НОВОЕ · GLM-5.3-FlashX уже доступен
GLM-5.3-FlashX (доступен с 09.2026) — высокоскоростная версия GLM-5.3-Flash: инференс до 200 tokens/s, быстрее и плавнее. Как и Flash, первая нативно мультимодальная модель семейства GLM-5 — 320B общих / 18B активных параметров, новаторская гибридная архитектура разреженного и линейного внимания, ввод видео / изображений / текста / файлов, контекст 1M и максимальный вывод 128K.
GLM-5.3-Flash вышел
GLM-5.3-Flash (август 2026) — первая нативно мультимодальная модель семейства GLM-5: зрение встроено в цикл кодинга, входы — видео / изображения / текст / файлы. 57 баллов в индексе интеллекта Artificial Analysis — №4 в мире, на уровне Claude Opus 4.8 — при цене 1/40.
Вышла GLM-5.3
GLM-5.3 (официально выпущена 14.08.2026) — флагманская MoE-модель Zhipu. Использует ту же базу, что и GLM-5.2, без новых данных предобучения — все улучшения получены за счёт масштабного пост-обучения. Ориентирована на долгосрочную работу с кодом, терминальных агентов и аудит уязвимостей исходного кода. Девиз: Built to Code. Ready for Cyber Defense.
GLM-5.3 — флагманская open-source модель GLM: база GLM-5.2 с полностью обновлённым пост-тренингом, +50 % к качеству кодинга, 84,5 % на CyberGym (лидирующий результат) и рост в 6 раз на Terminal-Bench 3.0; GLM-5.3-Flash даёт передовой интеллект за 1/40 цены. Сравните все модели GLM ниже — или начните с бесплатной площадки.
Не требуется регистрация, учетная запись или квота. Введите ключевое слово, чтобы получить потоковый ответ.
Ответ будет streamed здесь...
Этот опыт использует большой языковой модель GLM, и вы можете получить потоковый ответ, введя ключевое слово.
Четыре способности определяют текущее поколение моделей GLM — все они сообщены авторами моделей и могут быть воспроизведены с помощью открытых прав.
Контекст в миллион токенов остаётся рабочим и качественным: GLM-5.3 использует базу GLM-5.2 и продолжает обучение на длинных траекториях кодинг-агентов — крупная реализация, автоматические исследования и сложная отладка.
Не думать, Высокий и Наивысший три уровня позволяют вам взвешивать между задержкой и способностью в зависимости от задачи — на оценке Искусственный интеллектПрограммирование это составляет около 63% (~35K токенов) до 74% (~83K токенов).
Каждые четыре спarsity attention слоя делят один легковесный индексатор, что снижает FLOPs каждого token в 2,9 раза при длине контекста в 1 миллион, сохраняя качество на долгосрочном расстоянии без потерь.
MIT лицензии подоткрытый исходный код Модель GLM: весы публикуются на HuggingFace и ModelScope, без ограничений по регионам, поддерживается местная установка через transformers, vLLM, SGLang, xLLM и ktransformers.
Данные опубликованы официальной документацией Zhipu и независимым оценщиком Artificial Analysis. glmmodel.cn лишь приводит их.
Поиск уязвимостей в исходном коде
Агентный кодинг: выше точность, меньше токенов
Терминальные агентные задачи (GLM-5.2: 4,6)
GLM-5.3 превосходит GLM-5.2 на Terminal-Bench 3.0 (4,6→28,3), DeepSWE v1.1 (46,2→66,9) и Agents’ Last Exam (23,8→28,5), достигая SOTA среди open-source; на ExploitBench — 54,4 %, более чем вдвое выше GLM-5.2. GLM-5.3-Flash набрал 57 баллов в индексе Artificial Analysis (№4 в мире) — на уровне Claude Opus 4.8.
Опубликованные базовые результаты моделей GLM, охватывающие 17 оценок для 8 моделей.
