 4.8, ale podle vlastního srovnání Z.ai je Fable 5 stále před ním.

Přístup přes API a programovací agenty

V prostředí SambaCloud se model volá pomocí řetězce identifikujícího model GLM-5.3. Ukázkový kód SambaNova v jazyce Python odesílá požadavky na dokončení chatu na adresu https://api.sambanova.ai/v1 a nastavuje reasoning_effort na hodnotu max, což je úroveň, kterou Z.ai doporučuje pro programování. Vývojáři mohou použít klíč API nebo model vyzkoušet v prostředí SambaCloud Playground.

ZCode lze používat se SambaCloud prostřednictvím nastavení poskytovatele kompatibilního s OpenAI nebo Anthropic; stačí zadat základní URL a klíč API a vybrat GLM-5.3 v nabídce modelů. SambaNova uvádí, že stejná změna základní URL funguje také s Claude Code, OpenCode a Codex CLI. U Codexu se vývojářům doporučuje použít koncový bod rozhraní Responses API a v katalogu modelů uvést podporované úrovně uvažování daného modelu.

GLM-5.3 podporuje nízkou, vysokou a maximální úroveň úsilí při uvažování; režim uvažování nelze vypnout. Z.ai uvádí, že aplikace, které stále používají thinking.type: "disabled" , musí před aktualizací ID modelu zapnout režim uvažování a nastavit úroveň úsilí při uvažování na nízkou; jinak požadavky selžou.

Pro týmy, které vyhodnocují inferenci agentů provozovanou v cloudu, je důležité rozlišovat mezi výsledky benchmarků, které ukazují, jaké úlohy model dokáže dokončit, a záznamem průběhu, jenž odhaluje opakovanou práci při obsluze požadavků nutnou k jejich dokončení. Nasazení SambaNova se zaměřuje na druhou část problému, takže rychlost jednotlivých volání a opakované využívání mezipaměti jsou pro uživatelský dojem stejně důležité jako uváděné výsledky GLM-5.3 v jednotlivých úlohách.