GLM 5.3 от Z.ai стала доступна на Amazon Bedrock
Модель GLM 5.3 от Z.ai (Zhipu AI) стала доступна на Amazon Bedrock. Это смесь экспертов на 753 млрд параметров для кодинга и длительных агентных задач, работающая через управляемые API.
- GLM 5.3 от Z.ai доступна на Amazon Bedrock для корпоративных клиентов
- Это MoE-модель на 753 млрд параметров, оптимизированная под кодинг и агентные задачи
- На бенчмарке CyberGym модель показала 84,5 балла, что указывает на сильные кибербезопасные способности
Модель GLM 5.3 от Z.ai (Zhipu AI) стала доступна на Amazon Bedrock. Это смесь экспертов (MoE) на 753 млрд параметров, оптимизированная под кодинг и длительные агентные задачи. На Bedrock модель работает через полностью управляемые API — без необходимости поднимать собственную инфраструктуру.
Что нового по сравнению с GLM 5
Предыдущая версия GLM 5 появилась на Amazon Bedrock ранее в этом году. GLM 5.3 развивает ту же линию, но с заметными улучшениями. Z.ai заявляет конкурентные результаты на бенчмарках для кода DeepSWE, Terminal Bench 3.0 и FrontierSWE, а также 50% улучшение относительно GLM 5.2 на собственном внутреннем бенчмарке. Прямых сравнений с GLM 5 не приводится: по словам Z.ai, масштаб улучшений потребовал обновить сами тесты после анонса GLM 5.1.
Кибербезопасность и агентные сценарии
Отдельно Z.ai отмечает способности модели в области кибербезопасности. На бенчмарке CyberGym GLM 5.3 показала 84,5 балла на момент релиза. Это делает модель подходящей для защитных сценариев безопасности. В блоге AWS приводится пример использования GLM 5.3 в агентном workflow: авторизованное тестирование безопасности собственного приложения с помощью Strix — открытого AI-агента для пентеста.
Возможности на Amazon Bedrock
Модель поддерживает кросс-региональный инференс через профили us.zai.glm-5.3 и global.zai.glm-5.3. Доступны неявное (автоматическое) кэширование промптов по умолчанию и явное кэширование на API Responses и Chat Completions. Для агентных задач, где на каждом шаге заново отправляются большие системные промпты или контекст репозитория, кэширование снижает задержку и стоимость входных токенов.
Вызов модели возможен через OpenAI-совместимые API Responses и Chat Completions, а также через Amazon Bedrock Invoke и Converse. Предусмотрены три уровня сервиса: Flex для менее срочных задач, Priority для критичных по задержке запросов и Standard как баланс цены и скорости. Доступ к GLM 5.3 на Bedrock открыт для подходящих корпоративных клиентов.
Для профиТехнические детали: архитектура, цифры, ссылки
- Архитектура: mixture-of-experts, 753 млрд параметров (данные опубликованы на Hugging Face Hub).
- Бенчмарки: CyberGym — 84,5; заявлены результаты на DeepSWE, Terminal Bench 3.0, FrontierSWE; +50% к GLM 5.2 на внутреннем бенчмарке Z.ai.
- API: OpenAI-совместимые Responses и Chat Completions, Amazon Bedrock Invoke и Converse.
- Кэширование: неявное по умолчанию; явное через prompt_cache_options и prompt_cache_breakpoint, каждый брейкпоинт — минимум 1024 токена.
- Инференс: профили us.zai.glm-5.3 и global.zai.glm-5.3; уровни Flex, Priority, Standard.
- Права: bedrock:InvokeModel, bedrock:InvokeModelWithResponseStream, bedrock:CallWithBearerToken.
Вопросы и ответы
- Сколько параметров у GLM 5.3?
- 753 млрд — это mixture-of-experts модель; эти данные опубликованы на Hugging Face Hub.
- Где можно использовать GLM 5.3?
- Модель доступна на Amazon Bedrock через управляемые API для корпоративных клиентов.
- Какие бенчмарки показывает GLM 5.3?
- Z.ai заявляет 84,5 на CyberGym, конкурентные результаты на DeepSWE, Terminal Bench 3.0 и FrontierSWE, а также 50% улучшение относительно GLM 5.2 на внутреннем бенчмарке.
