GLM-5.3-Flash: המודל שמאחורי Ox Alpha האנונימי

במשך כמעט שבוע הופיע ב־OpenRouter ובכלי פיתוח נוספים מודל AI בשם Ox Alpha. הוא היה חינמי, ללא יצרן מזוהה וללא דף מודל מפורט — אך הציע חלון הקשר של כמיליון טוקנים ויכולת לעבד קלט מולטימודלי. ב־26 באוגוסט 2026 חשפה Zhipu AI, שפועלת בזירה הבינלאומית גם תחת המותג Z.ai, כי Ox Alpha היה למעשה GLM-5.3-Flash. 34

החשיפה הפכה תעלומה קצרה להשקה משמעותית של מודל עם משקלים פתוחים: מערכת Mixture of Experts בהיקף כולל של 320 מיליארד פרמטרים, שרק 18 מיליארד מהם מופעלים עבור כל טוקן, חלון הקשר של 1,048,576 טוקנים, קלט מולטימודלי טבעי ומשקלים תחת רישיון MIT. 368

למה Ox Alpha עורר כל כך הרבה עניין?

המודל הופיע ב־20 באוגוסט 2026 ללא שם חברה, מפרט טכני מלא או כרטיס מודל. מפתחים התחילו להשתמש בו למשימות תכנות, עבודה עם סוכנים וכלים, וניתן היה להזין לו טקסט, תמונות ווידאו. הביצועים המעשיים שלו עוררו ספקולציות בנוגע למעבדה שיצרה אותו. 1316

לדברי Zhipu, האנונימיות הייתה מכוונת. החברה ביקשה שהמפתחים ישפטו את המערכת לפי התוצאות שלה — ולא לפי המותג, מספר הפרמטרים או מסרי השיווק של ההשקה. כך היא קיבלה דפוסי שימוש ומשוב מתרחישי עבודה אמיתיים, עוד לפני ההכרזה הרשמית. 1315

במהלך הניסוי דווח על קיבולת חינמית של כ־100 טריליון טוקנים ביום. בין המפתחים הבולטים שהביעו התלהבות מהמודל נמנה, לפי הדיווחים, פטריק קוליסון, ממייסדי Stripe, שתיאר אותו כ"מרשים מאוד". עם זאת, התלהבות ציבורית אינה תחליף להערכה מבוקרת וזהה לכל המודלים. 1314

Zhipu מסרה גם שהשירות הופעל על מאיצי AI שיוצרו בסין. ה־South China Morning Post דיווח שהניסוי השתמש באשכול של 100,000 שבבים כאלה, וכן שהמודל עיבד 62 טריליון טוקנים לפני השקתו הרשמית. המספרים שונים בין הדיווחים, ולכן יש לראות בהם נתונים שמסרה החברה או שפורסמו בתקשורת — לא מדידות שעברו ביקורת עצמאית. 713

מה יש בתוך GLM-5.3-Flash?

GLM-5.3-Flash הוא מודל מסוג Mixture of Experts, או בקיצור MoE. מאגר הפרמטרים הכולל שלו מכיל 320 מיליארד פרמטרים, אך בכל שלב חישובי מופעלים רק 18 מיליארד מהם לכל טוקן. הרעיון הוא לשלב את יכולת הייצוג של מודל גדול מאוד עם עלות חישוב נמוכה יותר בכל פעולת הסקה. 34

המודל כולל 45 שכבות, והוא מוצג כמודל הראשון בסדרת GLM-5 שנבנה מראש כמולטימודלי. הוא מיועד לעבוד עם טקסט, תמונות, וידאו, מסמכים חזותיים, קבצים וקלטים שמשלבים כמה סוגי מדיה. בפועל, משמעות הדבר היא שסוכן יכול לבחון ממשק, לפרש צילום מסך, לקרוא מסמך או לבדוק תוצאה של הרצת קוד — ולא להסתמך על טקסט בלבד. 411

Zhipu מציגה חלון הקשר של 1,048,576 טוקנים, כלומר בקירוב מיליון טוקנים. קיבולת כזו יכולה להתאים למאגרי קוד גדולים, למסמכים רבים, לסשנים ארוכים של סוכנים ולתרחישים שבהם משלבים קוד, קבצים ותוכן חזותי באותה משימה. 34

לפי החברה, המודל אומן מאפס על בסיס חדש, עם ארכיטקטורה ומתכון אימון שעוצבו מחדש. האימון התבסס על קורפוס מולטימודלי בהיקף של 30 טריליון טוקנים, ולכן GLM-5.3-Flash מוצג כמודל חדש שתוכנן סביב יעילות ויכולות מולטימודליות — ולא רק כגרסה מוקטנת של GLM-5.3. 416

איך התכנון אמור לחסוך חישוב וזיכרון?

