SambaNova bringer GLM-5.3 til SambaCloud med over 200 tokens i sekundet

SambaNova Systems oplyste den 11. november 2026, at Z.ai’s GLM-5.3-model med åbne vægte er tilgængelig på virksomhedens inferenstjeneste SambaCloud med en hastighed på over 200 tokens i sekundet. Udviklere kan få adgang til modellen via SambaClouds legeplads, en API og integrationer til kodningsagenter.

Z.ai introducerede GLM-5.3 den 14. august 2026 med samme grundmodel som GLM-5.2 og tilskrev det nyere systems fremskridt yderligere eftertræning på tværs af flere miljøer, mere varierede opgaver og større regnekraft. SambaNovas meddelelse tilføjer en hostet implementering af den eksisterende model. Den er tiltænkt komplekse softwareudviklingsopgaver og agentopgaver med lang tidshorisont, der omfatter sekvenser af indbyrdes afhængige trin.

Hvad sporingen af agentkørslen viser

SambaNova leverede en sporing fra en eksempelvis agentkørsel på SambaCloud for at illustrere disse krav. Kørslen foretog 41 modelkald over 17 minutter og 30 sekunder, behandlede 5,4 millioner inputtokens og genererede lige under 42.000 outputtokens. Da den akkumulerede kontekst blev sendt igen ved hver tur, voksede inputmængden fra 38.000 tokens ved det første kald til over 114.000 ved det ottende. Outputtene forblev små: nogle få hundrede tokens med ræsonnement og et værktøjskald, og over 91 % af inputtet blev leveret fra cachen.

Dette mønster forklarer fokusset på leveringshastighed. Agentforløb sender gentagne gange lange kontekster tilbage til modellen, mens de kun beder om en kort næste handling, så forsinkelsen ved hvert kald hober sig op gennem sekvensen. SambaNova fremhæver sin rapporterede gennemstrømning som en måde at holde disse trin korte på, mens cachetallet viser, hvor meget arbejdsbelastningen genbruger tidligere kontekst.

Eftertræning og rapporterede resultater

Z.ai oplyser, at deres eftertræningsmiljøer var udformet, så de lignede professionelt arbejde, herunder opgaver, der kunne beskæftige en erfaren ingeniør i flere dage. I et scenarie inden for maskinlæringsinfrastruktur får modellen adgang til computerklynger, lagringssystemer, intern dokumentation, kodebaser og forsøgsresultater. Den skal diagnosticere flaskehalse på tværs af en træningsstak, implementere optimeringer, køre eksperimenter og levere en målbar hastighedsforbedring fra start til slut, samtidig med at korrektheden bevares.

Z.ai rapporterer, at GLM-5.3 forbedrede sig fra 4,6 til 28,3 på Terminal-Bench 3.0, fra 46,2 til 66,9 på DeepSWE v1.1 og fra 23,8 til 28,5 på Agents’ Last Exam. Sammenligningerne placerer fremskridtene inden for terminalarbejde, softwareudvikling og generelle agentopgaver – de samme kategorier, som SambaNova retter denne implementering mod.

På sin private Code Bench rapporterer Z.ai, at GLM-5.3 opnåede 31,4 % ved høj indsats med omkring 50.000 outputtokens pr. opgave, sammenlignet med Claude Opus 4.8, der opnåede 29,5 % med 120.000 tokens. GLM-5.3 lå fortsat efter Claude Fable 5, som opnåede 39,5 % ved maksimal indsats. Det er et konkret effektivitetsresultat: GLM-5.3 genererede færre tokens og scorede højere end Opus 4.8 i denne test, men Z.ai’s egen sammenligning placerer stadig Fable 5 foran.

Adgang via API og kodningsagenter

På SambaCloud kaldes modellen med modelstrengen GLM-5.3. SambaNovas Python-eksempel sender anmodninger om chat completions til https://api.sambanova.ai/v1 og angiver reasoning_effort til max, det niveau, Z.ai anbefaler til kodning. Udviklere kan bruge en API-nøgle eller afprøve modellen i SambaClouds legeplads.

ZCode kan bruge SambaCloud via udbyderindstillinger, der er kompatible med OpenAI eller Anthropic, med en basis-URL, API-nøgle og GLM-5.3 valgt i modelmenuen. SambaNova oplyser, at den samme ændring af basis-URL også fungerer med Claude Code, OpenCode og Codex CLI. For Codex bliver udviklere instrueret i at bruge Responses API-endpointet og angive modellens understøttede ræsonneringsniveauer i deres modelkatalog.

GLM-5.3 understøtter lav, høj og maksimal ræsonneringsindsats, og tænkning kan ikke deaktiveres. Z.ai oplyser, at applikationer, der stadig bruger thinking.type: "disabled" skal aktivere tænkning og indstille ræsonneringsindsatsen til lav, før model-id’et opdateres; ellers vil anmodningerne mislykkes.

For teams, der evaluerer hostet inferens til agenter, er forskellen vigtig: benchmarkresultater beskriver, hvad en model kan fuldføre, mens sporingen viser det gentagne arbejde med at levere svar, der kræves for at fuldføre opgaven. SambaNovas implementering retter sig mod den anden del af problemet og gør hastigheden pr. kald og genbrug af cache lige så relevante for brugeroplevelsen som GLM-5.3’s rapporterede opgaveresultater.