GLM 5.3
9226°
اجرای مدل
پیشنهادها / تبلیغات
Z.ai | زمینه 1,048,576 توکن | ورودی $0.08/M، خروجی $4.80/M. GLM-5.3 یک مدل استدلال بزرگ‌مقیاس از Z.ai است که برای مهندسی نرم‌افزار پیچیده و وظایف عاملی بلندمدت ساخته شده است. ورودی و خروجی متنی با پنجره زمینه 1 میلیون توکن را پشتیبانی میکند و در برنامه‌نویسی و تعادل بین عملکرد و کارایی توکن نسبت به GLM-5.2 بهبود یافته است. استدلال همیشه فعال است و نمی‌توان آن را غیرفعال کرد. تلاش‌های استدلال low، high و max پشتیبانی می‌شوند؛ max پیش‌فرض است.
راهنماهای این مدل
بهترین مدل محلی LLM بر اساس کاربرد (اکتبر ۲۰۲۶): مدل باز مناسب برای هر کار
Ollama در مقابل LM Studio (۲۰۲۶): کدام برنامه محلی هوش مصنوعی را استفاده کنیم و هر کدام کدام مدل‌های برتر را اجرا می‌کنند
واقعاً چقدر VRAM برای هوش مصنوعی محلی نیاز دارم؟
فایل GGUF چیست؟ مدل‌های کوانتیزه شده توضیح داده شده (Q4، Q8، fp8، NF4)
یادداشت‌های کاپیتان
یادداشت‌ها از 2026-10-13
GLM-5.3 مدل استدلالی وزن باز Z.ai است که حول مهندسی نرم‌افزار پیچیده و وظایف عاملی بلندمدت با پنجره متنی یک میلیون توکنی ساخته شده است. هر بهبود نسبت به GLM-5.2 از آموزش پس از پایه یکسان ناشی می‌شود، با بیشترین پیشرفت‌ها در کدنویسی چندمرحله‌ای و به‌ویژه امنیت تهاجمی. این مدل برای توسعه‌دهندگان و پژوهشگرانی که به مدل کدنویسی و عاملی توانمند با امکان اجرای محلی نیاز دارند مناسب است.
معروف به
- بهترین مدل وزن باز در Terminal Bench 3.0 و Agents' Last Exam در میان مدل‌های باز.
- تقریباً 50٪ بهبود کدنویسی نسبت به GLM-5.2 در معیار داخلی Z.ai.
- پیشرو در مدل‌های وزن باز در کشف و بهره‌برداری آسیب‌پذیری‌های CyberGym.
- پنجره متنی یک میلیون توکنی برای کدبیس‌های بلند یا خطوط لوله عاملی سنگین سند.
- استدلال همیشه فعال است؛ سه سطح تلاش (کم، زیاد، حداکثر) با حداکثر به عنوان پیش‌فرض.
مراقب باشید
- استدلال قابل غیرفعال شدن نیست، که به معنی هزینه بالاتر توکن در وظایفی است که به آن نیاز ندارند.
- خروجی با قیمت 4.80 دلار برای هر میلیون توکن — بودجه‌بندی مناسب برای اجرای طولانی عاملی.
- توانایی سایبری نوظهور توسط سازنده به عنوان سریع‌تر از انتظار علامت‌گذاری شده است؛ قبل از استفاده در زمینه‌های بدون نظارت این موضوع را در نظر بگیرید.
دستورات برای امتحان
رفع اشکال بازسازی چندفایلی
من یک سرویس پایتون دارم که در سه فایل main.py، db.py و models.py تقسیم شده است. پس از بازسازی لایه ORM برای استفاده از async SQLAlchemy، در زمان اجرا خطای MissingGreenlet دریافت می‌کنم. علل احتمالی در هر فایل را بررسی کن، مسئله چرخه عمر نشست async را توضیح بده و الگوی اصلاح‌شده تزریق وابستگی در FastAPI را نشان بده.
برنامه‌ریزی عامل بلندمدت
یک برنامه اجرایی گام‌به‌گام برای یک عامل خودمختار طراحی کن که باید: یک مخزن GitHub را کلون کند، همه نقاط انتهایی API را شناسایی کند، برای هر کدام تست‌های یکپارچه بنویسد، آنها را در محیط ایزوله اجرا کند و یک درخواست pull با گزارش پوشش تست باز کند. ابزارهای مورد نیاز عامل، حالت‌های شکست در هر مرحله و نحوه بازیابی را فهرست کن.
ردیابی آسیب‌پذیری امنیتی
این مسیر Flask پایتون را که یک پارامتر نام فایل می‌گیرد و فایلی را از دیسک می‌خواند، بررسی کن. کلاس آسیب‌پذیری را شناسایی کن، توضیح بده چگونه یک مهاجم آن را سوءاستفاده میکند و تابع را با حداقل تغییرات لازم برای بستن حفره بدون شکستن قرارداد API بازنویسی کن.
