SambaNova tar GLM-5.3 till SambaCloud med över 200 token per sekund

SambaNova Systems uppgav den 11 november 2026 att Z.ais GLM-5.3-modell med öppna vikter finns tillgänglig i inferenstjänsten SambaCloud med över 200 token per sekund. Utvecklare kan använda modellen via SambaClouds lekplats, ett API och integrationer för kodningsagenter.

Z.ai lanserade GLM-5.3 den 14 augusti 2026 med samma basmodell som GLM-5.2 och tillskrev den nyare modellens förbättringar ytterligare efterträning i fler miljöer, med mer varierade uppgifter och större beräkningskapacitet. SambaNovas tillkännagivande innebär att den befintliga modellen även erbjuds som en värdtjänst. Den är avsedd för bland annat avancerad mjukvaruutveckling och agentuppgifter med lång tidshorisont, som omfattar sekvenser av beroende steg.

Vad agentens körningsspår visar

SambaNova tillhandahöll ett körningsspår från en exempelagent på SambaCloud för att illustrera dessa krav. Agenten gjorde 41 modellförfrågningar under 17 minuter och 30 sekunder och bearbetade 5,4 miljoner indatatoken samtidigt som den genererade strax under 42 000 utdatatoken. Eftersom den ackumulerade kontexten skickades med på nytt i varje tur ökade mängden indata från 38 000 token vid den första förfrågan till över 114 000 vid den åttonde. Utdata förblev små: några hundra token med resonemang och ett verktygsanrop. Över 91 % av indatat hämtades från cache.

Det här mönstret förklarar varför inferenshastigheten betonas. Agentloopar skickar upprepade gånger långa kontexter tillbaka till modellen och begär samtidigt bara en kort nästa åtgärd, så fördröjningen för varje anrop ackumuleras under sekvensens gång. SambaNova framhåller sin rapporterade genomströmning som ett sätt att hålla stegen korta, medan cacheandelen visar hur mycket arbetsbelastningen återanvänder tidigare kontext.

Efterträning och rapporterade resultat

Z.ai uppger att miljöerna för efterträning utformades för att efterlikna yrkeslivet, med uppgifter som skulle kunna sysselsätta en erfaren ingenjör i flera dagar. I ett scenario inom infrastruktur för maskininlärning får modellen tillgång till beräkningskluster, lagringssystem, intern dokumentation, kodbaser och experimentresultat. Den måste diagnostisera flaskhalsar i hela träningsstacken, genomföra optimeringar, köra experiment och uppnå en mätbar hastighetsökning från början till slut, samtidigt som korrektheten bevaras.

Z.ai rapporterar att GLM-5.3 förbättrades från 4,6 till 28,3 på Terminal-Bench 3.0, från 46,2 till 66,9 på DeepSWE v1.1 och från 23,8 till 28,5 på Agents’ Last Exam. Jämförelserna visar förbättringar inom terminalarbete, mjukvaruutveckling och allmänna agentuppgifter – samma områden som SambaNova riktar in sig på med den här driftsättningen.

På sitt privata Code Bench rapporterar Z.ai att GLM-5.3 når 31,4 % med hög ansträngningsnivå och cirka 50 000 utdatatoken per uppgift, jämfört med Claude Opus 4.8 på 29,5 % och 120 000 token. GLM-5.3 presterade fortfarande sämre än Claude Fable 5, som nådde 39,5 % med maximal ansträngning. Det är ett specifikt effektivitetsresultat: GLM-5.3 genererade färre token och fick högre poäng än Opus 4.8 i det här testet, men Z.ais egen jämförelse visar fortfarande att Fable 5 ligger före.

API-åtkomst och åtkomst via kodningsagenter

På SambaCloud anropas modellen med modellsträngen GLM-5.3. I SambaNovas Python-exempel skickas förfrågningar om chattkomplettering till https://api.sambanova.ai/v1 och anger reasoning_effort till max, den nivå som Z.ai rekommenderar för kodning. Utvecklare kan använda en API-nyckel eller testa modellen i SambaClouds lekplats.

ZCode kan använda SambaCloud via leverantörsinställningar som är kompatibla med OpenAI eller Anthropic, med en bas-URL och en API-nyckel och där GLM-5.3 har valts i modellmenyn. SambaNova uppger att samma ändring av bas-URL fungerar med Claude Code, OpenCode och Codex CLI. För Codex instrueras utvecklare att använda Responses API-slutpunkten och ange de resonemangsnivåer som modellen stöder i modellkatalogen.

GLM-5.3 stöder låg, hög och maximal resonemangsnivå, och tänkande kan inte inaktiveras. Z.ai uppger att program som fortfarande använder thinking.type: "disabled" måste aktivera tänkande och ställa in resonemangsnivån på låg innan modell-ID:t uppdateras. Annars misslyckas förfrågningarna.

För team som utvärderar värdbaserad inferens för agenter är skillnaden viktig: riktmärkesresultat visar vad en modell kan utföra, medan körningsspåret blottlägger det upprepade arbete som krävs för att leverera resultatet. SambaNovas driftsättning riktar in sig på den senare delen av problemet och gör hastigheten per anrop och återanvändningen av cache lika relevanta för användarupplevelsen som GLM-5.3:s rapporterade resultat på uppgifter.