GLM-5.3
智谱 GLM-5.3 · Z.ai 智谱 · 发布 2026-08-14 · 当前代
GLM-5.2 同底座后训练加强版，权重已开源（自定义许可）。
- 类型
- MoE
- 注意力
- MLA + DSA 稀疏注意力（同 GLM-5.2）
- 层数
- 78
- 专家
- 256 · 激活 8 + 共享
- 隐藏维
- 6144
- 词表
- 154,880
官方明确「与 GLM-5.2 同一底座，所有提升来自后训练」，结构参数沿用 GLM-5.2（GitHub 标注 744B-A40B）。权重已于 2026-08-28 发布：zai-org/GLM-5.3 共 141 个 safetensors 分片，另有独立的 GLM-5.3-BF16 仓库，无门禁。许可换成了自定义的 glm-5.3 License —— GLM-5.1 / 5.2 是 MIT，这一版不是。
完善中
| 精度 | 权重大小 | 说明 |
|---|---|---|
| BF16 | — | 暂无 |
| FP8 | — | 暂无 |
| Q8 | — | 暂无 |
| Q4 | — | 暂无 |
- 消费级 24GB
- 不可行
- 单卡 80GB
- 不可行
- 8×80GB 节点
- 参考 GLM-5.2：FP8 8×H200
KV Cache：同 GLM-5.2 结构，MLA ≈ 88 KiB/token。权重已发布（141 分片 + BF16 仓库），官方未给单文件体积汇总。 ≈ 88 KiB/token
⚠ 能加载 ≠ 能在满上下文 / 高并发下舒服跑。标「估」的数字来自 计算器 公式或社区量化文件大小。
完善中
| 配置 | 量化 | 占用 / 显存 | 解码 tok/s | 预填充 tok/s | 最大上下文 |
|---|---|---|---|---|---|
| 8× RTX PRO 6000 Blackwell 96GB工作站 | FP8估 | 754 GB / 768 GB | 195 | 11250 | 335K |
| 8× A100 80GB数据中心 | Q6_K估 | 605 GB / 640 GB | 274 | 14040 | 410K |
| 8× H20 96GB数据中心 | FP8估 | 754 GB / 768 GB | 436 | 3330 | 335K |
| 8× 昇腾 Ascend 910B 64GB数据中心 | Q4_K_M估 | 442 GB / 512 GB | 294 | 12600 | 825K |
| 8× H100 80GB PCIe数据中心 | Q6_K估 | 605 GB / 640 GB | 269 | 34020 | 410K |
| 8× H100 80GB SXM数据中心 | Q6_K估 | 605 GB / 640 GB | 450 | 44505 | 410K |
| 4× AMD MI300X 192GB数据中心 | FP8估 | 749 GB / 768 GB | 289 | 29408 | 447K |
| 4× H200 141GB数据中心 | Q5_K_M估 | 519 GB / 564 GB | 373 | 22253 | 533K |
| 4× B200 192GB数据中心 | FP8估 | 749 GB / 768 GB | 436 | 50625 | 447K |
| Mac Studio M3 Ultra 512GB统一内存 | Q4_K_M估 | 433 GB / 490 GB | 17 | 321 | 667K |
单流（batch=1）估算：解码 ≈ 显存带宽 × 效率 ÷ 每 token 读取字节（激活参数 × 量化位宽 + KV）；预填充 ≈ FP16 算力 × 0.45 ÷ (2 × 激活参数)。多卡按张量并行、带宽求和 × 0.55。实际受引擎、驱动、PCIe 影响，误差 ±30%。反向查：我的卡能跑谁 →
编程DeepSWE v1.1 66.9、Terminal-Bench 3.0 28.3、SWE-Marathon v1.1 42.5、Z.ai Code Bench 34.5（max）（官方）。DeepSeek 官方对照表另给 Terminal-Bench 2.1 88.2、Terminal-Bench 4.0 37.9。
推理官方未单独披露；同底座参考 GLM-5.2。
AgentAgents' Last Exam 28.5；CyberGym 84.5、ExploitBench 54.4（官方）。
中文中文顶级。
工程型推理：官方主张为开源最强编程模型，agent 类任务提升最大（DeepSWE 66.9、SWE-Marathon 42.5、Agents' Last Exam 28.5）。LMArena 文本榜 1484（第 15），AA 指数 60。考试型基准官方未单独披露，推测与 GLM-5.2 相近（同底座）。
- 1.权重已于 2026-08-28 按承诺发布：zai-org/GLM-5.3，141 个 safetensors 分片 + 独立 BF16 仓库，无门禁
- 2.同底座纯后训练：Z.ai Code Bench 比 GLM-5.2 提升 50%，DeepSWE v1.1 46.2→66.9，Terminal-Bench 3.0 4.6→28.3
- 3.网络安全能力突出：CyberGym 84.5、ExploitBench 54.4（GLM-5.2 为 24.4）
- 1.许可从 GLM-5.2 的 MIT 换成自定义 glm-5.3 License：托管该模型且任意 12 个月营收超 100 亿美元的公司，商用前需通过 Z.ai 安全审查 —— 商用前务必逐字读 LICENSE
- 2.推理不可关闭，只能调 reasoning_effort；max 档单题输出可达 ~75K token
- 3.漏洞利用能力被官方列为「意外涌现」，分阶段先向安全伙伴开放，企业合规需留意
| 基准 | 分数 | 来源 | 日期 | 证据 |
|---|---|---|---|---|
| LMArena Text Elo人类偏好 Elo | 1484 | LMArena Text (style control) | 2026-08-28 | 独立复测 |
| Artificial Analysis Intelligence IndexAA 综合指数 | 60 | Artificial Analysis Intelligence Index v3 | 2026-08-28 | 独立复测 |
| Artificial Analysis Intelligence IndexAA 综合指数 | 60 | Artificial Analysis (v4.1.1) | 2026-08-28 | 独立复测 |
| GPQA Diamond研究生级科学问答 | 91.7% | Artificial Analysis (v4.1.1) | 2026-08-28 | 独立复测 |
| Humanity's Last Exam人类最后考试 | 42.3% | Artificial Analysis (v4.1.1) | 2026-08-28 | 独立复测 |
| SciCode科学计算编程 | 56.5% | Artificial Analysis (v4.1.1) | 2026-08-28 | 独立复测 |
| Terminal-Bench终端 agent | 83.9% | Artificial Analysis · Terminal-Bench 2.1 | 2026-08-28 | 独立复测 |
| τ³-Bench Banking工具调用 agent（银行域） | 50.3% | Artificial Analysis · τ³-Bench Banking | 2026-08-28 | 独立复测 |
| LMArena Chinese Elo中文人类偏好 Elo | 1530 | LMArena Text · Chinese (style control) | 2026-08-28 | 独立复测 |
更新 2026-09-28 · 排名供选型参考，基准会饱和、会泄漏、会过时。