GLM-5.3 Flash: multimodális kódolóügynök érkezett a Novita AI-ra
Elérhetővé vált a GLM-5.3 Flash a Novita AI szerver nélküli, tokenalapú API-ján. A Z.ai modellje szöveges, képi és videós bemenetet kezel, és hosszú kódolási, illetve ügynöki feladatokra készült.
- A GLM-5.3 Flash a zai-org/glm-5.3-flash azonosítóval érhető el.
- Szöveget, képet és videót fogad bemenetként.
- Kontextusablaka 1 millió tokenes, maximális kimenete 128 ezer token.
- A Novita AI ára 0,075 dollár 1 millió bemeneti és 0,25 dollár 1 millió kimeneti token.
- A modell kódolási ügynökökhöz és hosszú ideig futó munkafolyamatokhoz készült.
Multimodális modell hosszú feladatokra
A Novita AI 2026. augusztus 31-i közlése szerint a GLM-5.3 Flash a zai-org/glm-5.3-flash modellazonosító alatt érhető el. A Z.ai ezt a GLM-5 család első natív multimodális modelljeként írja le. A modell bemenetként szöveget, képet és videót fogad, kimenete szöveges.
A GLM-5.3 Flash egyik kiemelt jellemzője az 1 millió tokenes kontextusablak, miközben a maximális kimenet 128 ezer token lehet. Ez hosszabb munkamenetek és olyan feladatok esetén lehet fontos, amelyekben a rendszernek több korábbi lépés állapotát is figyelembe kell vennie.
A bejelentés szerint a modell hibrid architektúrát használ, amely ritka és lineáris figyelmi mechanizmusokat kombinál. A Z.ai célja ezzel a hosszú kontextus pontosabb kezelése és a számítási többlet csökkentése.
Kódolási ügynökök és vizuális munkafolyamatok
A GLM-5.3 Flash olyan kódolási ügynökökhöz készült, amelyeknek egyetlen munkafolyamatban többféle információt kell összekapcsolniuk. Ilyen lehet például egy képernyőkép, egy megjelenített felület állapota, egy hibajelentés és a javítás terve.
A Novita AI szerint a modell használható olyan böngészős vagy felhasználói felületekkel kapcsolatos folyamatokban, ahol vizuális visszajelzésre van szükség. Szintén célterületet jelentenek a sok körön át futó feladatok, amelyek megőrzik az előzményeket, valamint azok a belső eszközök, amelyek a visszakeresett információkat vizuális kontextussal együtt kezelik.
A szolgáltató ugyanakkor arra is felhívja a figyelmet, hogy rövid, kizárólag szöveges feladatoknál egy kisebb modell egyszerűbb választás lehet. Összehasonlítási pontként a Novita AI a GLM 5.2 és a GLM-5.1 API modelleket említi szöveges feladatokra, multimodális viszonyításként pedig a GLM-4.6V modellt.
API-hozzáférés és díjazás
A GLM-5.3 Flash a Novita AI szerver nélküli API-ján használható. Az API alapcíme https://api.novita.ai/openai, a szolgáltató pedig tokenenként számol fel díjat. A bemeneti ár 0,075 dollár 1 millió tokenenként, a kimeneti ár 0,25 dollár 1 millió tokenenként.
A Novita AI közzétett specifikációi szerint a szolgáltató a Z.ai, a modell kontextushossza 1 millió token, a maximális kimenet pedig 128 ezer token. Az API OpenAI-kompatibilis klienssel is használható, a modellnévként a zai-org/glm-5.3-flash értéket kell megadni. A forrásban szereplő példa egy szöveges hibajelentés tömör összefoglalását kéri, legfeljebb 4096 tokenes kimenettel.
Képes és videós kéréseknél a Novita AI dokumentációjában leírt multimodális üzenetformátumot kell követni. A GLM-5.3 Flash használata nem ingyenes, a hozzáférés pay-per-token rendszerben történik.
Mit jelent ez a felhasználóknak?
A GLM-5.3 Flash azok számára lehet érdekes, akik egyetlen API-n keresztül szeretnének szöveget, képet és videót bevonni kódolási vagy hosszú ideig futó ügynöki feladatokba. Az 1 millió tokenes kontextus és a 128 ezer tokenes maximális kimenet nagyobb munkamenetek vizsgálatát teszi lehetővé, miközben a Novita AI előre megadott tokenárakkal kínál hozzáférést.
A modell a Novita AI szerint közvetlenül összevethető a GLM 5.2 és a GLM-5.1 API lehetőségeivel, mielőtt egy fejlesztő éles használatra választana modellt. A rövid, szöveges feladatokhoz a szolgáltató kisebb modell használatát is javasolhatóbbnak tartja, így a GLM-5.3 Flash fő előnye a multimodális bemenet, a hosszú kontextus és ezek együttes használata.
