Skip to main content
Last verified: 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-5.3 的发布日期与当前状态

若您希望即刻运行 GLM 模型，可访问 GLM 系列页面。执行 GLM-4 9B 这一条命令即可通过 Ollama 在普通消费级显卡上完成下载；若您拥有配备大容量统一内存的计算机，则适合使用 GLM-4.5-Air。此外，GLM-5.2 与该模型拥有相同的底层架构，若您希望自行部署最接近 GLM-5.3 效果的模型，此选项亦值得考虑。

​
What actually changed from GLM-5.2

Z.ai 将 GLM-5.3 定义为训练后优化版本：其预训练基础模型并未发生变化，性能提升主要源于在长周期任务环境中开展的强化学习训练。据报告，该模型在诸多任务上均有显著进步，尤其在智能编程辅助方面表现突出。 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.

​
导致升级失效的 API 变更

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-5.3 通过 reasoning_effort 提供三种推理等级可选——分别是 low、high 与 max——默认设置为 max，这也是 Z.ai 推荐用于编程任务的配置。
即便您日后仅在本地环境使用 GLM，也值得提前规划此参数配置，因为此类参数规范通常也会延续至开源版本及其运行参数设置中。

​
GLM-5.3 的硬件配置要求

权重内存占用量取决于存储的参数数量及量化方式。由于基础模型并未改变，因此 GLM-5.3 在混合专家架构下所存储的 753B 参数数量与 GLM-5.2 完全相同： 上述数值仅代表权重占用量。应将其视作系统运行所需的最低内存阈值，而非硬性要求；实际上 KV 缓存、运行时缓冲区以及系统预留空间均需额外占用内存。
在混合专家模型中，即便每个令牌仅激活部分专家模块，所有专家模块的权重均须常驻内存。内存需求量取决于全部参数总量而非实际激活参数数量，因此切勿仅依据激活参数数来配置硬件。详情请参阅 推理机制说明。

​
依据硬件条件灵活配置

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

​
DGX Spark 能否运行 GLM-5.3？

单台无法运行，两台或许也不行。一台 DGX Spark 仅能提供 128 GB 的统一内存，而运行所需的最低内存需求约为 377 GB，且需以 4 位精度进行计算。理论上三台 Spark 合计能提供 384 GB 内存，但整个集群中留给操作系统、运行环境缓冲区及 KV 缓存的内存仅剩约 7 GB，实际上无法满足需求。唯有四台 Spark 合计 512 GB 内存的配置才真正具备冗余空间。 关于内存需求的计算方法，请参阅 DGX Spark 模型兼容性说明。

​
显存为 24 GB 的 GPU 能运行 GLM-5.3 吗？

不能，即便启用显存卸载也无济于事。显存仅为 24 GB，与所需的最低显存要求 377 GB 相比差距极大。若要从系统内存或硬盘读取如此庞大的权重数据，运算效率会降至几乎无法使用的地步。具体原因可参阅 内存与显存卸载。 若你仅拥有一块消费级 GPU 并希望运行 GLM 模型，可执行如下指令：GLM-4 9B，该操作所需显存为 5.5 GB。
随后即可通过 Tokios 从任意位置访问该模型。若想了解硬件能承载的模型规模，可查阅 何种尺寸的模型适合你的 GPU？。

​
上下文长度同样需要占用显存资源。

上述数据仅包含模型权重。GLM-5.2 原生支持 1M 个令牌的上下文长度，而如此长的上下文所需显存甚至可能超过中等规模模型的全部权重。因此需单独预留显存空间，详情参见 KV 缓存与上下文长度。

​
GLM-5.3 的下载方式及 Ollama 相关说明。

目前尚无 GLM-5.3 的官方下载链接或 Ollama 标签。即便输入类似 ollama run glm-5.3 的指令也无法生效；此外在 Z.ai 发布正式文件前，社区上传的内容均不属于官方版本。 以 GLM-5.2 为例，其使用规则很可能同样适用：该模型在 Ollama 中仅以 glm-5.2:cloud 的名称出现，实际调用的是 Z.ai 提供的云端服务而非本地下载权重。对于此类规模的模型，用户通常需使用云端标签而非本地下载指令。

