Z.ai раскрыла Ox Alpha и выпустила GLM-5.3-Flash с открытыми весами
Китайская Z.ai официально представила GLM-5.3-Flash — модель, которую до релиза анонимно тестировали в OpenRouter и OpenCode под именем Ox Alpha. Обещание выполнено: веса уже доступны на Hugging Face по лицензии MIT. Модель принимает текст, изображения и видео, поддерживает контекст до миллиона токенов и выдаёт ответ до 131 072 токенов.
Z.ai называет GLM-5.3-Flash первой нативно мультимодальной моделью пятой серии GLM. У неё 320 млрд параметров, из которых активны 18 млрд. Компания также заявляет, что во время скрытого теста Ox Alpha стала самой популярной моделью недели; это не независимый рыночный рейтинг, а сообщение разработчика.
Что говорят заявленные рейтинги
В официальной таблице Z.ai GLM-5.3-Flash получает 84,3 на Terminal-Bench 2.1, 63,4 на DeepSWE v1.1 и 56,3 на NL2Repo. Для сравнения, предыдущая GLM-5.2 набрала 81, 46,2 и 48,9 соответственно. В агентных тестах заявлены 78,4 на Toolathlon Verified и 48,8 на AutomationBench; у GLM-5.2 — 59,9 и 26,2.
По данным той же таблицы, модель опережает Claude Opus 4.8 на DeepSWE (63,4 против 58), Toolathlon (78,4 против 76,2) и AutomationBench (48,8 против 41). Она уступает ему в Terminal-Bench (84,3 против 85) и NL2Repo (56,3 против 69,7). Z.ai отдельно сообщает о 57 баллах в Artificial Analysis Intelligence Index v4.1.1 при цене 0,045 доллара за задачу со скидкой.
Методика здесь имеет значение. Например, Z.ai запускала DeepSWE через mini-swe-agent с лимитом шесть часов и контекстом 400 тысяч токенов, а Toolathlon — как среднее трёх независимых прогонов. Такие условия полезны для сравнения, но не повторяют каждый рабочий сценарий.
Эти результаты принадлежат производителю и включают его настройки тестов, поэтому считать их окончательной расстановкой сил рано. Но теперь Ox Alpha можно проверять без режима «чёрного ящика»: веса доступны для локального развёртывания через SGLang, vLLM и TokenSpeed. Для разработчиков это означает возможность сравнить заявленные рейтинги с собственными репозиториями, скоростью и стоимостью запуска.
