Är GLM-5.3 öppna vikter och kan jag köra den lokalt?

Ja, vikterna är publicerade på Hugging Face under zai-org/GLM-5.3, så du kan ladda ner och köra modellen på din egen hårdvara.

Vad kostar GLM-5.3 och hur stort är kontextfönstret?

Via Z.ais API kostar det 0,08 USD per miljon ingångstokens och 4,80 USD per miljon utgångstokens, med ett kontextfönster på 1 048 576 tokens.

Hur skiljer sig GLM-5.3 från GLM-5.2?

Båda delar samma basmodell; GLM-5.3:s förbättringar kommer helt från efterträning, med störst vinster i komplex kodning och offensiva säkerhetsbenchmarks där den mer än fördubblar GLM-5.2:s resultat.

▲

61.9%

den här veckan

GLM 5.3

9226°

#llm #z-ai #resonemang #kodning #agenter #lång kontext

Denna månad

Kör modellen

Erbjudanden / annonser

OpenRouter Terminal / API

Betala per token

Chatta med den här modellen i webbläsaren eller anropa den från din kod med en API-nyckel.

Z.ai | 1 048 576 tokens kontext | $0.08/M input, $4.80/M output. GLM-5.3 är en storskalig resonemangsmodell från Z.ai, byggd för komplex mjukvaruutveckling och långsiktiga agentuppgifter. Den stödjer textinmatning och -utmatning med ett kontextfönster på 1 miljon tokens, och förbättrar GLM-5.2 inom kodning och balansen mellan prestanda och token-effektivitet. Resonemang är alltid aktiverat och kan inte stängas av. Resonemangsnivåer low, high och max stöds; max är standard.

Guider för denna modell

Bästa lokala LLM efter användningsområde (oktober 2026): rätt öppna modell för varje jobb

Ollama vs LM Studio (2026): vilken lokal AI-app du ska använda och vilka toppmodeller varje kör

Hur mycket VRAM behöver jag egentligen för lokal AI?

Vad är en GGUF-fil? Förklaringar av kvantiserade modeller (Q4, Q8, fp8, NF4)

Alla guider

Kaptenens anteckningar

Skrivet av Captain, husets redaktör

Anteckningar från 2026-10-13

GLM-5.3 är Z.ais öppna vikter resonemangsmodell byggd för komplex mjukvaruutveckling och långsiktiga agentuppgifter, med ett miljon-token kontextfönster. Varje förbättring jämfört med GLM-5.2 kommer från efterträning på samma bas, med störst vinster i flerstegs kodning och särskilt offensiv säkerhet. Den passar utvecklare och forskare som vill ha en kapabel kodnings- och agentmodell de kan köra lokalt.

Känd för

Öppna vikter SOTA på Terminal Bench 3.0 och Agents' Last Exam bland öppna modeller.
Ungefär 50 % kodningsförbättring jämfört med GLM-5.2 på Z.ais interna benchmark.
Ledande bland öppna viktsmodeller på CyberGym:s sårbarhetsupptäckt och exploateringsuppgifter.
Miljon-token kontextfönster för långa kodbaser eller dokumenttunga agentflöden.
Resonemang alltid aktivt; tre ansträngningsnivåer (låg, hög, max) med max som standard.

Se upp för

Resonemang kan inte stängas av, vilket innebär högre tokenkostnader för uppgifter som inte behöver det.
Utgångspriset är 4,80 USD/M tokens — budgetera därefter för långa agentkörningar.
Den framväxande cyberkapaciteten flaggas av tillverkaren själv som snabbare än väntat; överväg detta innan du använder den i obevakade sammanhang.

Bäst för

Kodning

Agenter och verktygsanvändning

Resonemang

Lång kontext

Kör lokalt

Promptar att prova

Debugga en refaktorering över flera filer

Jag har en Python-tjänst uppdelad på tre filer: main.py, db.py och models.py. Efter att ha refaktorerat ORM-lagret till async SQLAlchemy får jag ett MissingGreenlet-fel vid körning. Gå igenom sannolika orsaker i varje fil, förklara async-sessionens livscykelproblem och visa det korrigerade mönstret för beroendeinjektion i FastAPI.

Planera en långsiktig agent

Designa en steg-för-steg exekveringsplan för en autonom agent som måste: klona ett GitHub-repo, identifiera alla API-endpoints, skriva integrationstester för varje, köra dem i en sandboxad miljö och öppna en pull request med en testtäckningsrapport. Lista verktygen agenten behöver, felmöjligheter vid varje steg och hur den ska återhämta sig.

