GLM-5.3-FlashX 運営中

GLM-5.3-FlashXは智譜が提供する高速推論モデルで、出力速度は最大200 tokens/s。GLM-5.3-Flashと比べて速度は5倍、価格は2.5倍で、APIはすでに公開されています。モデルは10万枚の中国製チップによる計算リソースを基盤とし、推論インフラはGLM-5.3を搭載したAgentが2週間以内に自動構築しました。エンドツーエンドのスループットは初期ベースラインの3倍に達しています。モデルは同規模で最高水準の知能と極めて高いコストパフォーマンスを特徴とし、知能、価格、速度の総合的な競争力を実現しています。低レイテンシが求められるリアルタイムインタラクションや、Agentによる高頻度の呼び出しに適しています。

高速テキスト生成：出力速度は最大200 tokens/sで、GLM-5.3-Flashと比べて5倍高速です。
対話補完API：bigmodel.cnを通じて標準APIを提供しており、Model KeyはGLM-5.3-FlashXです。
オンライン体験：公式サイトの体験センターにビジュアルな試用入口があり、デプロイ不要でテストできます。
リアルタイムAgentインタラクション：低レイテンシ特性により、高頻度呼び出しやストリーミング出力を行うインテリジェントエージェントのシナリオに適しています。
高コストパフォーマンスの推論：同規模で最高水準の知能を維持しながら、2.5倍の価格で5倍の速度を実現します。

中国製チップによる推論基盤：モデルは10万枚の中国製チップで構成された推論クラスター上で稼働します。インフラへの継続的な投資と推論の最適化により、大規模な同時実行下でも高速かつ安定した出力を確保します。
Agent駆動のインフラ構築：推論システム全体はGLM-5.3を搭載したAgentが自動構築します。人間は目標の設定、境界の定義、重要な変更のレビューを担当し、Agentはテスト、ログ分析、Trace調査、コード最適化を自律的に実行します。これにより「高密度フィードバック」のループを形成し、2週間未満でエンドツーエンドのスループットを3倍に向上させました。
精度修正による長いコンテキストの安定性確保：KDAのCPパスに対し、FP32入力がデフォルトでTF32計算に進み誤差が蓄積する問題を修正しました。input_precision="tf32x3"を明示的に設定することで長いコンテキストの精度を向上させ、修正内容はFlash Linear Attentionの上流にも還元されています。
KV Transferの同時実行最適化：DeepEP v1.2.1のC++呼び出しでGILが解放されず、Python側のMooncake Transferスレッドがブロックされる問題を特定しました。修正後、Prefillと転送を組み合わせた処理と単独のPrefill処理の性能差は、20%以上から1%未満に縮小しました。
KDA Decode演算子の冗長処理削減：V方向の分割によって発生していた4回の重複FP32正規化とゲート計算を同一のスレッドブロックに統合し、中間結果をまとめて事前計算・共有しました。演算子の性能は最適化前の1.71倍に向上しています。

アカウント登録：API呼び出しURL https://docs.bigmodel.cn/api-reference/ にアクセスし、アカウントを登録してログインします。
API Keyの取得：コンソールでAPIキーを作成し、コピーします。
モデル名の確認：呼び出し時にはModel Key GLM-5.3-FlashXを使用します。
API呼び出し：公式ドキュメント（対話補完インターフェース）を参照し、リクエストのmodelフィールドをGLM-5.3-FlashXに設定して送信します。
オンライン体験（任意）：体験センター https://www.bigmodel.cn/trialcenter/modeltrial/visual?modelCode=glm-5.3-flashx にアクセスすると、デプロイ不要ですぐに試用できます。
アプリケーションへの組み込み：APIをアプリケーションやAgentワークフローに統合し、200 tokens/sの高速出力を活用してリアルタイムインタラクションを処理します。

圧倒的な速度：出力速度は最大200 tokens/sで、GLM-5.3-Flashと比べて5倍高速です。
知能を妥協しない：同規模で最高水準の知能を長期的に維持し、モデル性能を犠牲にすることなく高速化しています。
高コストパフォーマンス：2.5倍の価格で5倍の速度を実現し、知能単位あたりのコストはむしろ低くなっています。
中国製計算基盤：10万枚の中国製チップによる推論クラスターを基盤とし、サプライチェーンを自主的かつ管理可能な状態にしています。
Agentが構築したインフラ：推論システムはGLM-5.3を搭載したAgentが2週間未満で自動構築し、エンドツーエンドのスループットはベースラインの3倍に達しています。反復効率は従来の手作業による最適化を大きく上回ります。
高度なエンジニアリング最適化：TF32の精度偏差、GILによるブロック、重複計算などの問題を修正し、演算子レベルで性能を大幅に向上させています（KDA Decode演算子は1.71倍に向上）。

AI Agentの高頻度呼び出し：Agentワークフローでは、計画、ツール選択、結果の統合のためにモデルを繰り返し呼び出す必要があり、低レイテンシによってタスク全体の所要時間を直接短縮できます。
コードアシスタントとIDE補完：プログラミングではストリーミング出力をすぐに確認できることが求められ、高速生成によって開発者のフロー体験を大きく改善できます。
ライブ配信・マーケティング向けリアルタイムコンテンツ生成：ECライブ配信の台本、弾幕でのインタラクション、トレンドニュースの追跡執筆など、「話しながら生成」する必要があるシーンに適しています。
音声インタラクションとAIコンパニオン：音声アシスタントや感情的なコンパニオンアプリは、初回文字のレイテンシとストリーミング速度に非常に敏感であり、速度による付加価値を最も収益化しやすいシーンです。