Z.ai legt seinen Inferenzstack offen: GLM-5.3-Flash läuft auf über 100.000 chinesischen Beschleunigern

Z.ai hat am 17. September einen technischen Bericht über den eigenen Produktions-Inferenzstack veröffentlicht. Auf diesem selbst gebauten, EPD-disaggregierten Aufbau läuft GLM-5.3-Flash, betrieben auf über 100.000 chinesischen Beschleunigern. Welcher Hersteller die Chips liefert und wie sie heißen, steht nicht im Bericht.

Die Zahlen daraus sind Firmenangaben. Z.ai spricht von einer Verdreifachung des End-to-End-Durchsatzes gegenüber dem eigenen Ausgangswert, erreicht in weniger als zwei Wochen. Hardware-Effizienz und Kosten pro Token seien „vergleichbar mit gängigen Nvidia-GPUs“. Einen Großteil der Optimierungsarbeit habe ein Infrastruktur-Agent erledigt, der selbst von GLM-5.3 gesteuert wird.

Das Modell darunter ist nicht neu. GLM-5.3-Flash erschien am 26. August mit 320 Milliarden Parametern gesamt, davon 18 Milliarden aktiv, nativ multimodal, mit hybrider Sparse- und Linear-Attention und einem Pretraining-Korpus von 30 Billionen Token. Wir hatten das Modell damals als das enttarnte Stealth-Modell „Ox Alpha“ beschrieben.

Der Bericht verschiebt den interessanten Teil der Geschichte vom Modell zur Infrastruktur. Nicht die Gewichte sind das Kunststück, sondern dass jemand 100.000 nicht näher bezeichnete Karten so orchestriert, dass ein Frontier-Modell darauf in Produktion läuft.

Genau an der Stelle bleibt der Bericht aber zugeknöpft, und das ist kein Zufall: Eine konkrete Chipbezeichnung wäre in der aktuellen Exportkontroll-Lage eine Angabe, die niemandem in Peking nützt. Huawei hat vergangene Woche den Ascend 960DT auf Q1 2027 vorgezogen, und Z.ai selbst hat am 14. September fünf Milliarden Dollar eingesammelt. Wer beides nebeneinanderlegt, sieht eine Lieferkette, die sich gerade selbst zu beweisen versucht, dass sie ohne fremde Hardware auskommt.