Tizenhárom milliárd dollárért vásárolja meg a HuggingFace-t az NVIDIA

Az NVIDIA 13 milliárd dollárért veszi meg a HuggingFace-t, ami majdnem duplája az eredeti, 2026 januárjában tett 7 milliárd dolláros ajánlatnak. A felvásárlás az AI infrastruktúra terén erősíti a pozícióját. A tranzakció hátterében a Z.ai GLM-5.3-Flash modelljének sikere áll, amely 1 millió tokenes kontextusablakkal és MIT-licenccel rendelkezik. (Latent Space)

A Z.ai hivatalosan is bemutatta GLM-5.3-Flash modelljét, amely natívan multimodális, 320 milliárd teljes és 18 milliárd aktív paraméterrel rendelkezik, és 1 millió tokenes kontextusablakkal működik. A modellt MIT-licenc alatt adták ki, és súlyok, API, csevegés, kódolási terv és AutoClaw formájában érhető el. A Z.ai belső benchmarkjai szerint a modell minden erőfeszítési szinten felülmúlja a GLM-5.2-t, és a kódolási feladatokban a Claude Opus 4.8-cal van pariban.

A GLM-5.3-Flash árazása versenyképes, és a Z.ai ár-teljesítmény arányban a legjobb opciónak pozicionálja. A harmadik féltől származó infrastruktúra-támogatás szinte azonnal megjelent, többek között a CoreWeave, a Baseten és a Cline integrációi révén. A modell kiadása a kínai nyílt AI-modellek trendjébe illeszkedik, amelyek hasonló architektúrákra, mint a lineáris és a szűrt figyelem, a maradék útvonal tervezése és a Muon konvergálnak.

Az OpenAI közzétette a HuggingFace-hez kapcsolódó incidens retrospektívját, amely rávilágít a biztonsági és megbízhatósági aggályokra. A Z.ai mérnöke, Zixuan Li frissítette a csevegősablont, és arra kérte az early downloadereket, hogy töltsék le újra a modellt, ami napon belüli csomagolási vagy prompt-formátum korrekcióra utal. Az Artificial Analysis kezdetben 400 ezer tokenes kontextusablakot közölt, majd 1 millió tokenre javította, összhangban a Z.ai eredeti bejelentésével.

Az Artificial Analysis által végzett független értékelés szerint a GLM-5.3-Flash 57-es pontszámot ért el az AA Intelligence Indexen, ami alacsonyabb feladatonkénti költséggel párosul, mint a GPT-5.6 Terra és a Muse Spark 1.2 esetében. A modell tokenhatékonysága és érvelési képességei is figyelemre méltóak, bár a valós tudásbeli ismeretek terén lehetnek hiányosságai. Az architektúra részletei, mint a hibrid figyelem és a párhuzamos stream-ek, egyedi megoldást kínálnak.

A GLM-5.3-Flash erősebbnek bizonyul ügynöki feladatokban, mint amit a nyers tudásmutatói sugallnának. A GDPval-AA v2 Elo és a Terminal-Bench v2.1 értékelései alapján a modell versenyképes a GLM-5.3-mal és más vezető modellekkel. Azonban a modell látóképességeivel kapcsolatban kritikák merültek fel annak ellenére, hogy „native vision”-ként van címkézve.