GLM-5.3 hardwarekrav

GLM-5.3 er den stærkeste open-weight-model, du kan downloade i dag. Z.ai lancerede den den 14 august 2026 og offentliggjorde vægtene to uger senere, den 28 august, da sikkerhedshærdningen var afsluttet.⁴ Den leverer state-of-the-art resultater på Terminal-Bench 3.0 og løfter den score fra 4.6% til 28.3% sammenlignet med sin egen forgænger.⁴

Det er også en model med 744B parametre, og dens brugbare build kræver 475GB hukommelse. Det tal, ikke benchmarket, afgør, om du kan køre den.

• Parametre744Bomkring 40B aktive
• Kontekst1Mtokens
• LicensGLM-5.3tilpasset, ikke MIT
• Hukommelse ved 4-bit475GB94.3% nøjagtighed

Den samme model som 5.2, videre trænet

GLM-5.3 deler sin basemodel med GLM-5.2. Enhver forbedring kommer derfor fra yderligere eftertræning snarere end et nyt prætræningskørsel.¹ Arkitekturen, parameterantallet og hukommelsesforbruget er derfor identiske med 5.2's, hvilket er praktisk: alt, hvad du har lært om at køre 5.2, gælder stadig, og enhver maskine, der kunne køre 5.2, kører 5.3.

Som alle årets førende åbne modeller er den en mixture of experts. Den har 744B parametre og ruter omkring 40B af dem pr. token. Det lille aktive tal er grunden til, at en enkelt maskine kan generere med en rimelig hastighed. Det store samlede tal er grunden til, at den maskine skal være en seriøs en — routeren vælger forskellige eksperter for hvert token, så alle forbliver residente.

Hvad det kræver

Unsloth udgiver en fuld kvantiseringstrappe for GLM-5.3, og usædvanligt nok udgiver de et målt nøjagtighedstal ved siden af hver enkelt. Den anden kolonne er det, der gør valget muligt.

Hvad hver kvantisering opgiver

Kvantisering gemmer hver vægt i færre bits. Besparelsen er reel, og det samme er omkostningen, og omkostningen er ikke lineær. Læs trappen nedefra, og de første trin er næsten gratis; læs den oppefra, og de sidste trin er brutale.

At gå fra 4-bit til 2-bit sparer 230GB og koster næsten seksten point i nøjagtighed. At gå fra 5-bit til 4-bit sparer 95GB og koster halvandet. Hvis dit budget rækker til 512GB, er 4-bit dér, hvor modellen stadig opfører sig som sig selv. Under det kører du en demonstration.

Tre måder at nå 475GB på

Én pulje samlet hukommelse. En Mac Studio M3 Ultra 512GB kan rumme den 4-bit build med plads til kontekst, og det er den maskine, der kan gøre dette i dag. Den 2-bit build på 245GB passer direkte i en 256GB maskine.² 512GB er loftet på Apple silicon under alle omstændigheder: den nyere M5 Ultra topper på samme niveau, og dens 512GB-konfiguration er først forventet sidst i oktober.⁵

Et kort plus system-RAM. Fordi modellen er sparsom, fungerer splitten godt. Attention-lagene ligger på grafikkortet, ekspertlagene bliver i systemhukommelsen, og llama.cpp's --n-cpu-moe-flag angiver, hvor grænsen går. Unsloth rapporterer GLM-5.2 kørende på et enkelt 24GB kort med 256GB RAM på denne måde.² Forvent, at det er langsommere end samlet hukommelse, fordi ekspertvægtene så læses med hastigheden fra din DDR5 snarere end fra din VRAM. Det er her, en workstation-platform med otte kanaler tjener sin pris hjem.

Alt i VRAM. Fire RTX PRO 6000 kort giver 384GB, nok til en 3-bit build. HelixML målte den mindre GLM-5.3-Flash på fire RTX PRO 6000 Server Edition-kort ved 63.7 output tokens per second for én anmodning og 82.8 med speculative decoding, og det krævede en fastlåst eksperimentel build af SGLang for at gøre det.³ Støtte til en ny arkitektur på dag nul er sjældent færdig.

Læs licensen, før du planlægger et produkt på den

Det er her, GLM-5.3 adskiller sig fra sin egen familie, og næsten ingen nævner det. GLM-5.2 blev udgivet under MIT.⁶ GLM-5.3 er det ikke: dens vægte er dækket af en specialudviklet licens opkaldt efter modellen, som kræver, at operatører af model-som-en-tjeneste med over $10B i omsætning over de seneste tolv måneder gennemgår en Z.ai-sikkerhedsgennemgang før kommerciel brug.⁴ GLM-5.3-Flash, udgivet den 26 august, er igen MIT.⁴

For de fleste virksomheder er omsætningstærsklen akademisk. Pointen er, at licensen nu varierer fra release til release inden for én familie, så tjek den pr. model snarere end pr. leverandør.

Indstillinger, der betyder noget

Brug en temperatur på 1.0 med top-p på 0.95 til almindeligt arbejde og top-p på 1.0 til lange agentiske kørsler.¹

En faldgrube er specifik for denne release. GLM-5.3 bruger som standard maksimal reasoning, og thinking kan ikke slås fra, hvilket ikke gælder for 5.2. Send --chat-template-kwargs '{"reasoning_effort":"low"}' for at skrue det ned, og sæt clear_thinking til true for samtaler med flere ture, så gammel reasoning ikke ophobes i contexten.¹ Overlader du den til sig selv i en lang samtale, bruger den både dine tokens og din hukommelsesbuffer.

For aritmetikken bag det hele, se hvor meget memory du behøver for at køre en åben model lokalt. For den nyeste release i samme vægtklasse, se DeepSeek V4.1-Flash. En 512GB maskine i dag betyder en Mac Studio M3 Ultra 512GB eller en Neox Metal med 512GB af registered ECC memory.