@app.route('/download')
def download():
name = request.args.get('file')
return open(f'/var/data/{name}').read()
مقایسه با
- GLM 5.3 FlashXمدل فقط APIمتن زمینه 1,048,576 توکن · ورودی $0.37/M، خروجی $1.25/M
- GLM 5V Turboمدل فقط APIمتن زمینه 202,752 توکن · ورودی $1.20/M، خروجی $4.00/M
- GLM 5 Turboمدل فقط APIمتن زمینه 202,752 توکن · ورودی $1.20/M، خروجی $4.00/M
- GLM 5.3 Primeمدل فقط APIمتن زمینه 1,000,000 توکن · ورودی $2.80/M، خروجی $8.80/M
مدل‌های متنی بیشتر از z-ai
سؤالات متداول
- آیا GLM-5.3 وزن باز است و میتوانم آن را محلی اجرا کنم؟
- بله، وزنها در Hugging Face تحت zai-org/GLM-5.3 منتشر شدهاند، بنابراین میتوانید مدل را روی سختافزار خود دانلود و اجرا کنید.
- هزینه GLM-5.3 چقدر است و اندازه پنجره متن چقدر است؟
- از طریق API Z.ai قیمت ورودی 0.08 دلار و خروجی 4.80 دلار برای هر میلیون توکن است، با پنجره متنی 1,048,576 توکن.
- GLM-5.3 چگونه با GLM-5.2 متفاوت است؟
- هر دو پایه مدل یکسانی دارند؛ پیشرفتهای GLM-5.3 کاملاً از آموزش پس از پایه است، با بزرگترین بهبودها در وظایف کدنویسی پیچیده و معیارهای امنیت تهاجمی که در آنها بیش از دو برابر GLM-5.2 امتیاز کسب میکند.
حکم کاپیتانمدل وزن باز مناسب برای وظایف سخت کدنویسی و عاملی، با توانایی سایبری که نیاز به استقرار دقیق دارد.
کارت مدل در Hugging Face
کاپیتان این یادداشت‌ها را از توضیحات مدل و کارت مدل نوشته است. قیمت‌ها و اندازه متن زمینه مربوط به ارائه‌دهنده در زمان نوشتن است و ممکن است تغییر کند.
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
روند محبوبیت GLM 5.3
امتیاز حرارتی از 18 Aug 2026
امتیاز داغی
9,226°
این هفته
▲
61.9%
9,163° آن زمان، 9,226° الان
این ماه
▲
1,283%
8,881° آن زمان، 9,226° الان
سال گذشته
n/a
هنوز منتشر/ردیابی نشده
7,000°
کف
مقیاس از 0° تا 9,999° است. هر چیزی زیر 7,000° برای مدل‌هایی است که هیچ منبعی هنوز گزارشی درباره‌شان نداده و یک عدد جایگزین آنجا دارند تا فهرست‌ها کامل بمانند. 7,000° جایی است که داده‌های اندازه‌گیری شده شروع می‌شود: مدلی با داده واقعی ولی تقریباً بدون دانلود روی کف قرار می‌گیرد و اندازه‌گیری‌ها درجه‌های بالاتر را پر می‌کنند. کف درباره مدل چیزی نمی‌گوید؛ فقط درجه‌های بالاتر این کار را می‌کنند و آنها هستند که مدل‌ها را از هم جدا می‌کنند.
+1,852°
توکن‌های OpenRouter
14,906,750,510,237 توکن این مدل در ۳۰ روز گذشته از طریق OpenRouter پردازش شده است، شامل درخواست‌ها و پاسخ‌ها. هر 10,000,000 توکن به عنوان یک دانلود در دوره دانلود حساب می‌شود، مجموعاً 1,490,675؛ توکن‌های روز آخر به نرخ پذیرش اضافه می‌شوند. منبع: OpenRouter (openrouter.ai/rankings).
+374°
نرخ پذیرش
حدود 98,104 دانلود در روز، اندازه‌گیری شده بین دو خوانش از منابع، هرگز حدس زده نشده از میانگین عمر. سرعت یک چهارم عامل دانلود وزن دارد، پس یک جهش تازه نشان داده می‌شود بدون اینکه یک جهش یک روزه بالاتر از سال‌ها استفاده قرار بگیرد.
نمایش جزئیات
هر عدد در این سایت قابل بررسی است. امتیاز حرارت این مدل 9,226° است و اینجا به صورت مرحله به مرحله ساخته شده، با مجموع جاری بعد از هر مرحله: کف، درجه‌هایی که هر منبع اضافه میکند، جایزه برای نوع مدل و چیزی که سن وزنها کم میکند. رنگ‌ها همان بازه‌های نمودار بالاست. واژه‌نامه در انتها هر اصطلاح را تعریف میکند.
