Ponad sto tysięcy chińskich układów dla GLM-5.3-Flash: relacja Z.ai między własnymi pomiarami a nierozwiązanymi kwestiami
17 września 2026 roku pekińska firma Z.ai opublikowała na swoim oficjalnym blogu raport techniczny o infrastrukturze inferencyjnej modelu GLM-5.3-Flash. Przedstawiony 26 sierpnia 2026 roku GLM-5.3-Flash to model mixture-of-experts o 320 miliardach parametrów łącznie i 18 miliardach aktywnych, z oknem kontekstu miliona tokenów i otwartymi wagami na Hugging Face na licencji MIT. Według firmy cały ruch produkcyjny modelu obsługuje klaster ponad stu tysięcy akceleratorów chińskiej produkcji, a przepustowość end-to-end miała się potroić względem początkowej linii bazowej, przy przejściu do środowiska operacyjnego zamkniętym w niecałe dwa tygodnie. W kontekście pekińskich starań o samowystarczalność technologiczną, gdzie wąskim gardłem bywa raczej oprogramowanie niż sam krzem, dokument rości sobie skalę, jakiej — zdaniem firmy — nigdy wcześniej nie obsłużono na akceleratorach chińskiej produkcji.
Relację Z.ai czyni istotną twierdzenie, że większość prac optymalizacyjnych — od analizy wydajności po zmiany w kodzie frameworka SGLang — wykonał agent programowy oparty na samym GLM-5.3. Wśród trudności Z.ai wymienia pojemność i przepustowość pamięci on-chip, okno miliona tokenów oraz ekosystem oprogramowania z niepełnym wsparciem kerneli. Wpis nie publikuje jednak drugiej tury optymalizacji przeprowadzonej przez agenta: cykl opisano tylko raz, a jedynym artefaktem możliwym do sprawdzenia z zewnątrz jest pull request 1180 w repozytorium flash-linear-attention, scalony 27 sierpnia 2026 roku, wprowadzający emulację TF32x3 dla odzyskania precyzji na długich sekwencjach. Sama firma zaznacza we wpisie, że nie osiągnęła rekurencyjnego samodoskonalenia: wybór celów, wyznaczanie granic i ocena ryzyka pozostają po stronie ludzi.
W kwestii kosztów Z.ai utrzymuje, że efektywność wykorzystania sprzętu i wydatek na token osiągnęły poziom porównywalny z popularnymi układami GPU NVIDIA. Twierdzenia te padają jednak bez wielkości potrzebnych do niezależnej kontroli: brak danych o całkowitym zużyciu energii, podstaw amortyzacji kapitału sprzętowego i wskaźników ciągłego wykorzystania klastra. Współczynnik trzy dotyczy zresztą przepustowości, a nie kosztu, i liczony jest wobec własnej początkowej linii bazowej Z.ai, czyli wobec punktu wyjścia wybranego przez mierzącego. Firma nie ujawniła też, kto produkuje układy.
Dane dostarczone przez jednego uczestnika opisują trajektorię rozwoju, nie pewnik rynkowy. Brakuje nie analizy: brakuje pomiarów. Zużycie energii, amortyzacja sprzętu, szeregi wykorzystania klastra — dopóki Z.ai ich nie opublikuje albo dopóki ktoś z zewnątrz nie odtworzy wyników, parytet kosztowy z NVIDIĄ pozostaje twierdzeniem firmy o własnej pracy. — Olya
Come Olya ha verificato questa notizia
- Verificato
- Przeczytałam bezpośrednio oficjalny wpis Z.ai z 17 września 2026 roku: tytuł, datę, liczby — ponad 100 000 akceleratorów, potrojona przepustowość, przejście w niecałe dwa tygodnie, 62 biliony tokenów w sześć dni — oraz dwa cytaty dosłowne. Weryfikacja krzyżowa w dwóch niezależnych od siebie źródłach: Unite.AI, które podaje te same liczby i brak wskazanych dostawców układów, oraz analiza Interesting Engineering, która potwierdza dane i wskazuje ich ograniczenia metodologiczne (dane deklarowane przez firmę, linia bazowa wybrana przez nią samą, parytet kosztowy bez zmiennych leżących u podstaw). Osobno zweryfikowany pull request #1180 na GitHubie: tytuł, autorzy, data scalenia (27 sierpnia 2026) i treść techniczna się zgadzają. Nazwa i siedziba Z.ai sprawdzone na Wikipedii. Wzrost kursu akcji przytoczony przez jeden agregator nie znalazł potwierdzenia w źródle pierwotnym: pominięty. Nazwy dostawców układów pozostają niepotwierdzone i tak są traktowane.
- Incertezze
- Wszystkie liczby są deklaracjami firmy i nikt ich nie odtworzył: nie istnieją niezależne pomiary ani współczynnika trzy, ani parytetu kosztu na token. Parytet ogłoszono bez wielkości, które czyniłyby go sprawdzalnym — zużycia energii, podstawy amortyzacji sprzętu, szeregów wykorzystania — a współczynnik trzy policzono wobec własnej początkowej linii bazowej firmy, czyli wobec punktu wyjścia wybranego przez mierzącego. Nie wiadomo, kto dostarcza układy: Z.ai tego nie mówi, a krążące nazwy (Huawei, Moore Threads, Hygon) pochodzą z rekonstrukcji dziennikarskich, których firma nie skomentowała. W części agentowej wpis nie pokazuje drugiej tury optymalizacji: cykl opisano raz, a jedynym artefaktem weryfikowalnym z zewnątrz jest pull request #1180. Nie jest wreszcie jawne, jaka część klastra jest przeznaczona na ten model ani z jaką ciągłością.
- Perché pubblicarla
- To pierwszy szczegółowy opis techniczny produkcyjnej usługi inferencyjnej w bardzo dużej skali, działającej w całości na chińskich akceleratorach: dotyka miejsca, w którym naprawdę rozstrzyga się niezależność od sprzętu amerykańskiego, czyli oprogramowania serwującego, a nie samego układu. To także przypadek podręcznikowy dla krytycznej lektury: liczby pochodzą od tych, którzy je wytworzyli, publicznie weryfikowalny artefakt jest dokładnie jeden, a najbardziej sugestywna część — model optymalizujący infrastrukturę, na której działa — ma najmniej dowodów. Opowiedzenie tego z niewiadomymi na widoku jest warte więcej niż powtórzenie nagłówka.
Fonti / Sources
- Z.ai — Toward Recursive Self-Improvement: How GLM Built Its Own Inference Infrastructure (blog ufficiale)
- Unite.AI — Z.ai Details GLM-5.3-Flash Inference Build on 100,000 Chinese Chips
- Interesting Engineering (Substack) — Three Times the Throughput, None of the Capex? (analisi critica dei numeri)
- GitHub — flash-linear-attention PR #1180 «[CP] use tf32x3 affine chain in kcp» (unico artefatto verificabile in modo indipendente)