GLM-5.3-Flash משלב קשב ליניארי עם קשב דליל. קשב ליניארי נועד להוזיל את עיבוד הרצפים הארוכים, ואילו קשב דליל מאפשר לשמור אינטראקציות מפורטות יותר רק במקומות שבהם הן חשובות במיוחד. השילוב נועד לאזן בין יכולת עבודה על הקשר ארוך לבין עלויות הסקה סבירות יותר. 416

הארכיטקטורה כוללת גם מנגנון בשם IndexPool, שנועד להפחית את העומס על הזיכרון ואת זמני ההשהיה הכרוכים באינדוקס של הקשר ארוך. בנוסף, Zhipu מתארת שימוש ב־Manifold-Constrained Hyper-Connections כאמצעי נוסף לשיפור יעילות ההתרחבות של המודל. התועלת בפועל של טכניקות אלה תלויה באורך הרצף, בחומרה, בתצורת השירות ובסוג המשימה. 416

בהשוואה ל־GLM-5.3, Zhipu טוענת כי GLM-5.3-Flash מפחית את חישובי הקשב פי 3.01 ואת השימוש ב־KV Cache פי 4.44, תוך שמירה על איכות בעבודה עם הקשר ארוך. אלה נתונים חשובים למפתחי סוכנים, משום שחישובי קשב וזיכרון KV עלולים להפוך לצווארי בקבוק בסשנים ממושכים. עם זאת, מדובר בעיקר בנתונים טכניים של Zhipu, ולא במהירויות ששוחזרו באופן בלתי תלוי בכל תצורת חומרה ועומס. 4

למה המודל מיועד?

הדגש המרכזי של GLM-5.3-Flash הוא על תכנות, תכנות חזותי, משימות ארוכות־טווח של סוכנים ושימוש בכלים. היכולת החזותית הטבעית אמורה לאפשר לסוכן להתבונן בממשקים, בתוצאות רינדור ובמשוב מאינטראקציות — וליצור לולאה רציפה בין קוד, דפדפנים וממשקי משתמש גרפיים. 4

תוצאות הבנצ'מרק שפרסמה Zhipu כוללות:

• Terminal-Bench 2.1: 84.3
• DeepSWE v1.1: 63.4 ב־Pass@1
• AutomationBench: 48.8
• NL2Repo: 56.3
• Toolathlon Verified: 78.4

הציונים מחזקים את המיצוב של המודל ככלי לתכנות ולעבודה עם סוכנים, אך יש להשוות ביניהם בזהירות. בנצ'מרקים של סוכנים מושפעים מאוד מניסוח הפרומפט, מהכלים הזמינים, משכבות האוטומציה, מהחומרה, ממגבלות הזמן ומגרסת ההערכה. לכן נכון לראות בנתונים אלה תוצאות שדיווחה Zhipu — ולא דירוג סופי ובלתי תלוי של כל המודלים המתחרים. 415

משקלים פתוחים ופריסה מקומית

Zhipu פרסמה את משקלי GLM-5.3-Flash ב־Hugging Face תחת רישיון MIT, כולל גרסת BF16. בתיעוד המודל מצוין כי ניתן לפרוס אותו באמצעות מסגרות שירות כמו SGLang ו־vLLM. עבור ארגונים, המשמעות היא אפשרות לבדוק ולהפעיל את המודל בתשתית עצמית, במקום להסתמך רק על ה־API המתארח של Z.ai. 368

הפתיחות הזו משנה את התמונה המעשית. מפתחים יכולים לבדוק את המודל מול מאגרי הקוד, המסמכים והממשקים החזותיים שלהם, וצוותי תשתיות יכולים לבחון ישירות את עלויות ההגשה ואת דרישות החומרה. עם זאת, 320 מיליארד פרמטרים בסך הכול עדיין הופכים את הפריסה למשימה הנדסית מורכבת. העובדה שרק 18 מיליארד פרמטרים פעילים בכל טוקן מפחיתה את העבודה החישובית, אך אינה הופכת את נקודת הבדיקה המלאה לקלה או זולה כברירת מחדל.

מה הייתה מטרת ההשקה בעילום שם?

ניסוי Ox Alpha היה יותר מתרגיל יחסי ציבור. הוא בדק אם מפתחים ימשיכו להשתמש במודל גם כאשר אינם יודעים מי יצר אותו, כמה פרמטרים יש בו ומהי החברה שמאחוריו. בתהליך הזה משתמשים אמיתיים סיפקו עומסי עבודה ומשוב עוד לפני החשיפה הרשמית. 1315

לניסוי היו גם מגבלות ברורות: גישה חינמית יכולה למשוך תעבורה חריגה, שבחים ברשת עשויים להיות קשורים לחידוש ולסקרנות, והבדיקה האנונימית לא שלטה בניסוח הפרומפטים או בתנאי ההשוואה מול מודלים אחרים. המסקנה הזהירה יותר היא ש־GLM-5.3-Flash הצליח למשוך עניין נרחב מצד מפתחים עוד לפני שזהותו נודעה — ו־Zhipu השתמשה בתגובה הזו כדי לבחון את המוצר ואת סיפור ההשקה שלו. 1315

השורה התחתונה

GLM-5.3-Flash הוא השם שנחשף מאחורי Ox Alpha: מודל GLM פתוח־משקלים, מולטימודלי מטבעו, שנבנה לעבודה יעילה עם קוד, כלים וסוכני AI. המפרט המרכזי שלו כולל ארכיטקטורת MoE עם 320 מיליארד פרמטרים בסך הכול ו־18 מיליארד פעילים, 45 שכבות, חלון הקקשר של כמיליון טוקנים, קשב ליניארי ודליל משולב ומשקלים ברישיון MIT. 3411

ההבטחה המשמעותית של המודל אינה רק הגודל. מדובר בשילוב של הקשר ארוך, קלט חזותי, שימוש בכלים ועלויות שירות נמוכות יותר — במודל שמפתחים יכולים להוריד ולנסות בעצמם. ההשקה העיוורת סיפקה משוב מעשי בהיקף חריג, אך עדיין נדרשות הערכות בלתי תלויות וניתנות לשחזור כדי לקבוע כיצד הטענות על הארכיטקטורה, היעילות והבנצ'מרקים מתורגמות לביצועים בסביבת ייצור.