Z.AI công bố GLM-5.3-Flash ngày 26/08: mixture-of-experts 320 tỷ tham số nhưng chỉ kích hoạt 18 tỷ mỗi token, nhận đầu vào ảnh và video, cửa sổ ngữ cảnh 1.048.576 token, trọng số đặt trên Hugging Face theo giấy phép MIT. Đây chính là model từng chạy ẩn danh dưới tên ox-alpha trên OpenCode và OpenRouter.
💡 Đây là model đầu tiên trong dòng GLM-5 được Z.AI mô tả là đa phương thức từ gốc, và họ nói nó vượt GLM-5.2 trên toàn bộ bài đo trong khi giá chỉ bằng một phần mười. Giấy phép MIT nghĩa là doanh nghiệp Việt có thể tự host, tự fine-tune mà không vướng ràng buộc thương mại.
- 320 tỷ tham số tổng, chỉ 18 tỷ kích hoạt mỗi token
- Cửa sổ ngữ cảnh 1.048.576 token, nhận ảnh và video
- Giấy phép MIT, trọng số công khai trên Hugging Face
- Kết hợp sparse attention và linear attention cho chuỗi dài
- Z.AI nói rẻ hơn GLM-5.2 mười lần mà điểm cao hơn
Điểm cần nhìn ở đây không phải con số 320B, mà là tỷ lệ 18B active. Nghĩa là chi phí chạy gần với một model 18B dày, trong khi chất lượng dựa trên vốn kiến thức của một model lớn gấp gần hai chục lần. Đó là lý do Z.AI dám gọi nó là Flash và bán ở mức giá bằng một phần mười GLM-5.2. Khác với GLM-5.3 vốn chỉ cải thiện post-training, bản Flash này bắt đầu từ một base model train mới, nên các con số benchmark không phải kiểu vắt thêm từ mô hình cũ. Giấy phép MIT là chi tiết dễ bị bỏ qua nhưng lại quan trọng nhất với doanh nghiệp Việt: không phải Apache có điều khoản sáng chế, không phải giấy phép riêng có ngưỡng người dùng, mà là MIT trần trụi. Với đội có sẵn cụm GPU hoặc thuê server trong nước, đây là lần đầu một model đa phương thức cỡ frontier nằm trong tầm tay mà không phải gửi dữ liệu ra nước ngoài. Cái phải tự kiểm chứng là chất lượng tiếng Việt, và không ai làm thay được, phải chạy thử trên dữ liệu của chính mình.