​
提前准备本地部署环境。

由于基础模型本身并未变动，在权重文件正式发布前即可完成大部分准备工作。
  1. 请客观评估自身需求：是选择自行部署该模型还是使用云端服务。鉴于所需显存最低值约为 377 GB，绝大多数用户会选择云端服务；而 Tokios 可同时支持这两种部署方式。
  2. 若您选择自行部署，建议规划使用 vLLM 或 SGLang 来实现多 GPU 服务。GLM-5.2 需要 --reasoning-parser glm45 与 --tool-call-parser glm45；预计后续的 GLM-5.3 也会需要类似的参数设置，以便正确区分工具调用与思考输出。
  3. 请立即检查所有涉及设置 thinking.type: "disabled" 的代码——无论采用何种部署方式，在 GLM-5.3 版本中该设置方式都将失效。
  4. 请将 Tokios 连接器 与您选定的任何兼容 OpenAI 协议的端点配合使用。
  5. 请在控制台中注册一个 部署 名称。客户端会在 model 字段中填入该名称而非上游模型 ID；如此一来，日后您将 GLM-5.2 替换为 GLM-5.3 时，客户端也无需做任何改动。
正因如此，才建议在正式发布前完成此配置：日后更换模型时只需在服务端修改一行代码，所有调用该端点的智能体与团队成员也都能照常运行。

​
尚待完成的事项

Z.ai 已发布了相关公告、基准测试数据以及 API 协议说明。目前仍有以下事项待落实：
  • 模型权重文件、模型说明文档及许可协议文本；
  • 具体的代码库地址、上游模型 ID 以及各文件的大小信息；
  • 经验证的 vLLM、SGLang 与 Ollama 调用指令；
  • 硬件配置建议及 Tokios 连接器使用示例。

​
常见问题解答

是的，自 2026 年 08 月 14 日起即可使用，不过目前仅能通过 API、GLM Coding Plan 以及 ZCode 访问，尚未提供可下载的模型权重。Z.ai 表示，在完成安全性评估与加固流程后，模型检查点大约会在两周后发布。在此之前，您能够自行部署的最新版 GLM 为 GLM-5.2，该版本采用了与 GLM-5.3 相同的底层基础模型。
此更新仅涉及训练后优化环节；预训练基础模型并未变动，因此模型规模与所需硬件配置也保持不变。性能提升主要体现在智能体编程及长周期任务方面：根据 Z.ai 的实测数据，Terminal Bench 3.0 的得分从 4.6 提升至 28.3，而 DeepSWE v1.1 的得分则由 46.2 升至 66.9。此外此次更新还带来一项破坏性 API 变更：无法再禁用模型的思考功能。
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.
据 Z.ai 公告，在完成安全性评估与加固流程后，模型权重预计于 2026 年 08 月 14 日发布，时间约在八月底 2026。目前 Hugging Face 平台已将该模型标记为“即将发布”状态，不过尚未公布确切日期，故仅能视作厂商的规划预期。
Not today — no tag exists. Expect a cloud tag rather than a local pull when it ships: GLM-5.2 appears on Ollama only as glm-5.2:cloud, which routes to Z.ai’s hosted infrastructure instead of downloading weights. For a GLM model you can actually pull now, ollama run glm4 gets you the 9B at 5.5 GB.
除非您未禁用推理功能。由于 GLM-5.3 会拒绝 thinking.type: "disabled" 指令，导致请求失败，因此所有依赖非推理模式的客户端都必须先切换至 enabled 并配置 reasoning_effort: "low" 参数。至于推理深度控制，则可通过 low、high 或 max 参数实现，默认值为 max。
Z.ai 已承诺发布相关权重文件，GLM-4至 GLM-5.2均采用 MIT 许可证发布，不过 GLM-5.3的许可证尚未公布。公开权重与完全开源并非同一概念，待许可证发布后请务必仔细阅读，尤其是涉及商业用途的相关条款。
只需在任意兼容 OpenAI 标准的运行环境中部署该模型，再配置 Tokios 连接器 即可，如此一来搭载 GPU 的机器便无需开放入站端口。您可以在任意兼容 OpenAI 或 Anthropic 标准的客户端中调用 https://api.tokios.com，并填入 sk-tok-… 类型的 API 密钥；发送请求时，在 model 字段填入您的部署名称而非上游模型 ID 即可。

GLM 系列模型

即刻即可运行经过验证的 GLM 模型，范围涵盖 9B 至 GLM-5.2。

模型适配性

预估您的硬件设备能够承载的模型规模与上下文长度上限。

快速入门指南

配置连接器并注册本地部署实例。

量化处理与硬件适配

不同模型发布格式对硬件配置的具体要求。