GLM 5.3
9226°
Esegui questo modello
Offerte / Annunci
Z.ai | contesto da 1.048.576 token | $0.08/M input, $4.80/M output. GLM-5.3 è un modello di ragionamento su larga scala di Z.ai, costruito per ingegneria del software complessa e compiti agentici a lungo termine. Supporta input e output testuali con una finestra di contesto da 1M token, e migliora GLM-5.2 nel coding e nell'equilibrio tra prestazioni ed efficienza dei token. Il ragionamento è sempre attivo e non può essere disabilitato. Supporta sforzi di ragionamento low, high e max; max è il valore predefinito.
Guide per questo modello
Il miglior LLM locale per caso d'uso (ottobre 2026): il modello open giusto per ogni lavoro
Ollama vs LM Studio (2026): quale app AI locale usare e quali modelli top esegue ciascuna
Quanta VRAM serve davvero per l'AI locale?
Cos'è un file GGUF? Modelli quantizzati spiegati (Q4, Q8, fp8, NF4)
Note del capitano
Note del 2026-10-13
GLM-5.3 è il modello di ragionamento a pesi aperti di Z.ai costruito attorno a ingegneria del software complessa e compiti agentici a lungo orizzonte, con una finestra di contesto da un milione di token. Ogni miglioramento rispetto a GLM-5.2 deriva da post-training sulla stessa base, con i guadagni maggiori nel coding multi-step e, in particolare, nella sicurezza offensiva. È adatto a sviluppatori e ricercatori che vogliono un modello capace di coding e agenti da eseguire localmente.
Conosciuto per
- SOTA a pesi aperti su Terminal Bench 3.0 e Agents' Last Exam tra i modelli aperti.
- Circa il 50% di miglioramento nel coding rispetto a GLM-5.2 sul benchmark interno di Z.ai.
- Leader tra i modelli a pesi aperti su compiti di scoperta e sfruttamento di vulnerabilità CyberGym.
- Finestra di contesto da un milione di token per basi di codice lunghe o pipeline agentiche documentali.
- Ragionamento sempre attivo; tre livelli di sforzo (basso, alto, massimo) con massimo come default.
Attenzione a
- Il ragionamento non può essere disabilitato, il che significa costi token più alti su compiti che non ne hanno bisogno.
- L'output costa $4,80/M token — pianifica il budget per esecuzioni agentiche lunghe.
- La capacità emergente cyber è segnalata dal produttore come più veloce del previsto; considera questo prima di usarlo in contesti non supervisionati.
Prompt da provare
Debug di un refactor multi-file
Ho un servizio Python diviso in tre file: main.py, db.py e models.py. Dopo aver rifattorizzato il livello ORM per usare async SQLAlchemy, ottengo un errore MissingGreenlet a runtime. Analizza le cause probabili in ogni file, spiega il problema del ciclo di vita della sessione async e mostra il pattern corretto per dependency injection in FastAPI.
Pianifica un agente a lungo orizzonte
Progetta un piano di esecuzione passo-passo per un agente autonomo che deve: clonare un repository GitHub, identificare tutti gli endpoint API, scrivere test di integrazione per ciascuno, eseguirli in un ambiente sandbox e aprire una pull request con un report di copertura test. Elenca gli strumenti necessari, i modi di fallimento a ogni passo e come recuperare.
Traccia una vulnerabilità di sicurezza
Data questa route Python Flask che accetta un parametro filename e legge un file da disco, identifica la classe di vulnerabilità, spiega come un attaccante la sfrutterebbe e riscrivi la funzione con le minime modifiche necessarie per chiudere la falla senza rompere il contratto API esistente.
@app.route('/download')
def download():
name = request.args.get('file')
return open(f'/var/data/{name}').read()
Confronta con
- GLM 5.3 FlashXModello solo APIContesto di 1,048,576 token · Input $0.37/M, output $1.25/M
- GLM 5V TurboModello solo APIContesto di 202,752 token · Input $1.20/M, output $4.00/M
- GLM 5 TurboModello solo APIContesto di 202,752 token · Input $1.20/M, output $4.00/M
- GLM 5.3 PrimeModello solo APIContesto di 1,000,000 token · Input $2.80/M, output $8.80/M
Altri modelli di testo da z-ai
Domande frequenti
- GLM-5.3 ha pesi aperti e posso eseguirlo localmente?
- Sì, i pesi sono pubblicati su Hugging Face sotto zai-org/GLM-5.3, quindi puoi scaricare ed eseguire il modello sul tuo hardware.
- Quanto costa GLM-5.3 e qual è la finestra di contesto?
- Via API di Z.ai costa $0,08 per milione di token in input e $4,80 per milione di token in output, con una finestra di contesto da 1.048.576 token.
- In cosa si differenzia GLM-5.3 da GLM-5.2?
