Skip to main content
최종 확인일: 2026-08-15
GLM-5.3 is released, but not yet as weights. Z.ai announced it on 2026-08-14 and it is live through the Z.ai API, the GLM Coding Plan, and ZCode. The checkpoint is not public: Z.ai says weights ship about two weeks after launch, once safety evaluation and hardening are complete. This page covers what that means for a local deployment, and what you can size and prepare now.
The unusual part of this release is how much you already know about running it. GLM-5.3 uses the same base model as GLM-5.2 — every gain comes from post-training — so the parameter count, memory profile, and serving path carry over unchanged. You can size hardware today with confidence rather than waiting for the model card.

​
GLM-5.3의 출시일 및 현재 상태

오늘 당장 GLM 모델을 사용하고 싶다면 GLM 패밀리 페이지를 참고하시기 바랍니다. GLM-4 9B은 일반 소비자용 GPU에서 단 한 번의 명령어로 Ollama를 통해 모델을 다운로드할 수 있게 해주며, GLM-4.5-Air은 대용량 통합 메모리를 갖춘 시스템에 적합합니다. 또한 GLM-5.2은 현재 직접 호스팅할 수 있는 수준에서 GLM-5.3에 가장 가까운 모델을 원하신다면 이 모델의 기반을 공유합니다.

​
What actually changed from GLM-5.2

Z.ai에 따르면 GLM-5.3은 사후 훈련 버전입니다. 사전 훈련된 기반 모델은 동일하며, 개선점은 장기적인 과제 환경에서 강화 학습을 확장하여 이뤄졌습니다. 특히 에이전트 기반 코딩 분야에서 상당한 성능 향상이 보고되었습니다. Z.ai also reports better token efficiency, not just higher scores: on its in-house Z.ai Code Bench at max effort, GLM-5.3 reaches 34.5% using roughly 75K output tokens per task, against 23.4% at 96K for GLM-5.2. All figures above are the vendor’s own, measured with their harness settings — treat them as a direction of travel until independent evaluations land. The release also reports a sharp jump in vulnerability-discovery capability, which Z.ai says grew faster than expected as post-training scaled. Working with security teams, the model surfaced 2,436 findings across 269 open-source projects, 1,097 of them medium-to-high severity, tracked in a public disclosure ledger. That matters here only as a capability signal; it does not change how you serve the model.

​
업그레이드를 불가능하게 만드는 API 변경 사항

Thinking can no longer be disabled. GLM-5.2 accepted thinking.type: "disabled"; GLM-5.3 rejects it, and the request fails. If your application runs GLM with thinking off, you must switch to thinking.type: "enabled" with reasoning_effort: "low" before changing the model id.
GLM-5.3은 reasoning_effort을 통해 low, high, max이라는 세 가지 추론 수준을 제공합니다. 기본값은 max이며, Z.ai에서는 코딩 작업 시 이 설정을 사용할 것을 권장합니다:
향후 오픈 웨이트 버전이 출시될 때도 동일한 파라미터 체계가 적용될 가능성이 높으므로, 설령 현재로서는 로컬 환경에서만 GLM을 사용할 계획이라 하더라도 이 점을 미리 고려해두는 것이 좋습니다.

​
GLM-5.3의 하드웨어 요구 사항

Weight memory follows stored parameter count and quantization. Because the base model is unchanged, GLM-5.3 stores the same 753B parameters as GLM-5.2 in a mixture-of-experts layout: 위 수치는 오직 가중치 용량만을 의미합니다. 이 수치는 시스템이 작동할 수 있는 최소 기준일 뿐이며 필수 요구사항은 아닙니다. KV 캐시, 런타임 버퍼 및 시스템 예약 공간은 이 수치에 추가로 필요합니다.
혼합형 전문가 모델에서는 토큰당 일부 전문가만 활성화되더라도 모든 전문가의 가중치가 메모리에 상주합니다. 메모리 요구량은 활성화된 파라미터 수가 아닌 전체 파라미터 수에 비례하므로, 활성 파라미터 수만으로 하드웨어 용량을 산정해서는 안 됩니다. 추론 작동 원리를 참고하시기 바랍니다.

​
장치 사양에 맞춰 최적화 가능

Every verdict assumes a 4-bit build at GLM-5.2’s stored size.

​
DGX Spark에서 GLM-5.3을 실행할 수 있을까요?

Not one, and probably not two. A DGX Spark holds 128 GB of unified memory against a ~377 GB weight floor at 4 bits. Three Sparks clear that floor on paper at 384 GB, but leave about 7 GB total for the operating system, runtime buffers, and KV cache across the whole cluster — unusable in practice. Four Sparks at 512 GB is the first configuration with genuine headroom. 메모리 용량 산정 방식에 대해서는 DGX Spark 모델 호환성 페이지를 참고하시기 바랍니다.

