Pular para o conteúdo
Local AI Wizard
Sua máquina
Tema

GLM-5.3 Flash

Z.ai · zai-org/GLM-5.3-Flash

Texto e chatVisão

Arquivo Q4 de 156,8 GB (UD-IQ4_XS) · roda bem a partir de 512 GB · Licença dos pesos: MIT

LiveBench · geral71,6 / 100#15 de 23 modelos abertos · 2026-06-25
Memória necessária~240 GBPesos Q4 + margem, antes da reserva da máquina
Parâmetros320 Bespecificação do fabricante · 18B ativos
Contexto1.048.576 tokensPublicado para este modelo

Qualidade

Qualidade · Geral

LiveBench 2026-06-25 · 0 a 100 · maior é melhor · este modelo em destaque, #15 de 23

  • Cor = publicador
  • Memória em revisão

Fonte: LiveBench 2026-06-25 · coletado 2026-10-18 · modelos abertos sem nota não aparecem (sem nota ≠ 0)

LMArena · texto · pontuação
1.476 ± 5Intervalo de confiança 1.471–1.481 · 38.359 votos · posição 35 da rodadaLMArena 2026-10-22 · CC BY 4.0

Categorias do LiveBench

Média deste modelo por categoria · 0 a 100

77,6RaciocínioRaciocínio79,0CódigoCódigo56,8Código com agentesCódigo com agentes81,2MatemáticaMatemática76,4Análise de dadosAnálise de dados77,3LinguagemLinguagem52,8Seguir instruçõesSeguir instruções

Fonte: LiveBench 2026-06-25 · coletado 2026-10-18 · modelos abertos sem nota não aparecem (sem nota ≠ 0)

Informado pelo publicador

A ficha do publicador não informa resultado de benchmark para este checkpoint (lida em 2026-10-25). não publicado na ficha · lida em 2026-10-25

Rodar

Rodar

Arquivo UD-IQ4_XS · 156,8 GB · 5 partes · unsloth/GLM-5.3-Flash-GGUF · O que é Q4?

llama-server -hf unsloth/GLM-5.3-Flash-GGUF:UD-IQ4_XS
  1. Instale o llama.cpp
  2. Rode o comando acima
  3. Pergunte em localhost:8080: Explique o que é a janela de contexto, em duas frases.

Qualidade × memória

Qualidade × memória

LiveBench 2026-06-25 geral vs. memória de planejamento Q4 (escala log) · 19 modelos abertos

  • Este modelo
  • Cor = publicador
40608010081632641282565121.0242.0484.096Memória necessária · Q4 · só o modelo (GB, log)LiveBenchSmaug AgenticQwen3.8 MaxDeepSeek V4 Pro · 0813Smaug MiniGLM-5.3 Flash

Memória = o número do próprio modelo: parâmetros × 0,625 byte + 20% de margem, antes da reserva de qualquer máquina; com uma máquina escolhida, o total nela com a reserva (25% da memória, de 2 a 8 GB; 2 GB por placa de vídeo). Estimativa, não VRAM medida. LiveBench 2026-06-25

Roda em

Cabe na memória rápida 1

A estimativa de planejamento cabe na memória que o modelo usa rápido: a VRAM da placa de vídeo, ou a memória unificada dentro da fatia de GPU do macOS.

Na memória, fora da parte rápida 1

Dentro da memória da máquina, fora da parte rápida: na placa de vídeo, as camadas que não cabem rodam na CPU a partir da RAM do PC (a RAM informada, ou 32 GB presumidos); no Mac, acima da fatia de GPU padrão do macOS. Não é um número de velocidade.

Falta um degrau de memória 9

As mesmas máquinas com o próximo tamanho de memória o comportariam na memória rápida.

Mostrar todos os 9

GLM-5.3 Flash é um modelo de texto da Z.ai com 320B de parâmetros, dos quais 18B ativos por token (mistura de especialistas). Foi lançado em 26 de agosto de 2026 e lê até 1.048.576 tokens de contexto. Os pesos em Q4 com a margem de trabalho somam cerca de 240 GB antes da reserva da máquina; a menor máquina de referência cuja memória rápida comporta isso é Mac Studio · M5 Ultra · CPU de 36 núcleos / GPU de 80 núcleos · 512 GB unificados (~248 GB com a reserva). Coletamos 13 arquivos GGUF e MLX para baixar de 2 fontes de publicadores; a fonte GGUF mais baixada é a de unsloth (1,6 mi de downloads no Hub). Sua nota geral no LiveBench 2026-06-25 é 71,6. Sua pontuação de texto no LMArena é 1.476 ± 5 (rodada 2026-10-22), uma escala separada de preferência humana.

