GLM-5.3-FlashX
Was GLM-5.3-FlashX tatsächlich ändert: wie der Durchsatz 200 Token pro Sekunde erreicht, ohne die Fähigkeitsausrichtung zu verschieben, was es heißt, niedrige Latenz als eigene Stufe zu bepreisen, und welche Inferenzarbeit dahintersteckt.
GLM-5.3-FlashX ist eine für den Produktivbetrieb gebaute Leistungsstufe auf Basis von GLM-5.3-Flash: gleiche Fähigkeitsausrichtung, aber ein Ausgabedurchsatz von 200 Token pro Sekunde, rund fünfmal schneller als die Vorgängerversion bei 2,5-fachem Preis, mit offener API. Niedrige Latenz wird damit zu einer teureren Stufe; Coding-Agenten, Echtzeitdialoge und Tool-Aufrufe warten kürzer. Die Inferenz läuft auf einem Cluster aus über hunderttausend in China gefertigten KI-Beschleunigern.
