Ox Alpha’nın Gizemi Çözüldü: GLM-5.3-Flash Ortaya Çıktı

26 Ağustos 2026’da Zhipu AI, uluslararası alanda Z.ai adıyla da bilinen şirketin anonim modeli Ox Alpha hakkındaki merakı giderdi. Çinli geliştirici topluluklarında “Niu Lai” adıyla anılan modelin, GLM serisinin açık ağırlıklı ve doğrudan çok modlu modeli GLM-5.3-Flash olduğu açıklandı. 115

Duyuru yalnızca yeni bir model lansmanı değildi. Zhipu AI, modelin OpenRouter ve OpenCode platformlarında ücretsiz ve anonim biçimde test edildiği beş günlük süreçte 50 trilyondan fazla token işlediğini söyledi. Şirkete göre bu trafiğin tamamı, 100 bini aşkın Çin üretimi çipten oluşan bir küme üzerinden sunuldu. 815

Anonim test, gerçek kullanıcılarla yapılan bir sınava dönüştü

Ox Alpha, arkasındaki şirketin adı açıklanmadan kullanıma açıldı. Böylece geliştiriciler modeli geleneksel bir lansman kampanyasının etkisiyle değil; yanıt kalitesi, hız, erişilebilirlik ve maliyet üzerinden değerlendirdi. Model kısa sürede OpenRouter ve OpenCode kullanım listelerinin zirvesine çıktı.

Daha sonraki haberlerde altı günlük toplam trafiğin 60 trilyon tokenı aştığı, OpenRouter’daki kullanımın ise karşılaştırılabilir DeepSeek trafiğinin iki katından fazla olduğu aktarıldı. Farklı rakamlar, platformların farklı ölçüm yöntemleri ve raporlama dönemleri kullanmasından kaynaklanıyor olabilir. Bu nedenle en temkinli sonuç, testin 50 trilyon tokenı aştığı ve olağanüstü yüksek bir talep gördüğüdür. 1330

Bu gelişmenin önemli tarafı, modelin kimliği bilinmeden büyük miktarda gerçek geliştirici trafiğine maruz kalmasıydı. Kullanıcılar Zhipu AI markasına veya kullanılan donanımın menşeine göre değil, doğrudan modelin performansına göre karar verdi.

Çin çipleriyle çıkarım iddiası ne anlama geliyor?

Zhipu AI, çevrim içi çıkarım yükünün 100 bini aşkın Çin üretimi hızlandırıcı üzerinde çalıştığını ve yazılım optimizasyonları sayesinde donanım verimliliği ile token başına maliyetin yaygın Nvidia GPU’larıyla karşılaştırılabilir seviyeye geldiğini belirtti. 1524

Ancak şirket, bu çiplerin hangi üreticilere ait olduğunu kamuoyuna açıklamadı. Sektör haberlerinde Huawei, Moore Threads ve Hygon olası tedarikçiler olarak anıldı; fakat bu bağlantılar doğrulanmış değil ve Zhipu AI tarafından teyit edilmiş bir bilgi olarak değerlendirilmemeli. 3040

İddianın kapsamını doğru okumak önemli. Bu açıklama:

• Çin çiplerinin her iş yükünde Nvidia’ya yetiştiğini,
• yerli donanımın Nvidia’yı eğitim süreçlerinde geride bıraktığını veya ikame ettiğini,
• iki ekosistemin geliştirici araçları ve yazılım desteği bakımından eşdeğer olduğunu

göstermiyor.

Gösterdiği daha sınırlı ve somut nokta şu: Model ile sunum sistemi birlikte optimize edildiğinde, büyük ölçekli bir çıkarım hizmeti Nvidia dışı bir yerli donanım yığını üzerine kurulabilir.

Nvidia’nın CUDA avantajı için sonuç ne?

Bu lansman, Nvidia’nın genel üstünlüğünün bir gecede ortadan kalktığı anlamına gelmiyor. CUDA’nın yazılım ekosistemi, araçları, kurulu kullanıcı tabanı ve yapay zekâ eğitimi alanındaki konumu, çıkarım hizmetlerinin maliyetinden ayrı başlıklar.

Bununla birlikte GLM-5.3-Flash örneği, belirli üretim iş yüklerinde modele özel çekirdeklerin, nicemleme yöntemlerinin, paralel hesaplamanın ve gelişmiş zamanlama tekniklerinin CUDA’ya olan bağımlılığı azaltabileceğini gösteriyor. Dolayısıyla tartışma, Nvidia’nın tüm avantajlarının kaybolmasından çok, bu avantajların özellikle çıkarım tarafında ne ölçüde aşınabileceği üzerine kuruluyor.