- Entrambi condividono la stessa base; i guadagni di GLM-5.3 derivano interamente dal post-training, con i maggiori miglioramenti nei compiti di coding complesso e benchmark di sicurezza offensiva dove raddoppia i punteggi di GLM-5.2.
Verdetto del capitanoIl modello a pesi aperti da scegliere per compiti difficili di coding e agenti, con una capacità cyber che richiede un uso attento.
Scheda modello su Hugging Face
Il capitano scrive queste note dalla descrizione e dalla scheda modello. Prezzi e dimensioni del contesto sono quelli del provider al momento della scrittura e possono cambiare.
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Also ranked: #25 Hottest AI model · #10 Hottest Text / LLM model · #10 Hottest Text / LLM text model
Not this creator?
Get your own badge
Tendenza di popolarità di GLM 5.3
Punteggio di calore da 18 Aug 2026
Punteggio di popolarità
9,226°
Questa settimana
▲
61.9%
9,163° allora, 9,226° ora
Questo mese
▲
1,283%
8,881° allora, 9,226° ora
Ultimo anno
n/a
Non ancora rilasciato/tracciato
7,000°
Floor
La scala va da 0° a 9.999°. Tutto ciò che sta sotto 7,000° è riservato ai modelli su cui nessuna fonte ha ancora dati, che hanno un numero provvisorio lì per mantenere le liste complete. 7,000° è dove iniziano i dati misurati: un modello con dati reali ma quasi nessun download sta al floor, e le misurazioni riempiono i gradi sopra di esso. Il floor non dice nulla sul modello; solo i gradi sopra lo fanno, e sono quelli che distinguono un modello dall'altro.
+1,852°
Token OpenRouter
14,906,750,510,237 token processati da questo modello tramite OpenRouter negli ultimi 30 giorni, prompt e risposte insieme. Ogni 10,000,000 token conta come un download nel termine di download, 1,490,675 in totale; i token dell'ultimo giorno contribuiscono al tasso di adozione. Fonte: OpenRouter (openrouter.ai/rankings).
+374°
Tasso di adozione
Circa 98,104 download al giorno, misurati tra due rilevazioni delle fonti, mai stimati da una media a vita. La velocità pesa un quarto del termine download, così una nuova impennata si vede senza che un picco di un giorno superi anni di uso.
Mostra dettagli
Ogni numero su questo sito può essere verificato. Il punteggio heat di questo modello è 9,226°, ed è costruito un ingrediente alla volta, con il totale progressivo dopo ogni passaggio: il floor, i gradi che ogni fonte aggiunge, il bonus per il tipo di modello e cosa toglie l'età dei suoi pesi. I colori corrispondono alle bande del grafico sopra. Il glossario alla fine definisce ogni termine.
- 1Inizia dal floor.Perché 7,000° e non zero: la scala va da 0° a 9.999°, e la parte sotto 7,000° è riservata ai modelli su cui nessuna fonte ha ancora dati, che hanno un numero provvisorio lì per mantenere le liste complete e non superare mai un modello con dati. 7,000° è dove iniziano i dati misurati. Un modello con dati reali ma quasi nessun download sta qui; tutto ciò che segue è misurazione, e lo spazio sopra il floor contiene dieci passi decuplici nei download a 300° ciascuno. Il floor è uguale per ogni modello, quindi non decide nulla; lo fanno i gradi sopra di esso.7,000°totale in corso
- 2Aggiungi i download.1,490,675 equivalenti di download in totale, da Token OpenRouter. Dieci volte i download aggiungono lo stesso 300°, quindi la dimensione conta ma non domina mai il punteggio.+1,852°8,852°totale in corso
- 3Aggiungi il tasso di adozione.Circa 98,104 download al giorno in questo momento, misurati tra due rilevazioni, con un peso di un quarto.+374°9,226°totale in corso
- =Il punteggio heat.Dove si posiziona questo modello in ogni lista di questo sito. Niente altro lo modifica.9,226°
Glossario: i termini usati qui
- Punteggio heat
- Un numero che indica quanto un modello è usato e desiderato ora, da 0° a 9.999°. Ogni lista su questo sito che dice più caldo è ordinata per questo e nient’altro.
- Soglia minima
- I 7.000° da cui parte ogni modello con dati reali. La scala va da 0° a 9.999°; la parte sotto la soglia è riservata ai sostituti (modelli senza dati), così un modello con dati è sempre sopra uno senza. La soglia è uguale per tutti e non decide nulla; i gradi sopra sono la misura.
- Equivalenti di download
- Tutto ciò che il punteggio considera come un download, sommato: i download stessi, ogni seeder torrent come 1.000, ogni immagine AI Horde e ogni esecuzione su un sito di generazione come uno.
