GLM 5.3 최적화 1편으로 Hybrid HiSparse 오프로딩을 공개함

GLM 5.3 최적화 1편으로 Hybrid HiSparse 오프로딩을 공개함. HiSparse 는 자주 접근되는 토큰은 GPU 에 두고 콜드 데이터는 CPU 로 내리는 압력 구동형 메모리 계층으로, GPU 메모리가 실제로 부족해질 때만 오프로딩이 발동해 요청을 선점하지 않고 디코딩을 이어 감. H200 8장 노드에서 100만 토큰 컨텍스트 서빙을 목표로 하며, 자사 주장으로 초기 턴 평균 74,160토큰·후속 턴 753토큰의 13턴 OpenHands 에이전트 워크로드에서 384GiB HiSparse 풀 + 128GiB 오프로딩 풀 구성이 기존 512GiB 오프로딩보다 높은 동시 처리량을 보였다고 밝힘. 게시 시점 미출시이며 vLLM v0.30 일반 제공 예정이라고 명시함.