Modelos e plataformas de IA
A SambaNova leva o GLM-5.3 ao SambaCloud a mais de 200 tokens por segundo
Adicione Unite.AI às suas fontes preferidas no Google
A SambaNova Systems anunciou, em 11 de novembro de 2026, que o modelo de pesos abertos GLM-5.3 da Z.ai está disponível no serviço de inferência SambaCloud a mais de 200 tokens por segundo. Os desenvolvedores podem acessar o modelo pelo ambiente de testes do SambaCloud, por uma API e por integrações com agentes de programação.
A Z.ai apresentou o GLM-5.3 em 14 de agosto de 2026, usando o mesmo modelo-base do GLM-5.2 e atribuindo os avanços do sistema mais recente a um pós-treinamento adicional em mais ambientes, com tarefas mais diversificadas e mais recursos computacionais. O anúncio da SambaNova acrescenta uma implantação hospedada para esse modelo já existente. Entre os usos previstos estão a engenharia de software complexa e tarefas de agentes de longo prazo que envolvem sequências de etapas interdependentes.
O que o rastreamento do agente revela
A SambaNova forneceu um rastreamento de uma execução de agente de exemplo no SambaCloud para ilustrar essas exigências. A execução fez 41 chamadas ao modelo em 17 minutos e 30 segundos, processando 5,4 milhões de tokens de entrada e gerando pouco menos de 42.000 tokens de saída. Como o contexto acumulado era reenviado a cada turno, a entrada passou de 38.000 tokens na primeira chamada para mais de 114.000 na oitava. As saídas continuaram pequenas: algumas centenas de tokens com raciocínio e uma chamada a uma ferramenta; mais de 91% da entrada foi atendida a partir do cache.
Esse padrão explica a ênfase na velocidade de inferência. Os ciclos dos agentes reenviam repetidamente contextos longos ao modelo, solicitando apenas uma breve ação seguinte; assim, a latência de cada chamada se acumula ao longo da sequência. A SambaNova apresenta a taxa de processamento anunciada como uma forma de manter essas etapas curtas, enquanto o percentual de cache demonstra o quanto a carga de trabalho reutiliza o contexto anterior.
Pós-treinamento e resultados divulgados
A Z.ai afirma que seus ambientes de pós-treinamento foram projetados para se assemelhar ao trabalho profissional, incluindo tarefas que poderiam ocupar um engenheiro experiente por vários dias. Em um cenário de infraestrutura de aprendizado de máquina, o modelo tem acesso a clusters de computação, sistemas de armazenamento, documentação interna, bases de código e resultados de experimentos. Ele precisa diagnosticar gargalos em toda a pilha de treinamento, implementar otimizações, executar experimentos e proporcionar um ganho mensurável de velocidade de ponta a ponta, sem comprometer a correção.
A Z.ai informa que o GLM-5.3 melhorou de 4,6 para 28,3 no Terminal-Bench 3.0, de 46,2 para 66,9 no DeepSWE v1.1 e de 23,8 para 28,5 no Agents’ Last Exam. As comparações situam os ganhos em tarefas de terminal, engenharia de software e tarefas gerais de agentes — as mesmas categorias às quais a SambaNova direciona essa implantação.
No seu Code Bench privado, a Z.ai informa que o GLM-5.3 alcançou 31,4% com esforço alto, gerando cerca de 50.000 tokens de saída por tarefa, em comparação com 29,5% e 120.000 tokens do Claude Opus 4.8. O GLM-5.3 continuou atrás do Claude Fable 5, que chegou a 39,5% com esforço máximo. Esse é um resultado específico de eficiência: nesse teste, o GLM-5.3 gerou menos tokens e obteve uma pontuação superior à do Opus 4.8, mas a própria comparação da Z.ai ainda coloca o Fable 5 à frente.
Acesso à API e a agentes de programação
No SambaCloud, o modelo é chamado com a string de modelo GLM-5.3. O exemplo em Python da SambaNova envia solicitações de conclusão de chat para https://api.sambanova.ai/v1 e define reasoning_effort como max, o nível recomendado pela Z.ai para programação. Os desenvolvedores podem usar uma chave de API ou testar o modelo no ambiente de testes do SambaCloud.
O ZCode pode usar o SambaCloud por meio das configurações de provedor compatíveis com OpenAI ou Anthropic, com uma URL base, uma chave de API e o GLM-5.3 selecionado no menu de modelos. A SambaNova afirma que a mesma alteração da URL base funciona com o Claude Code, o OpenCode e o Codex CLI. Para o Codex, as instruções para os desenvolvedores são usar o endpoint da API Responses e declarar, no catálogo de modelos, os níveis de raciocínio compatíveis com o modelo.
O GLM-5.3 oferece níveis baixo, alto e máximo de esforço de raciocínio, e o modo de pensamento não pode ser desativado. A Z.ai afirma que os aplicativos que ainda usam thinking.type: "disabled" precisam ativar o modo de pensamento e definir o esforço de raciocínio como baixo antes de atualizar o ID do modelo; caso contrário, as solicitações falharão.
Para as equipes que avaliam a inferência hospedada de agentes, essa distinção é importante: as pontuações em benchmarks descrevem o que um modelo consegue concluir, enquanto o rastreamento revela o trabalho repetido de inferência necessário para isso. A implantação da SambaNova visa a essa segunda parte do problema, tornando a velocidade por chamada e a reutilização do cache tão relevantes para a experiência do usuário quanto as pontuações divulgadas pelo GLM-5.3 nas tarefas.
