GLM-5.3-Flash

GLM-5.3-Flash

zai-org 的 GLM-5 系列原生多模态模型，总参数 320B、激活 18B，采用稀疏与线性注意力的混合设计，并能控制思考预算。适合有大型 GPU 服务器的团队。

由 zai-org 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：GLM-5.3-Flash 是 zai-org 的 GLM-5 系列里第一个原生多模态模型。它能读图片和文字，总参数 320B，激活 18B。模型卡说它在基准和真实工作负载上超过了 GLM-5.2。稀疏注意力与线性注意力的混合设计降低了长上下文的部署成本，流形约束超连接则帮助它更好地扩展。

适合谁：有大型 GPU 服务器、想要开源多模态模型来做编程和智能体工作的团队，以及更愿意通过托管 API 调用它的开发者。

Industry | Who uses it | How they use it | Example
软件 | 智能体开发者 | 运行编程和智能体工作负载 | 把它接到编程智能体上
研究 | 模型评测人员 | 在智能体和编程基准上测试它 | 用默认的思考级别复现一个基准
产品团队 | 应用构建者 | 给产品加入多模态模型 | 发送一张图片和一个问题

如果你只有一台电脑，可以跳过它，因为 FP8 权重约 321 GB。

用在哪里：

• 模型卡里列出的部署引擎，包括 SGLang、vLLM、TokenSpeed、Transformers、KTransformers 和 Unsloth
• Z.ai API 平台，用于托管访问
• 显存足够放下 321 GB 权重的服务器

Use case | Who | What they get back
编程和智能体任务 | 开发者 | 来自长上下文模型的代码和工具步骤
图片和文字提问 | 产品团队 | 同时用到图片和你的文字的文字回答
带思考预算的聊天 | 应用构建者 | 低、高或最大推理级别的回复

如何设置：

• Python 和 Hugging Face 工具
• 约 321 GB 存储空间用于 FP8 权重
• 模型卡列出的部署引擎之一

1. 安装 Hugging Face hub 软件包。
2. 下载仓库文件。
3. 用列出的引擎之一部署，并按该引擎自己的指南操作。

pip install -U huggingface_hub
hf download zai-org/GLM-5.3-Flash

如何使用：向你部署的副本或托管 API 发送聊天请求。有两个设置很重要，见下表。这里的模型卡文字没有给出部署命令。

Tool | What it does
reasoning_effort | 把思考预算设为 low、high 或 max，默认是 max
clear_thinking | 控制是否清除之前的推理，默认是 false
hf download | 把仓库文件复制到你的电脑

示例：把 reasoning_effort 设为 low，问一个编程问题。模型会用较小的思考预算来回答。聊天场景下，按模型卡的建议，把 clear_thinking 传为 true。

新手与专家：如果你是新手，第一次先用托管 API，因为自己运行权重需要大型 GPU 服务器。

如果你熟悉这个领域，模型卡说复现它的基准时要保持默认的 max 级别。它的脚注列出了 HLE with tools、NL2Repo、DeepSWE、Terminal-Bench 2.1、Toolathlon Verified、AutomationBench 和 BabyVision 等测试。

输入图片和文字
稀疏和线性注意力读取上下文
思考预算决定推理深度
输出文字

Title: 以十亿计的参数量
总计: 320 billion
激活: 18 billion

注意事项：

• 模型卡支持英文和中文。
• reasoning_effort 设置接受 low、high 和 max，其他值都按 max 处理。
• Hugging Face 自己的统计显示为 321B 参数，而模型卡写的是 320B。
• License: mit。
• Cost to run: 用自己的硬件时没有提到。托管 API 是单独的服务，这里没有说明价格。
• Data it reaches: 你的提示词和图片。使用托管 API 时，它们会发给 Z.ai。
• Not for: 来源没有说明。

Hugging Face 上的数据（2026年11月13日）

• 任务：image text to text
• 框架：transformers
• 参数量：321B
• Weights: about 321 GB in F8_E4M3; about 161 GB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：6,397,774
• 点赞：3,138
• 许可证：mit
• 语言：en, zh
• Quantized versions: 239
• Fine-tunes: 43
• 标签：transformers, safetensors, glm5_next, image-text-to-text, conversational, fp8

链接

• 模型：https://huggingface.co/zai-org/GLM-5.3-Flash
• 文件：https://huggingface.co/zai-org/GLM-5.3-Flash/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download zai-org/GLM-5.3-Flash

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。