Моделі та платформи ШІ
SambaNova додає GLM-5.3 до SambaCloud зі швидкістю понад 200 токенів за секунду
Додайте Unite.AI до бажаних джерел у Google
Компанія SambaNova Systems повідомила 11 листопада 2026 року, що модель GLM-5.3 з відкритими вагами від Z.ai доступна в її сервісі інференсу SambaCloud зі швидкістю понад 200 токенів за секунду. Розробники можуть працювати з моделлю через середовище SambaCloud Playground, API та інтеграції для агентів програмування.
Z.ai представила GLM-5.3 14 серпня 2026 року. Модель побудована на тій самій базовій моделі, що й GLM-5.2, а покращення нової системи компанія пов’язує з додатковим постнавчанням у більшій кількості середовищ, на різноманітніших завданнях і з використанням більших обчислювальних ресурсів. Анонс SambaNova додає до вже наявної моделі варіант розгортання на хостингу. Модель призначена для складних завдань із розробки програмного забезпечення та тривалих агентних завдань, що передбачають послідовність взаємозалежних кроків.
Що показує трасування роботи агента
Щоб проілюструвати ці вимоги, SambaNova надала трасування тестового запуску агента на SambaCloud. Під час запуску модель викликали 41 раз протягом 17 хвилин 30 секунд: вона обробила 5,4 мільйона вхідних токенів і згенерувала трохи менше ніж 42 000 вихідних токенів. Оскільки під час кожного нового кроку до запиту знову додавали накопичений контекст, обсяг вхідних даних зріс із 38 000 токенів під час першого виклику до понад 114 000 під час восьмого. Вихідні дані залишалися невеликими: кілька сотень токенів із міркуванням і викликом інструмента. Понад 91% вхідних даних надійшли з кешу.
Ця картина пояснює, чому особливу увагу приділено швидкості обробки запитів. У циклах роботи агента до моделі знову й знову надсилають довгі контексти, запитуючи лише коротку наступну дію, тож затримка кожного виклику накопичується впродовж усієї послідовності. SambaNova подає заявлену пропускну здатність як спосіб скоротити тривалість цих кроків, а показник кешування свідчить, наскільки активно робоче навантаження повторно використовує попередній контекст.
Постнавчання та заявлені результати
За словами Z.ai, середовища для постнавчання розробили так, щоб вони відтворювали умови професійної роботи, зокрема завдання, які могли б зайняти в досвідченого інженера кілька днів. В одному зі сценаріїв, пов’язаних з інфраструктурою машинного навчання, модель отримує доступ до обчислювальних кластерів, систем зберігання даних, внутрішньої документації, кодових баз і результатів експериментів. Вона має виявити вузькі місця в усьому процесі навчання, упровадити оптимізації, провести експерименти й досягти вимірюваного прискорення роботи від початку до кінця, зберігши коректність результатів.
За даними Z.ai, результат GLM-5.3 зріс із 4,6 до 28,3 у Terminal-Bench 3.0, із 46,2 до 66,9 у DeepSWE v1.1 та з 23,8 до 28,5 в Agents’ Last Exam. Ці порівняння демонструють покращення в роботі з терміналом, розробці програмного забезпечення та виконанні загальних агентних завдань — саме на ці категорії орієнтоване розгортання SambaNova.
За даними Z.ai, у власному закритому тесті Code Bench модель GLM-5.3 набрала 31,4% за високого рівня зусиль, витративши приблизно 50 000 вихідних токенів на завдання. Для порівняння, Claude Opus 4.8 набрала 29,5%, використавши 120 000 токенів. GLM-5.3 поступилася Claude Fable 5, яка набрала 39,5% за максимального рівня зусиль. Це конкретний результат щодо ефективності: у цьому тесті GLM-5.3 згенерувала менше токенів і набрала більше балів, ніж Opus 4.8, однак у порівнянні самої Z.ai Fable 5 усе ж випереджає її.
Доступ через API та агентів програмування
У SambaCloud модель викликають, указавши назву моделі GLM-5.3. У прикладі SambaNova для Python надсилає запити на завершення чату до https://api.sambanova.ai/v1 і задає reasoning_effort значення max, яке Z.ai рекомендує для програмування. Розробники можуть скористатися ключем API або протестувати модель у середовищі SambaCloud Playground.
ZCode може працювати із SambaCloud через налаштування провайдера, сумісні з OpenAI або Anthropic, указавши базову URL-адресу й ключ API та вибравши GLM-5.3 у меню моделей. SambaNova повідомляє, що така сама зміна базової URL-адреси працює з Claude Code, OpenCode і Codex CLI. Для Codex розробникам рекомендують використовувати кінцеву точку Responses API та зазначити в каталозі моделей підтримувані рівні міркування цієї моделі.
GLM-5.3 підтримує низький, високий і максимальний рівні інтенсивності міркування, і вимкнути режим міркування не можна. За словами Z.ai, у застосунках, які й досі використовують thinking.type: "disabled" потрібно ввімкнути режим міркування й установити низький рівень його інтенсивності, перш ніж оновлювати ідентифікатор моделі; інакше запити завершуватимуться помилкою.
Для команд, які оцінюють розміщений у хмарі інференс агентів, ця відмінність важлива: результати тестів показують, що модель здатна виконати, тоді як трасування виявляє повторювані операції обробки, потрібні для виконання завдання. Розгортання SambaNova спрямоване на другу частину проблеми, тому швидкість кожного виклику й повторне використання кешу для користувацького досвіду не менш важливі, ніж заявлені результати GLM-5.3 у виконанні завдань.
