O que é o GLM-5.3-Flash, o primeiro modelo nativamente multimodal da série GLM-5?

Fala aí, beleza? Aquele modelo anônimo que passou a primeira semana rodando como Ox Alpha no OpenCode e no OpenRouter finalmente tem nome: GLM-5.3-Flash

A Z.ai revelou o modelo em 26 de agosto de 2026 e posiciona ele como o primeiro nativamente multimodal da família GLM-5, voltado a codificação eficiente e a tarefas de agente de longo horizonte

E não parou no anúncio: os pesos saíram abertos sob licença MIT, no repositório zai-org/GLM-5.3-Flash no Hugging Face 😀

Neste post tu vai entender o que é o GLM-5.3-Flash, o que significa esse tal de "nativamente multimodal" e pra quem o modelo foi liberado

Formação Recomendada

Formação Claude Code

Domine Claude Code do absoluto zero até o avançado

• 116 aulas
• 4 projetos
• 9h 23min

Conhecer formação

O que significa ser nativamente multimodal na série GLM-5

Aqui vale a parada pra definir o conceito, porque a palavra "multimodal" virou guarda-chuva pra coisas bem diferentes

Um modelo pode virar multimodal por adaptação posterior: nasce só de texto e depois ganha um componente que traduz imagem em algo que ele entende, meio que um puxadinho colado na casa pronta

Já o nativamente multimodal é a casa projetada com o cômodo desde a planta: as modalidades entram no treino desde o começo, não como remendo

É a diferença entre aprender uma segunda língua na infância e aprender aos 40 com tradutor no ouvido, saca?

No caso do GLM-5.3-Flash, o que sustenta essa posição é o corpus: a Z.ai reporta treino em 30 trilhões de tokens multimodais

E se tu quer entender melhor a fronteira entre treinar do zero e ajustar depois, dá uma olhada em o que é post-training, que é justamente o outro lado dessa moeda

Entra imagem e vídeo, sai texto:

Atenção nesse ponto, porque é onde muita gente se ilude

O GLM-5.3-Flash aceita texto, imagem e vídeo como entrada e devolve texto

Ou seja: ele lê o print, lê a gravação, lê o documento e te responde escrevendo

Ele não gera imagem, não gera vídeo, não é isso que a ficha dele promete

Ficha técnica do GLM-5.3-Flash: números e arquitetura

Se liga no que essa mistura de atenção resolve

Contexto longo é caro porque, na atenção tradicional, cada token quer olhar pra todos os outros, e a conta cresce feio conforme o texto engorda

A atenção linear corta esse crescimento, e a esparsa faz o token olhar só pra parte do que veio antes, em vez de tudo

Misturando as duas camadas, dá pra segurar 1 milhão de tokens sem precisar do PC da Nasa embaixo da mesa em cada requisição

O mesmo raciocínio vale pro MoE: são 320 bilhões de parâmetros no total, mas só 18 bilhões acordam por token

Modelo grande no armário, conta menor na hora de rodar 🙂

De Ox Alpha ao anúncio: como o modelo chegou ao público

A linha do tempo é curtinha e explica o burburinho da semana passada

1. O modelo passou a primeira semana rodando de forma anônima, sob o codinome Ox Alpha, no OpenCode e no OpenRouter
2. Em 26 de agosto de 2026, a Z.ai revelou que o tal Ox Alpha era o GLM-5.3-Flash e publicou os pesos
3. Junto do anúncio veio a afirmação de que, nesse período como Ox Alpha, o modelo foi servido integralmente em chips de IA de fabricação chinesa

Um detalhe importante: esse ponto dos chips é afirmação da própria Z.ai, não é medição de terceiro

Eu marco isso porque acho zoado repassar como fato consumado uma alegação que só a fabricante fez, beleza?

