Z.ai تطلق GLM-5.3-Flash مفتوح الأوزان برخصة MIT وتشغّله على شرائح صينية
نموذج مفتوح بسياق مليون token يُقدَّم على عتاد أضعف من عتاد Nvidia، مع توثيق علني للقيود والحلول، وهو ما يجعل الاستقلال التقني هنا مواصفات منشورة لا شعارًا.
أطلقت شركة Z.ai الصينية في 26 أغسطس 2026 نموذج GLM-5.3-Flash، ونشرت أوزانه على Hugging Face برخصة MIT. النموذج من نوع Mixture of Experts، أي أنه يضم عددًا كبيرًا من المعاملات لكنه لا يشغّل إلا جزءًا منها في كل خطوة: 320B parameter إجمالًا، منها 18B نشطة. وهو متعدد الوسائط، ويبيّن ملف الإعدادات المنشور أن طول السياق يبلغ 1,048,576 token، أي مليون token كاملة.
وبحسب Artificial Analysis، يبلغ سعره 0.15 دولار لكل مليون token مدخلة و0.50 دولار لكل مليون token مخرجة. ويسجل 57 على مؤشر الذكاء لديها، في المرتبة الرابعة بين 111 نموذجًا مفتوح الأوزان، بينما يبلغ المتوسط 29. غير أنه أبطأ من المتوسط: 49.4 token في الثانية مقابل 63.9.
لكن الجزء الأبرز في الإعلان يرد في توثيق Z.ai نفسه، تحت عنوان صريح هو Serving at Scale on Chinese AI Chips. فالشركة تقول إنها تقدّم النموذج على نطاق واسع عبر cluster من الشرائح الصينية. والحديث هنا عن التشغيل (inference) لا عن التدريب.
وتشرح الشركة المشكلة التي واجهتها: هذه الشرائح محدودة في سعة الذاكرة وفي الـ bandwidth، ويتضاعف أثر ذلك عند سياق يصل إلى مليون token. وبدلًا من انتظار عتاد أفضل، بنت محرك inference مخصصًا فوق SGLang، وخفّضت دقة الحسابات بتقنية W8A8 quantization، وفصلت مراحل الـ encode والـ prefill والـ decode بعضها عن بعض كي تتوسع كل مرحلة وحدها. والبطء النسبي في سرعة الإخراج يبدو جزءًا من ثمن هذه القيود.
ويهم ذلك المطورين في المنطقة من جهتين. الأولى أن الرخصة تسمح بتنزيل النموذج وتشغيله محليًا دون إذن من أحد ودون خطر إيقاف الوصول لاحقًا. والثانية أن تشغيل نموذج قوي على عتاد غير أمريكي لم يعد افتراضًا نظريًا، بل حزمة تقنية موثقة ومنشورة بقيودها الحقيقية.