AI 模型与平台
SambaNova 将 GLM-5.3 引入 SambaCloud，速度超过每秒 200 个 token
将 Unite.AI 添加到您在 Google 上的首选来源
SambaNova Systems 于 2026 年 11 月 11 日表示，Z.ai 的开放权重模型 GLM-5.3 已在其 SambaCloud 推理服务上提供，速度超过每秒 200 个 token。开发者可以通过 SambaCloud playground、API 以及编程代理集成来使用该模型。
Z.ai 于 2026 年 8 月 14 日推出 GLM-5.3。该模型采用与 GLM-5.2 相同的基础模型；Z.ai 将新系统的性能提升归因于在更多环境中、针对更多样化的任务并投入更多算力进行的额外后训练。SambaNova 此次公告为这款现有模型新增了托管部署。该模型面向复杂软件工程任务和长周期代理任务，后者涉及一系列相互依赖的步骤。
代理运行轨迹揭示了什么
SambaNova 提供了一段在 SambaCloud 上运行示例代理的轨迹，以展示这类任务的要求。该次运行在 17 分 30 秒内调用模型 41 次，处理了 540 万个输入 token，同时生成了略低于 42,000 个输出 token。由于每轮都会重新发送累积的上下文，输入 token 数从首次调用时的 38,000 增至第八次调用时的 114,000 多。输出仍然很短：每次只有几百个 token，包含推理内容和一次工具调用；超过 91% 的输入则由缓存提供。
这种模式说明了为何服务速度如此重要。代理循环会反复将长上下文发送回模型，同时只请求一个简短的下一步操作，因此每次调用的延迟会在整个任务序列中累积。SambaNova 将其公布的吞吐量定位为缩短这些步骤的一种方式；缓存数据则表明，该工作负载在很大程度上重复利用了先前的上下文。
后训练与公布的结果
Z.ai 表示，其后训练环境旨在模拟专业工作，其中包括一些可能需要经验丰富的工程师投入数天才能完成的任务。在一个机器学习基础设施场景中，模型可以访问计算集群、存储系统、内部文档、代码库和实验结果。它必须诊断训练技术栈各环节的瓶颈、实施优化、运行实验，并在确保正确性的同时，实现可量化的端到端提速。
Z.ai 报告称，GLM-5.3 在 Terminal-Bench 3.0 上的成绩从 4.6 提升至 28.3，在 DeepSWE v1.1 上从 46.2 提升至 66.9，在 Agents’ Last Exam 上则从 23.8 提升至 28.5。这些对比表明，模型在终端操作、软件工程和通用代理任务方面均有提升，而这正是 SambaNova 此次部署所针对的领域。
在 Z.ai 自行构建的 Code Bench 上，GLM-5.3 在 High 推理强度下达到 31.4%，每项任务生成约 50,000 个输出 token；相比之下，Claude Opus 4.8 的成绩为 29.5%，生成 120,000 个 token。GLM-5.3 的成绩仍低于 Claude Fable 5；后者在 Max 推理强度下达到 39.5%。这体现了一项具体的效率优势：在这项测试中，GLM-5.3 生成的 token 更少，得分却高于 Opus 4.8；但根据 Z.ai 自己的对比结果，Fable 5 仍然领先。
API 与编程代理接入方式
在 SambaCloud 上，调用该模型时使用的模型字符串为 GLM-5.3。SambaNova 的 Python 示例会向 https://api.sambanova.ai/v1 并将 reasoning_effort 设为 max，这是 Z.ai 建议用于编程的级别。开发者可以使用 API 密钥，也可以在 SambaCloud playground 中测试该模型。
ZCode 可以通过兼容 OpenAI 或 Anthropic 的提供商设置使用 SambaCloud，并配置基础 URL、API 密钥以及在模型菜单中选择 GLM-5.3。SambaNova 表示，只需进行相同的基础 URL 更改，即可将 Claude Code、OpenCode 和 Codex CLI 连接到 SambaCloud。对于 Codex，开发者需要使用 Responses API 端点，并在模型目录中声明该模型支持的推理强度。
GLM-5.3 支持低、高和最高三种推理强度，且无法关闭思考模式。Z.ai 表示，仍在使用 thinking.type: "disabled" 的应用必须启用思考模式，并在更新模型 ID 前将推理强度设为低；否则，请求将失败。
对于正在评估托管式代理推理的团队来说，这一区别很重要：基准测试分数反映模型能够完成哪些任务，而运行轨迹则揭示了完成任务所需的反复推理服务过程。SambaNova 的部署针对的是问题的后一个方面，因此，每次调用的速度和缓存复用情况，与 GLM-5.3 公布的任务得分一样，都会影响用户体验。