Quem acompanhou o modelo ainda no anonimato já tinha visto ele aparecer em comparações do Ox Alpha com outros modelos, antes de qualquer nome oficial na caixa

Para que serve o GLM-5.3-Flash na prática

Pelo posicionamento oficial e pela ficha, os cenários que fazem sentido são estes

• Codificação eficiente: é o alvo declarado do modelo, e a estrutura MoE com poucos parâmetros ativos por token existe justamente pra baratear esse tipo de uso repetitivo
• Agentes de longo horizonte: tarefa que roda em muitos passos come contexto que não acaba mais, e 1M de tokens dá fôlego pra segurar histórico, arquivos e logs no mesmo fio
• Entrada visual no fluxo de dev: print de erro, captura de tela da interface quebrada, gravação de tela reproduzindo o bug, tudo isso entra como imagem ou vídeo e volta como texto
• Uso local ou autohospedado: os pesos estão abertos sob MIT, então quem tem infraestrutura pode rodar sem depender da API

O que eu NÃO vou fazer aqui é te prometer que ele resolve o teu bug cabeludo melhor que o modelo X ou Y

A pontuação pública que dá pra conferir hoje é a do Artificial Analysis Intelligence Index, e ali ele marca 57 contra 60 do GLM-5.3

O resto depende de teste independente aparecendo nas próximas semanas…

Preço, planos e como acessar o GLM-5.3-Flash

Na API da Z.ai, o preço de tabela é:

• US$ 0,15 por milhão de tokens de entrada
• US$ 0,03 por milhão de tokens de entrada em cache
• US$ 0,50 por milhão de tokens de saída

E tem promoção de lançamento: 50% de desconto até 09/09/2026, 24:00 UTC+8, o que deixa a entrada em US$ 0,075 e a saída em US$ 0,25 por milhão de tokens nesse período

E quem já assina o GLM Coding Plan?

O GLM-5.3-Flash está disponível pros planos Lite, Pro e Max, com a troca de modelo feita dentro do próprio agente de codificação

E tem um detalhe que muda o jogo pra quem usa muito: a cota utilizável dele é 3x a do GLM-5.3

Os detalhes operacionais que dá pra confirmar:

O identificador do modelo na API é glm-5.3-flash

Pra ativar a janela de 1M de tokens, usa o sufixo [1m]:

glm-5.3-flash[1m]

A Z.ai também oferece um endpoint compatível com a API da Anthropic pra usar os modelos GLM em agentes de codificação:

https://api.z.ai/api/anthropic

E pra mandar imagem, o caminho é um bloco de conteúdo do tipo image_url dentro de messages[].content[]:

{
  "model": "glm-5.3-flash",
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "image_url",
          "image_url": {
            "url": "https://seusite.com/print-do-erro.png"
          }
        },
        {
          "type": "text",
          "text": "O que está quebrado nesse print?"
        }
      ]
    }
  ]
}

Tome cuidado com dois pontos aqui

A URL da imagem é o caminho recomendado, mas dá pra passar um Data URL em Base64 no mesmo campo image_url.url

E se tu quer mandar várias imagens, precisa de vários blocos: não adianta empilhar tudo em um só

Fechando o assunto de desempenho: a Z.ai afirma que o GLM-5.3-Flash supera o GLM-5.2 nos benchmarks reportados por ela, e que chega perto do Claude Opus 4.8 no benchmark interno de codificação

De novo: benchmark interno é benchmark da casa, vale como sinal e não como veredito

Vídeo: o cenário dos modelos chineses de código aberto

O GLM-5.3-Flash não caiu do céu, ele entra numa fila de lançamentos abertos vindos da China que tá bem movimentada

Pra pegar o panorama dessa corrida e o tamanho da briga com os modelos de fronteira, dá o play no vídeo abaixo:

Conclusão

Recapitulando o que dá pra afirmar com fonte na mão

O GLM-5.3-Flash é o primeiro modelo nativamente multimodal da série GLM-5, um MoE de 320B totais e 18B ativos, com roteamento por 8 de 288 especialistas, atenção híbrida linear e esparsa, janela de 1M de tokens, entrada de texto, imagem e vídeo, saída em texto e pesos abertos sob licença MIT no Hugging Face

Ele nasceu em público como Ox Alpha e foi revelado em 26 de agosto de 2026

O que ainda depende de verificação independente é o essencial: o quanto ele aguenta em tarefa real de código e de agente, longe dos números reportados pela própria fabricante

O próximo passo é teu: baixar os pesos no Hugging Face pra rodar na tua máquina, testar via API com o identificador glm-5.3-flash ou simplesmente trocar o modelo dentro do GLM Coding Plan enquanto a janela de desconto de 50% tá aberta

Faça o teste e tira a tua conclusão =)

até o próximo post!