| Benchmark | GLM-5.3 | GLM-5.2 | Kimi K3 | DeepSeek-V4-Pro | Qwen3.8-Max | Opus 4.8 | Fable 5 | GPT-5.6 Sol |
|---|---|---|---|---|---|---|---|---|
| Кодинг | ||||||||
| Terminal-Bench 2.1 | 88.2 | 81.0 | 88.3 | 87.9 | 86.6 | 85.0 | 88.0 | 88.8 |
| Terminal-Bench 3.0 | 28.3 | 4.6 | 17.4 | – | – | 21.1 | 33.7 | 34.6 |
| DeepSWE v1.1 | 66.9 | 46.2 | 67.5 | 62.7 | 56.6 | 58.0 | 69.7 | 72.7 |
| NL2Repo | 58.0 | 48.9 | 58.0 | 61.1 | 55.9 | 69.7 | – | – |
| ProgramBench (Almost Solved) | 19.0 | 9.5 | 17.5 | – | 10.5 | 15.5 | 33.0 | 23.0 |
| FrontierSWE | 78.1 | 67.5 | – | – | – | 66.5 | 88.2 | – |
| SWE-Marathon v1.1 | 42.5 | 19.4 | 48.1 | – | – | 48.8 | 33.1 | 42.5 |
| PostTrainBench | 39.8 | 31.7 | 32.0 | – | – | 32.9 | 41.8 | 36.2 |
| Кибербезопасность | ||||||||
| CyberGym | 84.5 | 77.2 | 80.0 | 83.3 | 78.5 | 78.1 | 83.8 | 83.6 |
| ExploitGym 2h / 6h | 105 / 130 | 29 / 39 | 36 / 70 | – | 14 / 26 | 80 / 120 | 181 / 247 | 216 / 293 |
| ExploitBench | 54.4 | 24.4 | 32.2 | – | 28.8 | 40.0 | 78.0 | 76.5 |
| Агенты | ||||||||
| Toolathlon Verified | 73.0 | 59.9 | 76.5 | 74.1 | 72.5 | 76.2 | 74.7 | 74.9 |
| AutomationBench v1.0.6 | 48.2 | 26.2 | 46.7 | 43.2 | 39.8 | 41.0 | 46.2 | 45.8 |
| Agents' Last Exam (ALE-CLI) | 28.5 | 23.8 | 27.6 | 25.7 | 27.0 | 25.7 | 23.8 | 28.6 |
| HLE w/ Tools | 62.5 | 54.7 | 59.8 | 60.0 | 56.2 | 57.9 | 63.9 | 64.5 |
| GDPval-AA v2 | 1769 | 1508 | 1682 | 1590 | 1739 | 1588 | 1743 | 1730 |
Источник: официальный блог Z.ai (14.08.2026).
Модели GLM работают в разных режимах. Настройка интенсивности выделяет вычислительные ресурсы только там, где нужно. GLM-5.3 всегда размышляет (low / high / max, по умолчанию max); цифры по уровням — отчётные значения GLM-5.2, для ориентира.
~35K средний token
Быстрая редактирование, шаблонный код, регулярноерефакторинг и другие сценарии, где важнее задержка, чем глубина.
~43K средний token
Стандартный выбор для большинства агентов программирования: качество, близкое к самому высокому уровню, прирасходует около половины токенов.
~83K средний token
Трудные долгосрочные проблемы — распределяйте дополнительные вычислительные ресурсы только при необходимости.
В таблице GLM-5.3 против моделей сравнения по официальной публикации Z.ai. GLM-5.3 использует базу GLM-5.2 — все улучшения получены пост-тренингом. glmmodel.cn лишь приводит эти результаты.
Повышение верхнего предела контекста с 200K до 1 миллиона token является инженерной проблемой, а не параметром конфигурации. Три изменения являются ключевыми.
Каждые четыре слоя Transformer имеют ОбщийЛегкийИндексатор. Он расположен в первом слое из четырех, его top-k индекс используется другими тремя слоями — это устраняет точечное вычисление индексатора и top-k в трети слоев. Результат: количество FLOPs на каждый token уменьшается в 2,9 раза при длине контекста в 1 миллион. IndexShare был введен с середины обучения при длине последовательности 128K.
Много токенов предсказательного слоя запускаются один раз в первом черновике, а в последующих шагах повторно используют индекс, что устраняет ограничение на несоответствие между KV-кэшем обучения и дедукцией. В сочетании с отказом от сэмплирования и полным TV-потерями, длина принимается от 4.56 до 5.47 — около 20% —охватывающих 7 шагов MTP. Много токенов предсказательного слоя запускаются один раз в первом черновике, а в последующих шагах повторно используют индекс, что устраняет ограничение на несоответствие между KV-кэшем обучения и дедукцией. В сочетании с отказом от сэмплирования и полным TV-потерями, длина принимается от 4.56 до 5.47 — около 20% —охватывающих 7 шагов MTP. Много токенов предсказательного слоя запускаются один раз в первом черновике, а в последующих шагах повторно используют индекс, что устраняет ограничение на несоответствие между KV-кэшем обучения и дедукцией. В сочетании с отказом от сэмплирования и полным TV-потерями, длина принимается от 4.56 до 5.47 — около 20% —охватывающих 7 шагов MTP. Много токенов предсказательного слоя запускаются один раз в первом черновике, а в последующих шагах повторно используют индекс, что устраняет ограничение на несоответствие между KV-кэшем обучения и дедукцией. В сочетании с отказом от сэмплирования и полным TV-потерями, длина принимается от 4.56 до 5.47 — около 20% —охватывающих 7 шагов MTP.
