Z.ai eleva preços do GLM 5.3 na OpenRouter enquanto NVIDIA publica guia de servidores DGX duplos

Z.ai: GLM 5.3 agora custa $0.084 por milhão de tokens de entrada e $3.6 por milhão de tokens de saída na OpenRouter, subindo de $0.0699 por milhão de tokens de entrada e $1.4 por milhão de tokens de saída em 2026-11-13. O preço de entrada subiu 20,2 por cento e o preço de saída subiu 157,1 por cento. O modelo possui 753,3 bilhões de parâmetros e uma janela de contexto de 1048576 tokens.

Entre outros modelos da Z.ai listados hoje, Z.ai: GLM 5.2 custa $0.007 por milhão de tokens de entrada e $6.8 por milhão de tokens de saída, enquanto Z.ai: GLM 4.7 Flash custa $0.0605 por milhão de tokens de entrada e $0.4 por milhão de tokens de saída. Z.ai: GLM 5.3 Flash custa $0.0399 por milhão de tokens de entrada e $0.0784 por milhão de tokens de saída. Z.ai: GLM 4.5 Air custa $0.2 por milhão de tokens de entrada e $1.1 por milhão de tokens de saída, e Z.ai: GLM 4.6V custa $0.3 por milhão de tokens de entrada e $0.9 por milhão de tokens de saída.

A NVIDIA anunciou "When One GPU Isn’t Enough: Serving GLM-5.3 Across Two NVIDIA DGX Stations with vLLM". De acordo com a NVIDIA, GLM-5.3 NVFP4 é um modelo mixture-of-experts quantizado com 753 bilhões de parâmetros e 40 bilhões ativados por token, exigindo cerca de 464 GB de memória GPU. De acordo com a NVIDIA, benchmarks AIPerf no conjunto de dados SPEED-Bench Coding mostram taxa de transferência de saída geral atingindo pico de 607,8 tokens por segundo na concorrência 16, caindo para 385,0 tokens por segundo na concorrência 32 com latência média de requisição de 453,5 segundos. De acordo com a NVIDIA, duas NVIDIA DGX Stations conectadas via ConnectX-8 RDMA servem o modelo através de um endpoint compatível com OpenAI usando paralelismo de tensor (TP=2), com cada GPU armazenando e computando aproximadamente metade dos pesos.