SambaNova porta GLM-5.3 su SambaCloud a oltre 200 token al secondo

SambaNova Systems ha dichiarato l’11 novembre 2026 che il modello GLM-5.3 open-weight di Z.ai è disponibile sul suo servizio di inferenza SambaCloud a oltre 200 token al secondo. Gli sviluppatori possono accedere al modello tramite l’ambiente di prova di SambaCloud, un’API e integrazioni per agenti di programmazione.

Z.ai ha presentato GLM-5.3 il 14 agosto 2026, utilizzando lo stesso modello di base di GLM-5.2 e attribuendo i miglioramenti del nuovo sistema a un ulteriore post-addestramento in più ambienti, su attività più diversificate e con maggiori risorse di calcolo. L’annuncio di SambaNova aggiunge una distribuzione ospitata per questo modello già esistente. Tra gli impieghi previsti figurano attività complesse di ingegneria del software e compiti agentici di lunga durata, articolati in sequenze di passaggi interdipendenti.

Cosa mostra la traccia dell’agente

SambaNova ha fornito la traccia di un’esecuzione di esempio di un agente su SambaCloud per illustrare queste esigenze. L’esecuzione ha effettuato 41 chiamate al modello in 17 minuti e 30 secondi, elaborando 5,4 milioni di token in ingresso e generando poco meno di 42.000 token in uscita. Poiché a ogni turno veniva reinviato il contesto accumulato, l’input è passato da 38.000 token alla prima chiamata a oltre 114.000 all’ottava. Gli output sono rimasti contenuti: poche centinaia di token con ragionamento e una chiamata a uno strumento; oltre il 91% dell’input è stato servito dalla cache.

Questo andamento spiega l’enfasi sulla velocità di elaborazione. I cicli degli agenti inviano ripetutamente al modello contesti lunghi, chiedendo soltanto una breve azione successiva; di conseguenza, la latenza di ogni chiamata si accumula nel corso della sequenza. SambaNova presenta il throughput dichiarato come un modo per mantenere brevi questi passaggi, mentre il dato relativo alla cache dimostra quanto il carico di lavoro riutilizzi il contesto precedente.

Post-addestramento e risultati dichiarati

Z.ai afferma che i propri ambienti di post-addestramento sono stati progettati per riprodurre situazioni di lavoro professionali, comprese attività che potrebbero impegnare per diversi giorni un ingegnere esperto. In uno scenario di infrastruttura per l’apprendimento automatico, il modello può accedere a cluster di calcolo, sistemi di archiviazione, documentazione interna, basi di codice e risultati degli esperimenti. Deve individuare i colli di bottiglia nell’intero stack di addestramento, implementare ottimizzazioni, condurre esperimenti e ottenere un miglioramento misurabile della velocità da un capo all’altro, mantenendo al contempo la correttezza.

Z.ai riferisce che GLM-5.3 è passato da 4,6 a 28,3 su Terminal-Bench 3.0, da 46,2 a 66,9 su DeepSWE v1.1 e da 23,8 a 28,5 su Agents’ Last Exam. I confronti collocano i miglioramenti nelle attività da terminale, nell’ingegneria del software e nei compiti agentici generali, le stesse categorie a cui SambaNova si rivolge con questa distribuzione.

Nel proprio Code Bench privato, Z.ai riferisce che GLM-5.3 ha raggiunto il 31,4% con livello di impegno High e circa 50.000 token in uscita per attività, rispetto al 29,5% e ai 120.000 token di Claude Opus 4.8. GLM-5.3 è rimasto indietro rispetto a Claude Fable 5, che ha raggiunto il 39,5% con livello di impegno Max. Si tratta di un risultato specifico in termini di efficienza: in questo test GLM-5.3 ha generato meno token e ottenuto un punteggio superiore a Opus 4.8, ma il confronto condotto da Z.ai colloca comunque Fable 5 al primo posto.

Accesso tramite API e agenti di programmazione

Su SambaCloud, per chiamare il modello si usa la stringa del modello GLM-5.3. L’esempio Python di SambaNova invia richieste di completamento della chat a https://api.sambanova.ai/v1 e imposta reasoning_effort su max, il livello che Z.ai consiglia per la programmazione. Gli sviluppatori possono usare una chiave API o provare il modello nell’ambiente di prova di SambaCloud.

ZCode può usare SambaCloud tramite le impostazioni del provider compatibili con OpenAI o Anthropic, specificando un URL di base e una chiave API e selezionando GLM-5.3 dal menu dei modelli. SambaNova afferma che la stessa modifica dell’URL di base funziona con Claude Code, OpenCode e Codex CLI. Per Codex, agli sviluppatori viene indicato di usare l’endpoint dell’API Responses e di dichiarare nel catalogo dei modelli i livelli di ragionamento supportati dal modello.

GLM-5.3 supporta livelli di impegno nel ragionamento basso, alto e massimo; la modalità di ragionamento non può essere disattivata. Z.ai afferma che le applicazioni che usano ancora thinking.type: "disabled" devono attivare la modalità di ragionamento e impostarne il livello su basso prima di aggiornare l’ID del modello; in caso contrario, le richieste non andranno a buon fine.

Per i team che valutano l’inferenza ospitata per gli agenti, la distinzione è importante: i punteggi dei benchmark descrivono ciò che un modello è in grado di completare, mentre la traccia mostra il lavoro ripetuto necessario per servirlo durante l’esecuzione. La distribuzione di SambaNova punta a questo secondo aspetto del problema, rendendo la velocità delle singole chiamate e il riutilizzo della cache importanti per l’esperienza utente quanto i punteggi ottenuti da GLM-5.3 nelle attività dichiarate.