| Базовый уровень | 4.56 |
| + IndexShare + KVShare | 5.10 |
| + Отказ от выбора | 5.29 |
| + Потеря TV от конца до конца | 5.47 (+20%) |
После более чем нескольких десятков тысяч token узким местом уже не является вычисление, а это KV кэш емкость, долгий контекст ядро и CPU затраты. Три ремонта: основанные на LayerSplit детализированная память управление и параллелизация, оптимизация ядра масштабирования длины контекста, согласованное с кэш передающей трубой, и управление кэшем, планирование запросов и оптимизация маршрутов в runtime. Преимущество производительности растет с увеличением контекста.
Преимущество нормализации производительности
Тренировка стека (slime) комбинирует белую коробку и черную коробку rollout, компактные трассы и подИскусственный интеллект workflow. Параллельное обучение OPD запримерно за два дня объединило более десятка экспертовМодель, FP8 KV кэш гарантирует, что память rollout не exceeds бюджет.
Длинный цикл RL может привести к поиску кратчайших путей, поэтому подозрительные действия сначала проходят через фильтр вызова на основе правил, а затем проверяются на точность с помощью LLM. Подтвержденные хакерские действияблокируютсяаются в онлайн-режиме и отвечаются результатами виртуальных инструментов, что позволяет продолжить rollout, а не выбросить его. PPO на основе Critic поддерживает обучаемость сжатых подтраекторий на одном rollout.
От 30B Flash уровня до миллиона контекстных токенов флагманского уровня — выберите модель GLM и посмотрите таблицу спецификаций и базовые данные.
База GLM-5.2 с полностью обновлённым пост-тренингом: SOTA open source в сложном кодинге и агентных задачах, лидерство в поиске уязвимостей.
Первый нативно мультимодальный GLM: зрение в цикле кодинга, №4 в мире по индексу AA, интеллект уровня Opus 4.8 за 1/40 цены.
Вертикальная модель для юридической отрасли на GLM-5.3-Flash: 19,2 % в бенчмарке Harvey LAB при ~1/70 стоимости закрытых аналогов. Бета.
Прошлый флагман: контекст в миллион токенов, SOTA open source в программировании и длинных задачах.
Предыдущее поколение флагмана: значительное улучшение долгосрочных способностей и инженерные результаты работы в течение нескольких часов.
Более высокая способность программирования, более надежное многошаговое выполнение и лучшее поведение сложных агентов.
Основная модель, оптимизированная для сценариев с длинными цепочками и динамическими интеллектуальными агентами.
Улучшенные программные возможности, стабильные многошаговые выводы и улучшенная генерация на переднем плане.
300 миллиардов параметров; высокая эффективность и производительность, лидирующие ваналогичных масштабных открытых моделях.
Маленький GLM модель, отличные показатели производительности на единицу вычислительной мощности.
Реальное преобразование голоса в текст в реальном времени, CER до 0,0717.
Функциональность работы с несколькими файлами, выходящими за пределы одного контекстного окна: модель поддерживает состояние всего репозитория в поле зрения, а не перечитывает его каждые несколько итераций.
Часы экспериментов в цикле, искусственный интеллект требует планирования, выполнения, чтения результатов и корректировки — это именно та нагрузка, которую разрабатывали FrontierSWE и PostTrainBench для оценки.
Необходим полный вызов граф, вывод анализатора и сохранение ядра и системы на одном пути в предыдущих попытках.
Долгосрочное отслеживание воспроизведения, нестабильные тесты иохватываясервисные сбои, обрезка контекста — это причина потери багов.
Все перечисленные сцены могут работать на вашем собственном оборудовании — вес MIT, transformers · vLLM · SGLang · xLLM · ktransformers.Как запустить GLM-модель локально →
Чтение Модель GLMБазовые тесты, затем запускайте реальную Модель. Верхняя Площадка для тестирования бесплатна и не требует никакой информации; если вы хотите более полный набор инструментов AI, бесплатный пакет партнеров начинается здесь.