- 1از کف شروع کن.چرا 7,000° و نه صفر: مقیاس از 0° تا 9,999° است و بخش زیر 7,000° برای مدل‌هایی است که هیچ منبعی هنوز گزارشی درباره‌شان نداده و یک عدد جایگزین آنجا دارند تا فهرست‌ها کامل بمانند و هیچ‌وقت بالاتر از مدلی با داده قرار نگیرند. 7,000° جایی است که داده‌های اندازه‌گیری شده شروع می‌شود. مدلی با داده واقعی ولی تقریباً بدون دانلود اینجا قرار می‌گیرد؛ هر چیزی که بعد از آن می‌آید اندازه‌گیری است و فضای بالای کف ده مرحله ده برابر در دانلودها دارد که هر کدام 300° است. کف برای همه مدل‌ها یکسان است، پس تصمیم‌گیرنده نیست؛ درجه‌های بالاتر این کار را می‌کنند.7,000°جمع جاری
- 2دانلودها را اضافه کن.1,490,675 معادل دانلود در کل، از توکن‌های OpenRouter. ده برابر کردن دانلودها همان 300° را اضافه میکند، پس اندازه مهم است اما هرگز امتیاز را به خودش نمی‌برد.+1,852°8,852°جمع جاری
- 3نرخ پذیرش را اضافه کن.حدود 98,104 دانلود در روز همین الان، اندازه‌گیری شده بین دو خوانش، با یک چهارم وزن.+374°9,226°جمع جاری
- =امتیاز حرارت.جایی که این مدل در هر فهرست این سایت قرار دارد. هیچ چیز دیگری آن را تنظیم نمی‌کند.9,226°
واژه‌نامه: اصطلاحات استفاده شده اینجا
- امتیاز حرارت
- یک عدد برای اینکه چقدر یک مدل الان استفاده و خواسته می‌شود، از 0° تا 9,999°. هر فهرستی در این سایت که می‌گوید داغ‌ترین‌ها بر اساس آن مرتب شدهاند و هیچ چیز دیگری.
- کف
- 7,000° که هر مدل با داده واقعی از آن شروع میکند. مقیاس از 0° تا 9,999° است؛ بخشی که زیر کف است برای جایگزین‌ها (مدل‌هایی بدون داده) محفوظ است، تا مدلی با داده همیشه بالاتر از مدلی بدون داده باشد. کف برای همه یکسان است و هیچ تصمیمی نمی‌گیرد؛ درجه‌های بالاتر اندازه‌گیری هستند.
- معادل‌های دانلود
- هر چیزی که امتیاز به عنوان دانلود حساب میکند، جمع شده: خود دانلودها، هر تورنت سیدر به عنوان 1,000، هر تصویر AI Horde و هر اجرا روی سایت تولید به عنوان یکی.
- مقیاس لگاریتمی
- شمارش به صورت ده‌تایی، نه یکی‌یکی: رفتن از 1,000 به 10,000 دانلود همان درجه‌ها را اضافه میکند که رفتن از 10,000 به 100,000. این باعث می‌شود غول‌ها همه چیز را نبلعند.
- لایک‌ها
- تایید و لایک از هر منبع، هر کدام نصف وزن یک دانلود در مقیاس لگاریتمی.
- نرخ پذیرش
- چند دانلود در روز یک مدل همین الان می‌گیرد، از تفاوت بین دو خوانش یک منبع. یک چهارم وزن بخش دانلود.
- اندازه‌گیری شده و تخمینی
- اندازه‌گیری شده یعنی دو خوانش از یک منبع وجود دارد و تفاوت واقعی است. تخمینی یعنی فقط مجموع امروز معلوم است و گذشته به صورت مدل در طول عمر آن پخش شده؛ سایت می‌گوید کدام را نشان می‌دهد.
- سیدر
- کسی که یک نسخه از وزنها را به صورت آنلاین نگه می‌دارد تا دیگران از طریق تورنت دانلود کنند، یا یک آینه میزبانی شده که همین کار را میکند. هر کدام به اندازه ۱۰۰۰ دانلود حساب می‌شود.
- AI Horde
- یک شبکه داوطلبانه که تصاویر را به صورت رایگان روی کامپیوترهای اهدایی تولید میکند. تعداد تصاویری که با یک مدل ساخته شده عمومی است و هر کدام به عنوان یک دانلود حساب می‌شود.
- سایت‌های تولید
- سایت‌هایی که نسخه‌های خودشان از یک مدل را میزبانی می‌کنند و به مردم اجازه می‌دهند با آن تولید کنند، مثل PixAI، SeaArt و Yodayo. دانلودهای آنها مثل Civitai حساب می‌شود و هر بار تولید به عنوان یک دانلود محسوب می‌شود.