Perfis de hardware agrupados pela estimativa de planejamento Q4 em cada máquina (GPUs dedicadas reservam 2 GB; memória unificada e do sistema, 25%, de 2 a 8 GB): cabe na memória rápida, fica na memória mas fora da parte rápida (camadas na RAM do PC, ou acima da fatia de GPU do macOS), ou falta um degrau de memória. Cada cartão abre o perfil do hardware. Não é compatibilidade nem velocidade medida.

Nas máquinas de referência

GLM-5.3 Flash nas máquinas de referência
Onde fica o Q4
Mac mini M2 · 8 GB unificadosMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior~242 GBMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior
Mac mini M4 · 16 GB unificadosMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior~244 GBMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior
Mac mini M4 · 24 GB unificadosMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior~246 GBMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior
Mac mini M4 · 32 GB unificadosMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior~248 GBMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior
Mac mini M5 Pro · 64 GB unificadosMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior~248 GBMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior
Mac Studio M5 Max · 128 GB unificadosMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior~248 GBMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior
Mac Studio · M5 Ultra · CPU de 36 núcleos / GPU de 80 núcleos · 512 GB unificadosCabe na memória rápidaUD-IQ4_XSGGUF · 156,8 GB · precisa de ~197 GBFórmula do cache KV desta arquitetura não revisada~248 GBCabe na memória rápidaUD-IQ4_XSGGUF · 156,8 GB · precisa de ~197 GBFórmula do cache KV desta arquitetura não revisada
RTX 4060 · 8 GB de VRAMMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior~242 GBMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior
RTX 3060 · 12 GB de VRAMMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior~242 GBMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior
RTX 5080 · 16 GB de VRAMMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior~242 GBMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior
RTX 4090 · 24 GB de VRAMMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior~242 GBMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior
RTX 5090 · 32 GB de VRAMMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior~242 GBMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior
DGX H100 · 8 × 80 GBCabe na memória rápidaQ8_0GGUF · 341,0 GB · precisa de ~426 GBFórmula do cache KV desta arquitetura não revisada~256 GBCabe na memória rápidaQ8_0GGUF · 341,0 GB · precisa de ~426 GBFórmula do cache KV desta arquitetura não revisada

A coluna de arquivo usa a escada de quantização do site (Q8_0 a Q3_K_M; MLX de 8 a 4 bits no Mac): o maior arquivo coletado cujo tamanho × 1,2, mais o cache de contexto e a reserva da máquina, cabe na memória rápida. Estimativas de planejamento, não execuções medidas.

Planejar outra quantização ou contexto

Considere para

Considere este checkpoint MoE ao comparar modelos de linguagem e raciocínio com contagens total e ativa publicadas.

Confira antes

320B totais e 18B ativos são grandezas diferentes. Suporte do runtime e eventuais componentes de imagem ainda precisam ser verificados.

Versões para baixar

Arquivos que você pode baixar deste checkpoint. A seção abre na fonte GGUF coletada mais baixada, unsloth (1,6 mi de downloads no Hub), no arquivo UD-IQ4_XS. Num Mac abre na fonte MLX mais baixada. Os tamanhos são os bytes publicados no Hub. O que é Q4?

unsloth · 1,6 mi downloads

unsloth/GLM-5.3-Flash-GGUF · UD-IQ4_XS/GLM-5.3-Flash-UD-IQ4_XS-00001-of-00005.gguf · 156,8 GB

Rodar este arquivo

llama-server -hf unsloth/GLM-5.3-Flash-GGUF:UD-IQ4_XS
lms get https://huggingface.co/unsloth/GLM-5.3-Flash-GGUF
  • Ollama: A forma hf.co documentada do Ollama cobre GGUFs de um arquivo só; este tem 5 partes
  • mlx-lm: O mlx-lm roda repositórios MLX; escolha a versão MLX num Mac

As notas de qualidade desta página pertencem ao checkpoint original; estes arquivos não recebem nota nem ranking. Tamanhos lidos em 2026-10-23 · downloads lidos em 2026-10-17 · comandos: Documentação do Hugging Face Hub: Ollama com qualquer modelo GGUF · README do servidor do llama.cpp (-hf <user>/<model>[:quant]) · Documentação do LM Studio: lms get com uma URL do Hugging Face · README do mlx-lm (mlx_lm.generate --model)