Spåra en säkerhetssårbarhet

Givet denna Python Flask-rutt som tar emot en filnamnsparameter och läser en fil från disk, identifiera sårbarhetsklassen, förklara hur en angripare skulle utnyttja den och skriv om funktionen med minsta möjliga ändringar för att täppa till hålet utan att bryta det befintliga API-kontraktet. @app.route('/download') def download(): name = request.args.get('file') return open(f'/var/data/{name}').read()

Jämför med

GLM 5.3 FlashX
Endast API-modell
1,048,576 tokens kontext · $0.37/M indata, $1.25/M utdata
GLM 5V Turbo
Endast API-modell
202,752 tokens kontext · $1.20/M indata, $4.00/M utdata
GLM 5 Turbo
Endast API-modell
202,752 tokens kontext · $1.20/M indata, $4.00/M utdata
GLM 5.3 Prime
Endast API-modell
1,000,000 tokens kontext · $2.80/M indata, $8.80/M utdata

Fler textmodeller från z-ai

Vanliga frågor

Är GLM-5.3 öppna vikter och kan jag köra den lokalt?: Ja, vikterna är publicerade på Hugging Face under zai-org/GLM-5.3, så du kan ladda ner och köra modellen på din egen hårdvara.
Vad kostar GLM-5.3 och hur stort är kontextfönstret?: Via Z.ais API kostar det 0,08 USD per miljon ingångstokens och 4,80 USD per miljon utgångstokens, med ett kontextfönster på 1 048 576 tokens.
Hur skiljer sig GLM-5.3 från GLM-5.2?: Båda delar samma basmodell; GLM-5.3:s förbättringar kommer helt från efterträning, med störst vinster i komplex kodning och offensiva säkerhetsbenchmarks där den mer än fördubblar GLM-5.2:s resultat.

Kaptens omdöme
Den öppna viktsmodellen att välja för svåra kodnings- och agentuppgifter, med en cyberkapacitet som kräver noggrann användning.

Model card på Hugging Face

Kapten skriver dessa anteckningar från modellens egen beskrivning och model card. Priser och kontextstorlekar är från leverantören vid skrivtillfället och kan ändras.

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.

Change colors / personalize / get code

Also ranked: #25 Hottest AI model · #10 Hottest Text / LLM model · #10 Hottest Text / LLM text model

Not this creator?

Get your own badge

Popularitetstrend för GLM 5.3

Värmenpoäng sedan 18 Aug 2026

Värmescore

9,226°

Den här veckan

▲

61.9%

9,163° då, 9,226° nu

Den här månaden

▲

1,283%

8,881° då, 9,226° nu

Senaste året

n/a

Inte släppt/spårad än

7,000°

Golvet

Skalan går från 0° till 9 999°. Allt under 7,000° är reserverat för modeller som ingen källa rapporterat om än, som får ett tillfälligt nummer där så listorna förblir kompletta. 7,000° är där mätta data börjar: en modell med riktiga data men nästan inga nedladdningar ligger på golvet, och mätningarna fyller graderna ovanför. Golvet säger inget om modellen; det gör bara graderna ovanför, och det är de som skiljer en modell från en annan.

+1,852°

OpenRouter-token

14,906,750,510,237 token som denna modell bearbetat via OpenRouter de senaste 30 dagarna, både prompts och svar. Varje 10,000,000 token räknas som en nedladdning i nedladdningsterm, totalt 1,490,675; token från senaste dagen räknas in i användningstakten. Källa: OpenRouter (openrouter.ai/rankings).

+374°

Adoptionshastighet

Ungefär 98,104 nedladdningar per dag, mätt mellan två avläsningar av källorna, aldrig uppskattat från ett livstidsgenomsnitt. Hastigheten väger en fjärdedel av nedladdningstermen, så en ny våg syns utan att en dags toppar slår ut år av användning.

Visa detaljerad uppdelning

Varje siffra på den här sidan kan kontrolleras. Den här modellens heat-poäng är 9,226°, och här byggs den upp en ingrediens i taget, med löpande total efter varje: golvet, graderna varje källa lägger till, bonusen för modelltypen och vad vikternas ålder drar bort. Färgerna är banden i diagrammet ovan. Ordlistan i slutet förklarar varje term.

1
Börja vid golvet.
Varför 7,000° och inte noll: skalan går från 0° till 9 999°, och delen under 7,000° är reserverad för modeller som ingen källa rapporterat om än, som får ett tillfälligt nummer där så listorna förblir kompletta och aldrig rankas högre än en modell med data. 7,000° är där mätta data börjar. En modell med riktiga data men nästan inga nedladdningar ligger här; allt som följer är mätning, och utrymmet ovanför golvet rymmer tio tiofaldiga steg i nedladdningar på 300° vardera. Golvet är detsamma för varje modell, så det avgör inget; det gör graderna ovanför.
7,000°
löpande total
2
Lägg till nedladdningarna.
1,490,675 nedladdnings-ekvivalenter totalt, från OpenRouter-token. Tio gånger nedladdningarna ger samma 300°, så storlek spelar roll men tar aldrig över poängen.
+1,852°
8,852°
löpande total
3
Lägg till adoptionshastigheten.
Ungefär 98,104 nedladdningar per dag just nu, mätt mellan två mätningar, med en fjärdedels vikt.
+374°
9,226°
löpande total
=
Heat-poängen.
Var den här modellen står på varje lista på den här sidan. Ingenting annat ändrar den.
9,226°