Bir milyon tokenlık bağlamı mümkün kılan teknik yapı

Bir milyon tokenlık bağlam penceresi; bellek kapasitesi, bellek bant genişliği, çipler arası iletişim ve iş planlama açısından ciddi zorluklar yaratıyor. Zhipu AI, bu sorunları aşmak için SGLang temelinde özel bir çıkarım motoru geliştirdiğini ve çeşitli optimizasyonlar kullandığını bildirdi:

• Hesaplama ve bellek baskısını azaltmak için W8A8 nicemleme,
• önbellek için INT8, FP8 ve BF16’nın birlikte kullanıldığı karma nicemleme,
• düğüm içi tensör paralelliği,
• çok modlu kodlama, istemin ön işlenmesi ve token token üretimi ayrı, bağımsız ölçeklenebilen havuzlara ayıran Encode–Prefill–Decode mimarisi. 1124

Zhipu AI, bu yapı sayesinde aynı donanım üzerindeki başlangıç referansına kıyasla uçtan uca servis performansının yaklaşık üç katına çıktığını açıkladı. 2426 SGLang’ın sonraki dokümantasyonu da BF16 karşılaştırma yapılandırmasına göre ek verim ve FP8 önbellek kapasitesi kazanımları raporluyor. Ancak bu dokümantasyon, Zhipu’nun açıkladığı üç katlık artış için bağımsız bir denetim niteliğinde değil. 17

Buradaki asıl ders, ham çip gücünden çok sistem tasarımında yatıyor: daha düşük bellek ve bant genişliği kapasitesine sahip donanım, model mimarisi ve çıkarım yazılımı birlikte tasarlanarak büyük bir hizmet yükünü taşıyabilir.

GLM-5.3-Flash’in özellikleri

GLM-5.3-Flash’in bildirilen teknik özellikleri şöyle:

• Toplam parametre: 320 milyar
• Token başına etkin parametre: yaklaşık 18 milyar
• Bağlam penceresi: 1.048.576 token
• Model yapısı: Seyrek Mixture-of-Experts
• Girdi türü: Yerel çok modlu metin, görsel ve video girdileri

Bu yapı, modeli uzun belgeler, kodlama ve uzun süre çalışan ajan görevleri için konumlandırıyor. Büyük toplam parametre sayısına rağmen her token için yalnızca yaklaşık 18 milyar parametrenin etkinleşmesi, çıkarım maliyetini düşürmeye yardımcı olabiliyor. 257

Modelin Artificial Analysis Intelligence Index puanı 57 olarak bildirildi; bu, aynı kaynaklarda Claude Opus 4.8 için verilen puana eşit. Ancak bu sonuç yalnızca tek bir bileşik endekste eşitlik anlamına geliyor. Tüm kıyaslamalarda, uygulamalarda veya ajan görevlerinde aynı performansın gösterildiğini kanıtlamıyor. 9

Fiyat, GLM-5.3 ve Claude Opus 4.8 karşılaştırması

Zhipu AI’nin açıkladığı API fiyatı, bir milyon token için girişte 0,15 dolar, çıkışta ise 0,50 dolar olarak verildi. 429

Dönemin haberlerinde bu fiyatın GLM-5.3’ün yaklaşık onda biri, Claude Opus 4.8’in ise yaklaşık kırkta biri olduğu aktarıldı. Yine de oranlar; giriş veya çıkış tokenının esas alınmasına, fiyatlandırma kademesine ve seçilen plana göre değişebilir. 14

GLM-5.3-Flash’in rekabet avantajı bu nedenle tek bir başlığa dayanmıyor. Modelin seyrek mimarisi, çıkarım katmanındaki agresif optimizasyonlar ve düşük API fiyatı birlikte çalışıyor. Ox Alpha testi de bu üçlü kombinasyonun, modelin kimliği açıklanmadan önce bile büyük bir kullanıcı kitlesini çekebildiğini ortaya koydu.

Bu sonuç, Zhipu AI’nin tüm donanım ve yazılım sınırlamalarını çözdüğü anlamına gelmiyor. Ancak model, çıkarım çağında rekabetin yalnızca en güçlü çipi üretmekten ibaret olmadığını; model, motor ve donanımın birlikte tasarlanmasının da en az ham işlem gücü kadar belirleyici olabileceğini gösteren dikkat çekici bir üretim ölçeği örneği sunuyor.