Ajustes, adaptadores e outras versões38 ajustes
Versões quantizadas
235
Ajustes (fine-tunes)
38
Adaptadores · misturas
7 · 4

Ver na árvore de modelos do Hugging Face · lido em 2026-10-23

Versões sem filtro (uncensored, abliterated)48

Algumas versões da comunidade removem as recusas de segurança do modelo. A qualidade pode cair, o publicador original não dá suporte, as afirmações sobre elas são de quem as publicou e a licença original continua valendo. Este site nunca as recomenda nem as ranqueia.

48 repositórios derivados têm “uncensored” ou “abliterated” no nome (lido em 2026-10-23).

Velocidade medida

Nenhuma medição publicada para este checkpoint

Tokens por segundo só aparecem quando uma fonte os publica com hardware, build e configuração. Nunca são estimados.

Como rodar

~240 GB de pesos Q4 com margem de trabalho, antes da reserva da máquina. Fórmula: parâmetros × 0,625 byte, mais 20% de margem; cada máquina soma então a reserva do sistema: 25% da memória unificada ou do sistema, de 2 a 8 GB, ou 2 GB por GPU em placas dedicadas. Não é VRAM medida nem tamanho do download do checkpoint.

Apenas estimativa de planejamento Q4. Verifique formato do checkpoint, suporte do runtime, cache KV, contexto, tamanho de lote e offload antes de escolher hardware.

Nível da evidência: Apenas estimativa genérica; nenhuma execução reproduzida por este site.

Amostragem padrão do publicador
temperature 1 · top_p 0,95generation_config.json · lido em 2026-10-23fonte
Marcadores do template de chat
chamadas de ferramenta · raciocínio (thinking)marcadores encontrados no template, não um teste do recurso · lido em 2026-10-23fonte
Antes de baixar
  1. Confirme o checkpoint exato e a licença vinculada aqui.
  2. Confirme runtime e precisão ou quantização compatíveis com sua plataforma.
  3. Reserve memória para contexto, lote e eventuais componentes de mídia além dos pesos.

Detalhes técnicos

O que a fonte e o catálogo guardam deste checkpoint. Campos ausentes ficam de fora, nunca como zero.

Checkpoint / versão
zai-org/GLM-5.3-Flash
Tarefa e modalidade
linguagem e raciocínio · texto + imagem
Contagem e base
320B · especificação do fabricante · 18B ativos
Contexto
1.048.576 tokens publicados para este modelozai-org/GLM-5.3-Flash config.json (Hugging Face) · consultado em 2026-10-09fonte
Arquitetura
MoE
Lançamento
New Released - Z.AI DEVELOPER DOCUMENT · consultado em 2026-10-09fonte
Runtime e precisão
Nenhuma execução local verificada.
Idiomas
en, zhMetadados do model card · consultado em 2026-10-25fonte
Uso comercial
Permitido MIT license text (SPDX) · consultado em 2026-10-18texto da licença
Todos os campos guardados11 campos
Revisão conferida
eb9eb208eb0d988989d07a6a12d0fdeb5f52574a
Arquitetura
Glm5NextForConditionalGeneration
Biblioteca
transformers
Tag de tarefa no Hub
image-text-to-text
Distribuições neste grupo
mlx-community/GLM-5.3-Flash-4bit
Formatos
safetensors
Repositório criado
2026-08-25criação não é o lançamento do modelo
Repositório atualizado
2026-09-07um commit não é data de lançamento
Downloads no Hub (30 dias) · curtidas
6.352.272 · 2.945só este repositório · lido em 2026-10-25
Lido na página do Hub
tarefa, classe transformers, tags de tarefa, formatos de arquivoVisão geral e lista de arquivos do Hub · lido em 2026-10-18
Estado no catálogo
Inventário do Hub atualizado

O fabricante informa 320B no total e 18B ativos. Entrada de imagem pode exigir componentes de apoio; a estimativa Q4 não é requisito validado de execução.

Fontes

Identidade e especificações publicadas vêm da página do checkpoint. As notas pertencem à rodada indicada e não medem velocidade no seu computador.

Catálogo revisado: 2026-09-30. Versão do benchmark: 2026-06-25; snapshot coletado: 2026-10-18.