​
Can a 24 GB GPU run GLM-5.3?

아니요, 오프로딩으로도 해결되지 않습니다. 24 GB 용량의 GPU는 377 GB 수준의 최소 요구량에 비해 한참 부족합니다. 이 비율로 시스템 RAM이나 디스크에서 가중치 데이터를 스트림하려면 처리 속도가 거의 무의미한 수준으로 떨어집니다. 자세한 이유는 메모리 및 오프로딩 항목을 참고하세요. 만약 일반 소비자용 GPU 하나만 가지고 GLM 모델을 사용하고 싶다면 GLM-4 9B을 5.5 GB 용량으로 실행하시면 됩니다.
이후 Tokios를 통해 어디서든 해당 모델에 접속할 수 있습니다. 본인의 하드웨어가 어떤 크기의 모델을 수용할 수 있는지 알아보려면 어떤 크기의 모델이 GPU에 적합한가?를 확인해보세요.

​
컨텍스트 용량은 별도의 예산으로 계산해야 합니다.

위 수치는 오직 가중치 데이터만을 기준으로 합니다. GLM-5.2은 기본적으로 1M 토큰 길이의 컨텍스트를 지원하는데, 이 정도 길이의 컨텍스트는 중간 크기 모델 전체 가중치보다 더 많은 메모리를 소모할 수 있습니다. 이 부분도 별도로 예산을 책정해야 합니다. 자세한 내용은 KV 캐시와 컨텍스트를 참고하세요.

​
GLM-5.3 다운로드 및 Ollama 관련 정보

현재 GLM-5.3 다운로드 파일이나 Ollama 태그는 아직 제공되지 않고 있습니다. ollama run glm-5.3와 같은 명령어도 작동하지 않으며, Z.ai에서 공식 배포하기 전에 커뮤니티에서 올린 자료들도 공식 릴리스가 아닙니다. GLM-5.2의 사례를 보면 이 패턴이 그대로 적용될 가능성이 큽니다. Ollama에서는 glm-5.2:cloud이라는 이름으로만 등록되어 있으며, 이는 가중치 데이터를 직접 다운로드하는 대신 Z.ai의 호스팅 인프라를 이용하도록 되어 있습니다. 이 크기급 모델의 경우 로컬 다운로드보다는 클라우드 기반 태그가 사용될 것으로 예상됩니다.

​
로컬 배포 환경 준비하기

기본 모델 자체에는 변동이 없으므로 가중치 데이터가 도착하기 전에도 거의 모든 준비 작업을 미리 할 수 있습니다.
  1. 본인이 이 모델을 직접 호스팅할지 아니면 호스팅된 엔드포인트를 이용할지 솔직히 결정해야 합니다. 약 377 GB 수준의 최소 가중치 요구량을 고려할 때 대부분의 사용자는 호스팅된 엔드포인트를 선택하게 되는데, Tokios는 두 방식 모두를 지원합니다.
  2. 만약 자체 서버에 배포하려는 경우, vLLM이나 SGLang을 활용해 다중 GPU 환경에서의 서비스를 계획해보세요. GLM-5.2은 --reasoning-parser glm45 및 --tool-call-parser glm45이 필요하며, GLM-5.3 역시 툴 호출 및 사고 과정 출력이 올바르게 분리되도록 유사한 설정값이 필요할 것으로 예상됩니다.
  3. 현재 thinking.type: "disabled" 값을 설정하는 모든 코드를 점검해보세요. 어떤 방식으로 배포하든 GLM-5.3에서는 해당 설정이 더 이상 작동하지 않습니다.
  4. Pair the Tokios connector with whatever OpenAI-compatible endpoint you land on.
  5. 대시보드에서 배포 이름을 등록해두세요. 클라이언트 측에서는 업스트림 모델 ID 대신 model 필드에 이 배포 이름을 입력하게 됩니다. 따라서 나중에 GLM-5.2에서 GLM-5.3으로 교체하더라도 클라이언트 측에는 아무런 변경이 필요하지 않습니다.
바로 이 점 때문에 출시 이후가 아닌 출시 전에 이 설정을 마쳐두는 것이 좋습니다. 그렇게 하면 서버 측에서는 단 한 줄만 수정하면 되며, 여러분의 엔드포인트를 사용하는 모든 에이전트와 팀원들도 별다른 문제 없이 계속 작업할 수 있습니다.

