Artykuł AWS Machine Learning Blog zatytułowany „Introducing GLM 5.3 on Amazon Bedrock” opublikowano 5 października 2026 roku. AWS informuje w nim, że GLM 5.3 firmy Z.ai, znanej również jako Zhipu AI, jest dostępny w Amazon Bedrock dla uprawnionych klientów biznesowych. Ogłoszenie dotyczy dostępu za pośrednictwem tej usługi i dla tej grupy klientów.

AWS opisuje GLM 5.3 jako model typu mixture of experts z 753 miliardami parametrów, zoptymalizowany pod kątem programowania i długotrwałych zadań agentowych. Te dwa obszary wyznaczają ramy prezentacji: pracę z kodem oraz zadania agentowe obejmujące wiele etapów. Wielkość modelu i jego deklarowane ukierunkowanie to cechy podane w artykule. Same w sobie nie określają, jak model sprawdzi się w każdym konkretnym zastosowaniu.

Sposoby wywoływania modelu

Artykuł podaje, że GLM 5.3 można wywoływać za pomocą zgodnych z OpenAI interfejsów Responses i Chat Completions, a także interfejsów Amazon Bedrock Invoke i Converse. Są to wymienione w ogłoszeniu drogi dostępu. Zespół tworzący aplikację może rozważyć te opcje w kontekście używanych już interfejsów. Artykuł wymienia API; wybór zależy od projektu i potrzeb konkretnej aplikacji.

Ogłoszenie opisuje również buforowanie promptów. Domyślnie obsługiwane jest niejawne buforowanie promptów, a w API Responses i Chat Completions dostępne są także jawne ustawienia pamięci podręcznej. Artykuł rozróżnia więc domyślną obsługę od bezpośrednich opcji sterowania przypisanych do tych dwóch interfejsów. Buforowanie stanowi element opisanego sposobu korzystania z modelu, obok interfejsów wywołań. Ogłoszenie nie wskazuje jednej konfiguracji dla każdego obciążenia; zespoły powinny uwzględnić sposób używania promptów w swojej aplikacji.

Profile inferencji i poziomy obsługi

Dla GLM 5.3 artykuł wymienia profil inferencji między regionami w USA o identyfikatorze us.zai.glm-5.3 oraz globalny profil między regionami global.zai.glm-5.3. Identyfikatory jednoznacznie wskazują dwie wymienione opcje profilu. Artykuł łączy je z GLM 5.3, ale dostępne informacje nie opisują dodatkowych właściwości operacyjnych każdego profilu.

AWS opisuje trzy poziomy obsługi. Flex jest przeznaczony dla obciążeń mniej wrażliwych na czas. Priority służy żądaniom krytycznym pod względem opóźnień i wiąże się z wyższą ceną. Standard jest opcją domyślną, równoważącą cenę i szybkość. Te opisy ułatwiają rozważenie wyboru: istotne są wrażliwość zadania na czas oraz kompromis między ceną a szybkością. Ogłoszenie przedstawia role poziomów, ale nie wskazuje jednego właściwego dla wszystkich obciążeń.

Definicje poziomów można odnieść do priorytetów operacyjnych aplikacji. Zadanie, dla którego czas ma mniejsze znaczenie, odpowiada opisanemu zastosowaniu Flex; żądanie krytyczne pod względem opóźnień odpowiada Priority, z uwzględnieniem wyższej ceny; Standard to wskazana domyślna równowaga. Artykuł podaje te różnice, lecz nie zawiera rekomendacji dla konkretnego obciążenia ani liczbowego porównania wydajności poziomów.

Zgłoszone wyniki i instruktaż Strix

Według artykułu przy premierze Z.ai zmierzyło wynik 84,5 w benchmarku CyberGym. Z.ai podało też poprawę o 50% względem GLM 5.2 w swoim wewnętrznym benchmarku programistycznym. Oba wyniki są w ogłoszeniu przypisane Z.ai. Jeden odnosi się do nazwanego benchmarku, a drugi do wewnętrznego testu programistycznego; należy je zatem rozumieć jako zgłoszone pomiary, a nie niezależne potwierdzenie wydajności w każdym środowisku.

Artykuł przedstawia również Strix jako agenta AI do testów penetracyjnych o otwartym kodzie źródłowym. Instruktaż wykorzystuje przykładową aplikację OWASP Juice Shop uruchomioną lokalnie. Przykład łączy ogłoszenie o modelu z konkretnym scenariuszem testów bezpieczeństwa: wskazany agent i lokalna aplikacja przykładowa są elementami instruktażu. Nie przesądza to o wynikach dla innych celów lub aplikacji; opis dotyczy zakresu użytego przykładu.

Informacje dla czytelników biznesowych

Dla uprawnionych klientów biznesowych korzystających z Amazon Bedrock artykuł zestawia kilka praktycznych informacji: deklarowane zastosowania modelu, cztery wymienione opcje API z rodzin interfejsów zgodnych z OpenAI i Bedrock, obsługę buforowania promptów, dwa identyfikatory profili inferencji oraz trzy poziomy obsługi. Łącznie opisują one sposoby dostępu i wybory, które mogą wpływać na integrację. Dzięki temu czytelnik może ustalić, jakie kwestie ocenić, rozważając GLM 5.3 do programowania albo dłuższych zadań agentowych.

Zgłoszone wyniki dostarczają dodatkowego kontekstu, ale ważne jest ich przypisanie. Wynik CyberGym i wewnętrzne porównanie programistyczne przedstawiono jako pomiary lub informacje od Z.ai. Nie stanowią one obietnicy rezultatu dla konkretnego obciążenia klienta. Podobnie instruktaż Strix ma jasno opisany zakres: wykorzystuje lokalnie uruchomioną przykładową aplikację OWASP Juice Shop.

Podsumowując, AWS przedstawia GLM 5.3 jako model dostępny w Amazon Bedrock dla uprawnionych klientów biznesowych i opisuje go jako duży model mixture of experts przeznaczony do programowania i długotrwałych zadań agentowych. Artykuł wyjaśnia sposoby wywoływania, domyślne i jawne możliwości buforowania promptów, profile między regionami oraz role poziomów Flex, Priority i Standard. Zawiera też wyniki przypisane Z.ai oraz opis instruktażu Strix z lokalnie uruchomioną aplikacją przykładową. Są to główne szczegóły ogłoszenia dla osób oceniających deklarowane możliwości usługi i opcje integracji.