GLM 5.3 di Z.ai, 753 miliardi di parametri, arriva su Amazon Bedrock

Z.ai rende disponibile su Amazon Bedrock GLM 5.3, un mixture-of-experts da 753 miliardi di parametri ottimizzato per coding e agenti di lungo periodo. Il modello è pubblicato anche su Hugging Face Hub¹.

L’annuncio lega il modello a carichi concreti: rifattorizzare repository con centinaia di file, sostenere flussi agentici di ore senza perdere contesto, ragionare su sistemi complessi usando strumenti a ogni passo. Z.ai richiama inoltre capacità in ambito cyber security. Finora, soddisfare queste esigenze con open‑weight ha spesso richiesto di predisporre e operare infrastrutture di inferenza proprietarie¹.

Con Bedrock, GLM 5.3 si invoca tramite API gestite. Non si allestisce né si mantiene alcun cluster. La piattaforma offre inferenza cross‑Region, prompt caching e livelli di servizio. L’accesso è disponibile per clienti enterprise idonei¹.

Z.ai fornisce esempi d’uso con API compatibili con OpenAI. Il post mostra come chiamare il modello da Bedrock e come attivare il prompt caching per ridurre costi e latenza. Il caching consente di riutilizzare porzioni di prompt ripetitive, utile in flussi di lavoro con contesti lunghi e passi iterativi. In scenari agentici, dove il modello richiama strumenti a ogni turno, questa funzione può alleggerire sia tempi sia spesa, mantenendo la stabilità del contesto tra invocazioni¹.

Il focus applicativo è netto: sviluppo software su basi di codice estese, automazione di attività multi‑step che durano ore, analisi tecniche che richiedono ragionamento e strumenti. L’obiettivo è reggere carichi lunghi senza degradare il contesto, caratteristica chiave per agenti che pianificano, eseguono, verificano e correggono in cicli successivi. Z.ai segnala inoltre casi d’uso in cyber security, ambito in cui memoria, strumenti e coerenza di lungo periodo sono spesso determinanti¹.

Il post affianca la disponibilità del modello su Hugging Face Hub a quella su Bedrock. Nel primo caso, si accede al peso open‑weight pubblicato. Nel secondo, si usa il modello come servizio gestito, con le funzioni di piattaforma citate. La combinazione punta a ridurre la complessità operativa rispetto a soluzioni in cui l’organizzazione gestisce l’infrastruttura di inferenza. Per chi già adotta Bedrock, l’integrazione con API compatibili con OpenAI riduce l’attrito di prova e migrazione di codice esistente¹.

Gli autori includono un workflow agentico realistico, a dimostrazione della capacità del modello di orchestrare strumenti lungo più passi senza perdere il filo. L’esempio traduce in pratica le promesse su contesto esteso e gestione di attività durature. La presenza di livelli di servizio e caching rafforza l’orientamento a casi d’uso stabili e ripetuti nel tempo¹.

Per i team su Bedrock, il passo operativo è valutare GLM 5.3 con le API compatibili e misurare l’effetto del prompt caching su costi e latenza nei propri workflow. Il post di annuncio fornisce gli snippet di chiamata e i dettagli per l’attivazione delle funzioni di piattaforma¹.