​
아직 해결되지 않은 사항들

Z.ai에서는 공지사항, 벤치마크 결과, 그리고 API 규격을 이미 공개했습니다. 아직 처리되지 않은 항목은 다음과 같습니다:
  • 모델 가중치 파일, 모델 설명 문서, 그리고 라이선스 텍스트
  • 정확한 저장소 위치, 업스트림 모델 ID, 그리고 파일 크기 정보
  • vLLM, SGLang, Ollama에서 사용 가능한 명령어들
  • 하드웨어 선택 가이드라인 및 Tokios 커넥터 활용 예시

​
자주 묻는 질문들

Yes, as of 2026-08-14 — but through the API, GLM Coding Plan, and ZCode rather than as downloadable weights. Z.ai says the checkpoint follows roughly two weeks after launch, once safety evaluation and hardening finish. Until then the newest GLM you can self-host is GLM-5.2, which shares GLM-5.3’s base model.
사후 학습 부분만 다릅니다. 사전 학습된 기본 모델은 동일하므로 크기나 하드웨어 요구 사항도 변함이 없습니다. 개선된 기능은 주로 에이전트 기반 코딩 및 장기적 과제 처리에 집중되어 있습니다. Z.ai의 자체 측정 결과에 따르면 Terminal Bench 3.0 점수는 4.6에서 28.3으로, DeepSWE v1.1 점수는 46.2에서 66.9으로 향상되었습니다. 또한 사고 기능을 비활성화할 수 없게 되는 등 API 측면에서도 변경 사항이 있습니다.
The same as GLM-5.2, because it is the same base model: roughly 377 GB at 4-bit, 753 GB at 8-bit, and 1.5 TB at BF16 for the 753B stored parameters, before KV cache. That is multi-GPU server or multi-node territory, not a single workstation and not one DGX Spark. A consumer GPU is not a candidate at this tier.
Z.ai’s announcement says approximately two weeks after the 2026-08-14 launch, pending safety evaluation and hardening — so late August 2026, with the Hugging Face listing already marked “coming soon”. No exact date has been committed, so treat it as the vendor’s stated plan.
현재는 불가능합니다. 관련 태그가 아직 존재하지 않기 때문입니다. 출시 시에는 로컬에서 직접 다운로드하는 방식보다는 클라우드 기반 태그가 제공될 것으로 예상됩니다. 현재 Ollama에서는 GLM-5.2이 glm-5.2:cloud 형태로만 표시되며 이는 Z.ai의 호스팅 인프라로 연결됩니다. 지금 바로 다운로드 가능한 GLM 모델을 원하신다면 ollama run glm4 명령어를 사용하면 9B 버전을 5.5 GB 크기로 얻을 수 있습니다.
사고 기능을 비활성화하지 않는 경우에만 가능합니다. GLM-5.3은 thinking.type: "disabled" 값을 허용하지 않아 요청이 실패하게 됩니다. 따라서 사고 기능을 사용하지 않는 클라이언트라면 먼저 enabled을 reasoning_effort: "low" 값으로 설정해야 합니다. 그 외에 추론 깊이는 low, high, 또는 max으로 조절할 수 있으며 기본값은 max입니다.
Z.ai 측에서는 가중치 파일을 공개하겠다고 약속했으며, GLM-4부터 GLM-5.2까지는 MIT 라이선스로 배포되었습니다. 다만 GLM-5.3의 라이선스는 아직 공개되지 않았습니다. 가중치 공개와 오픈 소스는 서로 다른 개념이니 라이선스가 공개되면 꼭 읽어보시기 바랍니다. 특히 상업적 이용 시에는 유의해야 합니다.
OpenAI와 호환되는 런타임 환경에서 모델을 구동한 뒤 Tokios 커넥터를 연동하면 됩니다. 그러면 GPU가 장착된 기기에 인바운드 포트를 열어줄 필요가 없습니다. OpenAI나 Anthropic과 호환되는 클라이언트에서 https://api.tokios.com를 호출할 때 sk-tok-… 키를 사용하고, 업스트림 모델 ID 대신 model 필드에 배포 이름을 입력하면 됩니다.

GLM 계열 모델들

현재 9B부터 GLM-5.2까지 검증된 GLM 모델들을 사용해보실 수 있습니다.

모델 적합성

사용 중인 하드웨어가 수용할 수 있는 모델 및 컨텍스트 크기를 예측해보세요.

빠른 시작 가이드

커넥터를 연동한 뒤 로컬 배포 환경을 등록하면 됩니다.

양자화와 하드웨어

모델 배포 형식이 사용자의 하드웨어에 어떤 영향을 미치는지 알아보세요.