Ordlista: termerna som används här

Heat-poäng: Ett nummer för hur mycket en modell används och efterfrågas just nu, från 0° till 9 999°. Varje lista på den här sidan som säger hetast sorteras efter den och inget annat.
Golvet: De 7 000° som varje modell med verklig data börjar från. Skalan går från 0° till 9 999°; delen under golvet är reserverad för ersättare (modeller utan data), så att en modell med data alltid rankas över en utan. Golvet är samma för alla och avgör inget; graderna ovanför är själva mätningen.
Nedladdnings-ekvivalenter: Allt som poängen räknar som en nedladdning, summerat: själva nedladdningarna, varje torrent-seeder som 1 000, varje AI Horde-bild och varje körning på en genereringssajt som en.
Logaritmisk skala: Räknar i tiotal, inte i ental: att gå från 1 000 till 10 000 nedladdningar ger lika många grader som att gå från 10 000 till 100 000. Det hindrar jättar från att tränga ut allt annat.
Gillanden: Tummar upp och gillanden från alla källor, värda hälften av en nedladdning på den logaritmiska skalan.
Adoptionshastighet: Hur många nedladdningar per dag en modell får just nu, från skillnaden mellan två mätningar av en källa. En fjärdedels vikt av nedladdningsdelen.
Mätt och uppskattad: Mätt betyder att det finns två mätningar från en källa och skillnaden är verklig. Uppskattad betyder att bara dagens total är känd och det fördelas över modellens livstid; sidan visar vilken det är.
Seeder: Någon som håller en kopia av vikterna online för andra att ladda ner via torrent, eller en hostad spegel som gör samma sak. Varje sådan räknas som 1 000 nedladdningar.
AI Horde: Ett frivilligt nätverk som genererar bilder gratis på donerade datorer. Antalet bilder det har gjort med en modell är offentligt, och varje bild räknas som en nedladdning.
Genereringssajter: Sajter som hostar sina egna kopior av en modell och låter folk generera med den, som PixAI, SeaArt och Yodayo. Deras nedladdningar räknas som Civitaís och varje genereringskörning räknas som en nedladdning.
OpenRouter-token: En textmodell som nås via API, som Claude eller GPT, har inga vikter att ladda ner, så dess användning mäts i token: textbitar den läst och skrivit via OpenRouter, en gateway som många appar använder, under de senaste 30 dagarna. Varje 10,000,000 token räknas som en nedladdning. Källa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Full modell (checkpoint): Själva vikterna, filen som genererar självständigt. Den får en bonus eftersom tillägg beror på den.
LoRA och embedding: Små tilläggsfiler som styr någon annans vikter mot en stil, en karaktär eller ett koncept. De kan inte köras själva.
Familj och vikter: Basen en modell är byggd på, som SD 1.5, SDXL, Flux eller Wan. Varje modell ärver släppdatumet för sin familjs vikter.
Ålder: Poäng som dras av beroende på hur länge sedan familjens vikter släpptes: 150° per år, upp till 750°. Det behåller gamla nedladdningar som haft år på sig att samlas för att frysa toppen av listan.
Familjeboost: En liten, begränsad skjuts för LoRAs från en familj som den här sajten just nu vill lyfta fram, alltid med i uppdelningen.
Stand-in-poäng: Ett stabilt nummer under golvet som ges till en modell som ännu inte har rapporter från någon källa, så listorna förblir kompletta. Den rankas aldrig högre än en modell med data.
Ny! (karensperiod): En modell som är mindre än 7 dagar gammal visar Ny! istället för poäng och räknas inte i rankningen. Poängen räknas från dag ett, men en modell som är en dag gammal växer snabbare än allt annat, så utan väntan skulle veckans #1 alltid vara det som kom ut igår istället för det som hållit i en vecka.
Trend: Hur en modells tillväxt under en period jämförs med den typiska modellens tillväxt under samma period. Snabbare än vanligt läses som en ökning, långsammare som en nedgång.
Typisk modell: Mitten av katalogen: hälften av modellerna med siffror växte snabbare under perioden, hälften långsammare.

Hur den här modellens popularitet har rört sig jämfört med resten av katalogen: dess tillväxt i nedladdningar, gillningar och användning under varje period, mätt mot en typisk modells tillväxt under samma period, med dess heat-poäng vid den tiden. Över den typiska tillväxten ses som en uppgång, under som en nedgång. Det förflutna rekonstrueras från dagens totalsummor, modellens första dag och dess uppmätta nedladdningshastighet där två mätningar finns; en modell som inte fanns i början av en period visar n/a.

Liknande modeller

AI-modeller för bild-, video- och textgenerering

GLM 5.3 är en textmodell för familjen Text / LLM, listad på ModelTrends.ai, en skrivskyddad katalog över AI-modeller med öppen källkod för bild, video och text. Jämför den med andra Text / LLM-modeller och se dess hettapoäng.

Fler Text / LLM-modeller llm z-ai resonemang kodning agenter lång kontext lokal

Bläddra efter modellfamilj