Exigences matérielles de GLM-5.3

GLM-5.3 est le modèle open-weight le plus puissant que vous pouvez télécharger aujourd’hui. Z.ai l’a lancé le 14 août 2026 et a publié les poids deux semaines plus tard, en 28 août, une fois le renforcement de la sécurité terminé.⁴ Il affiche des résultats à l’état de l’art sur Terminal-Bench 3.0 et améliore ce score de 4.6% à 28.3% face à son prédécesseur.⁴

C’est aussi un modèle à 744B paramètres dont la version exploitable nécessite 475GB de mémoire. Ce chiffre, et non le benchmark, détermine si vous pouvez l’exécuter.

• Paramètres744Benviron 40B actifs
• Contexte1Mjetons
• LicenceGLM-5.3personnalisée, pas MIT
• Mémoire au format 4 bits475GB94.3% de précision

Le même modèle que 5.2, davantage entraîné

GLM-5.3 partage son modèle de base avec GLM-5.2. Chaque gain provient d’un post-entraînement supplémentaire plutôt que d’une nouvelle phase de pré-entraînement.¹ L’architecture, le nombre de paramètres et la consommation mémoire sont donc identiques à ceux de 5.2, ce qui est pratique : tout ce que vous avez appris sur l’exécution de 5.2 s’applique toujours, et toute machine qui exécutait 5.2 exécute 5.3.

Comme tous les modèles ouverts de pointe cette année, c’est un mélange d’experts. Il contient 744B paramètres et n’en mobilise qu’environ 40B par jeton. Le faible chiffre d’activité explique pourquoi une seule machine peut générer à une vitesse raisonnable. Le grand total explique pourquoi cette machine doit être sérieuse — le routeur choisit différents experts pour chaque jeton, donc ils restent tous en mémoire.

Ce qu’il faut

Unsloth publie une échelle complète de quantification pour GLM-5.3, et, fait inhabituel, publie pour chacune une mesure de précision. C’est cette deuxième colonne qui rend le choix possible.

Ce que chaque quantification sacrifie

La quantification stocke chaque poids sur moins de bits. L’économie est réelle, tout comme le coût, et ce coût n’est pas linéaire. Lisez l’échelle de bas en haut et les premières étapes sont presque gratuites ; lisez-la de haut en bas et les dernières sont brutales.

Passer de 4 bits à 2 bits économise 230GB et coûte près de seize points de précision. Passer de 5 bits à 4 bits économise 95GB et coûte un point et demi. Si votre budget atteint 512GB, la version 4 bits est celle où le modèle se comporte encore comme lui-même. En dessous, vous faites tourner une démonstration.

Trois façons d’atteindre 475GB

Une seule mémoire unifiée. Un Mac Studio M3 Ultra 512GB contient la version 4 bits avec de la marge pour le contexte, et c’est la machine qui fait cela aujourd’hui. La version 2 bits à 245GB tient directement dans une machine 256GB.² 512GB est de toute façon la limite sur Apple silicon : le nouveau M5 Ultra atteint le même plafond, et sa configuration 512GB ne doit pas arriver avant fin octobre.⁵

Une carte plus la RAM système. Comme le modèle est sparse, la répartition fonctionne bien. Les couches d’attention vont sur la carte graphique, les couches d’experts restent dans la mémoire système, et le drapeau llama.cpp --n-cpu-moe détermine où se trace la limite. Unsloth indique que GLM-5.2 fonctionne ainsi sur une seule carte 24GB avec 256GB de RAM.² Attendez-vous à ce que ce soit plus lent que la mémoire unifiée, car les poids des experts lisent alors à la vitesse de votre DDR5 plutôt qu’à celle de votre VRAM. C’est là qu’une plateforme de station de travail à huit canaux justifie son prix.

Tout en VRAM. Quatre cartes RTX PRO 6000 offrent 384GB, suffisant pour une version 3 bits. HelixML a mesuré le plus petit GLM-5.3-Flash sur quatre cartes RTX PRO 6000 Server Edition à 63.7 jetons de sortie par seconde pour une seule requête et 82.8 avec décodage spéculatif, et a eu besoin d’une version expérimentale verrouillée de SGLang pour y parvenir.³Le support du jour zéro pour une nouvelle architecture est rarement terminé.

Lisez la licence avant de prévoir un produit dessus

C’est ici que GLM-5.3 se distingue de sa propre famille, et presque personne ne le mentionne. GLM-5.2 a été publié sous MIT.⁶ GLM-5.3 ne l’est pas : ses poids sont soumis à une licence sur mesure portant le nom du modèle, qui exige des opérateurs de modèle en tant que service dont le chiffre d’affaires sur douze mois glissants dépasse $10B de passer un examen de sécurité Z.ai avant toute utilisation commerciale.⁴ GLM-5.3-Flash, publié le 26 août, est à nouveau sous MIT.⁴

Pour la plupart des entreprises, le seuil de chiffre d'affaires est théorique. L'essentiel est que la licence varie désormais d'une version à l'autre au sein d'une même famille, donc vérifiez-la par modèle plutôt que par fournisseur.

Paramètres importants

Utilisez une température de 1.0 avec un top-p à 0.95 pour le travail courant, et un top-p à 1.0 pour les longues exécutions agentiques.¹

Un piège est spécifique à cette version. GLM-5.3 utilise par défaut le raisonnement maximal et le mode pensée ne peut pas être désactivé, ce qui n'est pas le cas de 5.2. Passez --chat-template-kwargs '{"reasoning_effort":"low"}' pour le réduire, et définissez clear_thinking sur true pour les conversations à plusieurs tours afin que l'ancien raisonnement ne s'accumule pas dans le contexte.¹Laisser ce réglage sur une longue conversation lui fera consommer à la fois vos jetons et votre marge de mémoire.

Pour l'arithmétique derrière tout cela, voir de quelle mémoire vous avez besoin pour exécuter localement un modèle ouvert. Pour la version la plus récente dans la même catégorie de poids, voir DeepSeek V4.1-Flash. Une machine 512GB aujourd'hui signifie un Mac Studio M3 Ultra 512GB ou un Neox Metal avec 512GB de mémoire ECC enregistrée.