- توکن‌های OpenRouter
- یک مدل متنی که از طریق API ارائه می‌شود، مانند Claude یا GPT، وزن‌هایی برای دانلود ندارد، بنابراین استفاده آن بر اساس توکن‌ها اندازه‌گیری می‌شود: قطعات متنی که در ۳۰ روز گذشته از طریق OpenRouter خوانده و نوشته است. هر 10,000,000 توکن به عنوان یک دانلود حساب می‌شود. منبع: OpenRouter (openrouter.ai/rankings)، CC BY 4.0.
- مدل کامل (چک‌پوینت)
- خود وزنها، فایلی که به تنهایی تولید میکند. یک امتیاز اضافی می‌گیرد چون افزونه‌ها به آن وابسته‌اند.
- LoRA و امبدینگ
- فایل‌های کوچک افزونه که وزن‌های دیگران را به سمت یک سبک، شخصیت یا مفهوم هدایت می‌کنند. نمی‌توانند به تنهایی اجرا شوند.
- خانواده و وزنها
- پایه‌ای که مدل روی آن ساخته شده، مثل SD 1.5، SDXL، Flux یا Wan. هر مدل تاریخ انتشار وزن‌های خانواده‌اش را به ارث می‌برد.
- سن
- درجه‌هایی که به خاطر مدت زمان گذشته از انتشار وزن‌های خانواده کم می‌شود: ۱۵۰ درجه در سال، تا ۷۵۰ درجه. دانلودهای قدیمی که سال‌ها فرصت جمع شدن داشتند را نگه می‌دارد تا بالای لیست ثابت بمانند.
- تقویت خانواده
- یک فشار کوچک و محدود برای LoRAهای یک خانواده که این سایت الان به جلو می‌برد، همیشه در جزئیات لیست شده.
- امتیاز جایگزین
- یک عدد پایدار زیر حداقل که به مدلی داده می‌شود که هنوز هیچ منبعی درباره‌اش گزارش نداده، تا لیست‌ها کامل بمانند. هیچ‌وقت بالاتر از مدلی با داده رتبه نمی‌گیرد.
- جدید! (دوره گذار)
- مدلی که کمتر از 7 روز از عمرش گذشته باشد، به جای امتیاز، عبارت جدید! را نشان می‌دهد و در رتبه‌بندی جایگاهی ندارد. امتیاز آن از روز اول محاسبه می‌شود، اما مدلی که یک روزه است سریع‌تر از هر چیز دیگری رشد میکند، بنابراین بدون این انتظار، مدل #1 هفته همیشه مدلی بود که دیروز منتشر شده بود نه مدلی که یک هفته دوام آورده باشد.
- روند
- رشد یک مدل در یک دوره چطور نسبت به رشد معمول مدل‌ها در همان دوره است. سریع‌تر از معمول یعنی افزایش، کندتر یعنی کاهش.
- مدل معمولی
- وسط فهرست: نصف مدل‌ها با عددی که دارند سریع‌تر رشد کردند و نصف کندتر.
چطور محبوبیت این مدل نسبت به بقیه کاتالوگ تغییر کرده: رشد دانلودها، لایک‌ها و استفاده در هر دوره، نسبت به رشد معمول مدل‌ها در همان دوره، همراه با امتیاز حرارت آن زمان. بالاتر از رشد معمول یعنی افزایش، پایین‌تر یعنی کاهش. گذشته از روی مجموع‌های امروز، روز اول مدل و سرعت دانلود اندازه‌گیری شده وقتی دو داده وجود دارد بازسازی شده؛ مدلی که در شروع دوره وجود نداشته باشد n/a نشان می‌دهد.
GLM 5.3 یک مدل متنی برای خانواده Text / LLM است که در ModelTrends.ai، کاتالوگ فقط‌خواندنی مدل‌های هوش مصنوعی متن‌باز تصویر، ویدئو و متن، فهرست شده است. آن را با دیگر مدل‌های Text / LLM مقایسه کنید و امتیاز داغی آن را ببینید.
مرور بر اساس خانواده مدل
مدل‌های Text / LLM
434
مدل‌های Anima
528
مدل‌های Chroma
19
مدل‌های Fibo
2
مدل‌های Flux
1,496
مدل‌های Flux 2 / Klein
1,239
مدل‌های Flux 3
3
مدل‌های Moss
3
مدل‌های Iris
1
مدل‌های MiniMax H3
364
مدل‌های Hunyuan
204
مدل‌های Ideogram
20
مدل‌های Krea2
717
مدل‌های Qwen
20
مدل‌های Qwen2
47
مدل‌های Ltx2
153