- Scala logaritmica
- Conta a decine, non a unità: passare da 1.000 a 10.000 download aggiunge gli stessi gradi che passare da 10.000 a 100.000. Evita che i giganti schiaccino tutto il resto.
- Like
- Pollici in su e like da ogni fonte, valgono metà di un download sulla scala logaritmica.
- Tasso di adozione
- Quanti download al giorno riceve un modello ora, dalla differenza tra due rilevazioni di una fonte. Un quarto del peso del termine download.
- Misurato e stimato
- Misurato significa che ci sono due letture di una fonte e la differenza è reale. Stimato significa che si conosce solo il totale di oggi e il passato è distribuito sulla vita del modello; il sito indica quale viene mostrato.
- Seeder
- Qualcuno che mantiene una copia dei pesi online per farli scaricare agli altri tramite torrent, o uno specchio ospitato che fa lo stesso. Ognuno conta come 1.000 download.
- AI Horde
- Una rete di volontari che genera immagini gratis su computer donati. Il numero di immagini create con un modello è pubblico, e ognuna conta come un download.
- Siti di generazione
- Siti che ospitano copie di un modello e permettono di generare con esso, come PixAI, SeaArt e Yodayo. I loro download contano come quelli di Civitai e ogni generazione come un download.
- Token OpenRouter
- Un modello di testo servito tramite API, come Claude o GPT, non ha pesi da scaricare, quindi il suo utilizzo si misura in token: i pezzi di testo letti e scritti tramite OpenRouter, un gateway usato da molte app, negli ultimi 30 giorni. Ogni 10,000,000 token conta come un download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modello completo (checkpoint)
- I pesi stessi, il file che genera da solo. Riceve un bonus perché da esso dipendono gli add-on.
- LoRA e embedding
- Piccoli file add-on che indirizzano i pesi di qualcun altro verso uno stile, un personaggio o un concetto. Non possono funzionare da soli.
- Famiglia e pesi
- La base su cui è costruito un modello, come SD 1.5, SDXL, Flux o Wan. Ogni modello eredita la data di rilascio dei pesi della sua famiglia.
- Età
- Gradi tolti in base a quanto tempo fa sono usciti i pesi della famiglia: 150° all'anno, fino a 750°. Mantiene i vecchi download che hanno avuto anni per accumularsi congelando la cima della lista.
- Boost famiglia
- Una piccola spinta limitata per le LoRA di una famiglia che questo sito sta promuovendo ora, sempre elencata nel dettaglio.
- Punteggio stand-in
- Un numero stabile sotto il minimo dato a un modello su cui nessuna fonte ha ancora dati, così le liste restano complete. Non supera mai un modello con dati.
- Novità! (periodo di grazia)
- Un modello più giovane di 7 giorni mostra Novità! invece di un punteggio e non ha posizione nelle classifiche. Il suo punteggio è calcolato dal primo giorno, ma un modello di un giorno cresce più velocemente di qualsiasi altro, quindi senza l'attesa il #1 della settimana sarebbe sempre quello uscito ieri invece di quello che ha resistito per una settimana.
- Tendenza
- Come la crescita di un modello in un periodo si confronta con la crescita tipica di un modello nello stesso periodo. Più veloce del tipico si legge come aumento, più lento come calo.
- Modello tipico
- Il centro del catalogo: metà dei modelli con un valore è cresciuta più velocemente nel periodo, metà più lentamente.
Come si è mosso questo modello rispetto al resto del catalogo: la sua crescita in download, like e utilizzo in ogni periodo, misurata rispetto alla crescita tipica dei modelli nello stesso periodo, con il suo punteggio di popolarità al momento. Sopra la crescita tipica indica un aumento, sotto una diminuzione. Il passato è ricostruito dai totali di oggi, dal primo giorno del modello e dalla sua velocità di download misurata quando ci sono due letture; un modello che non esisteva all'inizio del periodo mostra n/a.
GLM 5.3 è un modello di testo per la famiglia Text / LLM presente su ModelTrends.ai, un catalogo in sola lettura di modelli di IA open source per immagini, video e testo. Confrontalo con gli altri modelli Text / LLM e controlla il punteggio di calore per vedere la tendenza.
Altri modelli Text / LLMAltri Testo / LLM Text / LLMllmz-airagionamentoprogrammazioneagenticontesto lungolocale
Sfoglia per famiglia di modelli
Modelli Text / LLM
434
Modelli Anima
528
Modelli Chroma
19
Modelli Fibo
2
Modelli Flux
1,496
Modelli Flux 2 / Klein
1,239
Modelli Flux 3
3
Modelli Moss
3
Modelli Iris
1
Modelli MiniMax H3
364
Modelli Hunyuan
204
Modelli Ideogram
20
Modelli Krea2
717
Modelli Qwen
20
Modelli Qwen2
47
Modelli Ltx2
153