SambaNova aduce GLM-5.3 pe SambaCloud, la peste 200 de tokenuri pe secundă

SambaNova Systems a anunțat pe 11 noiembrie 2026 că modelul GLM-5.3 cu ponderi deschise al Z.ai este disponibil pe serviciul său de inferență SambaCloud, cu o viteză de peste 200 de tokenuri pe secundă. Dezvoltatorii pot accesa modelul prin intermediul platformei SambaCloud, al unui API și al integrărilor pentru agenți de programare.

Z.ai a lansat GLM-5.3 pe 14 august 2026, folosind același model de bază ca GLM-5.2 și atribuind progresele noului sistem instruirii suplimentare de după antrenarea inițială, desfășurate în mai multe medii, pentru sarcini mai diverse și cu mai multe resurse de calcul. Anunțul SambaNova adaugă o implementare găzduită pentru acest model deja existent. Printre sarcinile pentru care este conceput se numără ingineria software complexă și activitățile agenților desfășurate pe perioade lungi, care implică secvențe de pași interdependenți.

Ce arată traseul agentului

SambaNova a furnizat traseul unei rulări demonstrative a unui agent pe SambaCloud, pentru a ilustra aceste cerințe. În cadrul rulării, modelul a fost apelat de 41 de ori în 17 minute și 30 de secunde, procesând 5,4 milioane de tokenuri de intrare și generând puțin sub 42.000 de tokenuri de ieșire. Deoarece la fiecare tură contextul acumulat era retrimis, volumul de intrare a crescut de la 38.000 de tokenuri la primul apel la peste 114.000 până la al optulea. Răspunsurile au rămas scurte: câteva sute de tokenuri, care conțineau raționamentul și un apel către un instrument; peste 91% din datele de intrare au fost servite din memoria cache.

Acest tipar explică de ce se pune accentul pe viteza de servire. În buclele agenților, contexte lungi sunt retrimise în mod repetat modelului, în timp ce i se cere doar următoarea acțiune, scurtă; astfel, latența fiecărui apel se cumulează de-a lungul secvenței. SambaNova prezintă debitul raportat ca pe o modalitate de a menține scurți acești pași, iar cifra privind memoria cache arată cât de mult reutilizează sarcina contextul anterior.

Instruirea suplimentară și rezultatele raportate

Z.ai afirmă că mediile folosite pentru instruirea suplimentară au fost concepute pentru a reproduce condițiile de lucru profesionale, inclusiv sarcini care i-ar putea ocupa câteva zile unui inginer cu experiență. Într-un scenariu ce ține de infrastructura învățării automate, modelul primește acces la clustere de calcul, sisteme de stocare, documentație internă, baze de cod și rezultate ale experimentelor. El trebuie să diagnosticheze blocajele din întregul flux de antrenare, să implementeze optimizări, să efectueze experimente și să obțină o accelerare măsurabilă de la un capăt la altul, păstrând totodată corectitudinea.

Z.ai raportează că rezultatul GLM-5.3 a crescut de la 4,6 la 28,3 la Terminal-Bench 3.0, de la 46,2 la 66,9 la DeepSWE v1.1 și de la 23,8 la 28,5 la Agents’ Last Exam. Comparațiile evidențiază progresele în lucrul în terminal, ingineria software și sarcinile generale ale agenților, aceleași categorii vizate de SambaNova prin această implementare.

La propriul Code Bench privat, Z.ai raportează că GLM-5.3 a obținut 31,4% la nivelul High, generând aproximativ 50.000 de tokenuri de ieșire per sarcină, comparativ cu 29,5% și 120.000 de tokenuri pentru Claude Opus 4.8. GLM-5.3 a rămas în urma lui Claude Fable 5, care a obținut 39,5% la nivelul Max. Acesta este un rezultat specific privind eficiența: în acest test, GLM-5.3 a generat mai puține tokenuri și a obținut un scor mai mare decât Opus 4.8, însă comparația realizată chiar de Z.ai îl plasează în continuare pe Fable 5 în față.

Acces prin API și agenți de programare

Pe SambaCloud, modelul este apelat folosind șirul care îl identifică GLM-5.3. Exemplul Python al SambaNova trimite cereri de completare a conversației către https://api.sambanova.ai/v1 și setează reasoning_effort la max, nivelul recomandat de Z.ai pentru programare. Dezvoltatorii pot folosi o cheie API sau pot testa modelul în platforma SambaCloud.

ZCode poate folosi SambaCloud prin setările unui furnizor compatibil cu OpenAI sau Anthropic, cu o adresă URL de bază, o cheie API și GLM-5.3 selectat în meniul modelului. SambaNova afirmă că aceeași modificare a adresei URL de bază funcționează cu Claude Code, OpenCode și Codex CLI. Pentru Codex, dezvoltatorilor li se recomandă să folosească endpointul Responses API și să declare în catalogul modelelor nivelurile de raționament acceptate de model.

GLM-5.3 acceptă niveluri scăzut, ridicat și maxim ale efortului de raționament, iar modul de gândire nu poate fi dezactivat. Z.ai afirmă că aplicațiile care încă folosesc thinking.type: "disabled" trebuie să activeze modul de gândire și să seteze efortul de raționament la nivelul scăzut înainte de a actualiza identificatorul modelului; în caz contrar, cererile vor eșua.

Pentru echipele care evaluează inferența găzduită pentru agenți, distincția este importantă: scorurile de referință arată ce poate duce la bun sfârșit un model, în timp ce traseul evidențiază activitatea repetată de servire necesară pentru a realiza acest lucru. Implementarea SambaNova vizează această a doua parte a problemei, ceea ce face ca viteza fiecărui apel și reutilizarea memoriei cache să fie la fel de relevante pentru experiența utilizatorului ca scorurile raportate de GLM-5.3 la sarcini.