SambaNova intègre GLM-5.3 à SambaCloud à plus de 200 jetons par seconde

SambaNova Systems a annoncé le 11 novembre 2026 que le modèle GLM-5.3 à poids ouverts de Z.ai était disponible sur son service d’inférence SambaCloud à plus de 200 jetons par seconde. Les développeurs peuvent accéder au modèle depuis l’environnement de test SambaCloud, au moyen d’une API et grâce à des intégrations pour les agents de programmation.

Z.ai a présenté GLM-5.3 le 14 août 2026. Le modèle repose sur le même modèle de base que GLM-5.2, et Z.ai attribue les progrès du nouveau système à un post-entraînement supplémentaire mené dans davantage d’environnements, sur des tâches plus variées et avec plus de puissance de calcul. L’annonce de SambaNova ajoute un déploiement hébergé pour ce modèle existant. Celui-ci est destiné notamment aux travaux complexes de génie logiciel et aux tâches agentiques de longue durée, qui comportent des enchaînements d’étapes dépendantes.

Ce que révèle la trace de l’agent

SambaNova a fourni une trace d’exécution d’un agent sur SambaCloud pour illustrer ces exigences. L’agent a effectué 41 appels au modèle en 17 minutes et 30 secondes, traitant 5,4 millions de jetons en entrée tout en générant un peu moins de 42 000 jetons en sortie. Comme le contexte cumulé était renvoyé à chaque tour, le volume d’entrée est passé de 38 000 jetons lors du premier appel à plus de 114 000 au huitième. Les sorties sont restées courtes : quelques centaines de jetons contenant un raisonnement et un appel d’outil. Plus de 91 % des jetons en entrée ont été servis depuis le cache.

Ce schéma explique l’importance accordée à la vitesse de traitement. Les boucles agentiques renvoient régulièrement de longs contextes au modèle tout en ne demandant qu’une prochaine action brève, de sorte que la latence de chaque appel s’accumule au fil de la séquence. SambaNova présente le débit annoncé comme un moyen de raccourcir ces étapes, tandis que le taux de mise en cache montre à quel point la charge de travail réutilise le contexte précédent.

Post-entraînement et résultats annoncés

Z.ai indique que ses environnements de post-entraînement ont été conçus pour reproduire des conditions de travail professionnelles, avec notamment des tâches susceptibles d’occuper un ingénieur expérimenté pendant plusieurs jours. Dans un scénario d’infrastructure d’apprentissage automatique, le modèle a accès à des grappes de calcul, à des systèmes de stockage, à de la documentation interne, à des bases de code et à des résultats d’expériences. Il doit repérer les goulots d’étranglement dans une chaîne d’entraînement, mettre en œuvre des optimisations, mener des expériences et obtenir un gain mesurable de vitesse de bout en bout, tout en préservant l’exactitude.

Z.ai indique que GLM-5.3 est passé de 4,6 à 28,3 sur Terminal-Bench 3.0, de 46,2 à 66,9 sur DeepSWE v1.1 et de 23,8 à 28,5 sur Agents’ Last Exam. Ces comparaisons mettent en évidence les progrès dans l’utilisation du terminal, le génie logiciel et les tâches agentiques générales, soit les mêmes catégories que SambaNova cible avec ce déploiement.

Sur son banc d’essai privé Code Bench, Z.ai indique que GLM-5.3 a atteint 31,4 % avec le niveau d’effort élevé, en générant environ 50 000 jetons de sortie par tâche. En comparaison, Claude Opus 4.8 a obtenu 29,5 % avec 120 000 jetons. GLM-5.3 est toutefois resté derrière Claude Fable 5, qui a atteint 39,5 % avec le niveau d’effort maximal. Il s’agit d’un résultat précis en matière d’efficacité : lors de ce test, GLM-5.3 a généré moins de jetons et obtenu un meilleur score qu’Opus 4.8, mais la comparaison de Z.ai place toujours Fable 5 devant.

Accès par API et par agent de programmation

Sur SambaCloud, le modèle est appelé à l’aide de la chaîne de modèle GLM-5.3. L’exemple Python de SambaNova envoie des requêtes de complétion de chat à https://api.sambanova.ai/v1 et définit reasoning_effort sur max, le niveau recommandé par Z.ai pour le codage. Les développeurs peuvent utiliser une clé API ou tester le modèle dans l’environnement de test SambaCloud.

ZCode peut utiliser SambaCloud au moyen de paramètres de fournisseur compatibles avec OpenAI ou Anthropic, avec une URL de base, une clé API et GLM-5.3 sélectionné dans le menu des modèles. SambaNova indique que le même changement d’URL de base fonctionne avec Claude Code, OpenCode et Codex CLI. Pour Codex, les développeurs doivent utiliser le point de terminaison de l’API Responses et déclarer les niveaux de raisonnement pris en charge par le modèle dans leur catalogue de modèles.

GLM-5.3 prend en charge les niveaux d’effort de raisonnement faible, élevé et maximal, et il est impossible de désactiver le raisonnement. Z.ai indique que les applications qui utilisent encore thinking.type: "disabled" doivent activer le raisonnement et régler le niveau d’effort de raisonnement sur faible avant de mettre à jour l’identifiant du modèle ; sinon, les requêtes échoueront.

Pour les équipes qui évaluent l’inférence hébergée pour les agents, cette distinction est importante : les résultats aux tests de performance indiquent ce qu’un modèle peut accomplir, tandis que la trace révèle le travail répété nécessaire au traitement pour y parvenir. Le déploiement de SambaNova vise ce second aspect du problème : la vitesse de chaque appel et la réutilisation du cache comptent autant pour l’expérience utilisateur que les résultats annoncés de GLM-5.3 aux tests de tâches.