GLM-5.3
- 输入 输入模态: 文本 输出 输出模态: 文本
- 推理· low、high、max
- 工具调用
- 结构化输出
- 开放权重
价格
4 个渠道报价 · 按标价显示 Z.ai API（在新标签页打开）
glm-5.3| 条件/ 百万 tokens | 输入 | 缓存读取 | 输出 |
|---|---|---|---|
| 标准 | ¥8.00 | ¥2.00 | ¥28.00 |
价格来源 智谱 BigModel：API 定价（在新标签页打开） (核对于 2026年11月9日)
Z.ai API（在新标签页打开）
glm-5.3| 条件/ 百万 tokens | 输入 | 缓存读取 | 输出 |
|---|---|---|---|
| 标准 | $1.40 | $0.26 | $4.40 |
价格来源 Pricing（在新标签页打开） (核对于 2026年11月8日)
标准：不带任何条件的请求所付价格（即本站其他页面显示的标价）。
详细规格
- 模型家族
- glm
- 模型 ID
Zhipu AI 的页面未说明：最长输入, 最大思考预算, 内置工具, 知识截止, 许可证, 别名。
本地运行
权重： zai-org/GLM-5.3- 参数 753.3B
- 激活 51.2B （估算） · 专家 256（每 token 8）
- 原生精度 FP8
- 层数 78
- 每 token 的 KV 缓存 88 KB
- 配置位置数 1024K （config.json max_position_embeddings）
- API 上下文 977K （厂商 API）
在你的配置上 · GeForce RTX 4090
✕放不下 IQ4_XS （自动） 8K 上下文
权重KV 缓存运行开销可用上限
- 需要
- ≈ 392.0 GB (权重 372.7 + KV 缓存 0.7 + 开销 18.6)
- 可用
- 21.6 GB (标称的 90%)
- 建议
- 这台配置跑不动，看下面的“最低需要”
| 推荐精度 | 权重 | 8K 需要 | 在你的配置上 | 最长上下文 |
|---|---|---|---|---|
| 原生 FP8官方 | 703.7 GB | ≈ 739.6 | ✕放不下 | — |
| Q6_K | 576.2 GB | ≈ 605.7 | ✕放不下 | — |
| Q5_K_M | 499.0 GB | ≈ 524.6 | ✕放不下 | — |
| Q5_0 | 482.3 GB | ≈ 507.1 | ✕放不下 | — |
| Q4_K_M | 426.2 GB | ≈ 448.2 | ✕放不下 | — |
| Q4_0 | 394.6 GB | ≈ 415.1 | ✕放不下 | — |
| IQ4_XS | 372.7 GB | ≈ 392.0 | ✕放不下 | — |
| Q3_K_M质量下降明显 | 342.9 GB | ≈ 360.7 | ✕放不下 | — |
| IQ3_XXS质量下降明显 | 268.4 GB | ≈ 282.5 | ✕放不下 | — |
| Q2_K质量下降明显 | 263.1 GB | ≈ 276.9 | ✕放不下 | — |
| IQ2_XXS质量下降明显 | 180.7 GB | ≈ 190.4 | ✕放不下 | — |
点一行换精度。“官方”是厂商自己发布的文件，大小是实际值；其余按参数量 × 每权重位数估算。
和其他配置比
每个配置各用它能跑的最高精度，点一个看细节。
最低需要（Q4_K_M · 8K）：单机放不下，约需 7 张 80 GB 显卡。
运行命令
厂商没有发布这个精度的文件。可选原生精度或厂商自己的版本，或用 llama.cpp 自己量化。
微调需要多少显存
全参≈ 11229.4 GB你的配置放不下
LoRA≈ 1408.5 GB你的配置放不下
QLoRA≈ 399.9 GB你的配置放不下
batch 1、序列 2048、梯度检查点；LoRA / QLoRA 为注意力投影上的 r=16 适配器。
估算；数据来自厂商的 Hugging Face 仓库，截至 2026-11-11。 怎么估算的
引用评分
来自第三方排行榜，并非我们测得- Epoch Capabilities Index 156.9
第 29 名，共 118 个上榜模型 · 置信区间 154.8–159.2
- LMArena Text 1,483
第 20 名，共 163 个上榜模型 · max effort · 置信区间 1,478–1,487 · 30,524 票
- Epoch AI · Chess Puzzles 37%
第 37 名，共 85 个上榜模型 · max effort · ±4.85
- Epoch AI · FrontierMath Tier 4 v2 29.3%
第 33 名，共 65 个上榜模型 · max effort · ±7.19
- Epoch AI, 'Capabilities & benchmarking'. Published online at epoch.ai. Retrieved from 'https://epoch.ai/benchmarks'. Licensed CC BY 4.0. · 许可 · 数据日期 2026年10月28日至2026年11月5日
- LMArena (Arena), leaderboard-dataset on Hugging Face, licensed CC BY 4.0 · 许可 · 数据日期 2026年11月8日
- EQ-Bench by Samuel J. Paech (eqbench.com; EQ-bench/EQ-bench-site on GitHub), MIT License. · 许可 · 数据日期 2026年10月28日
- LiveBench (White et al.), release 2026-06-25, livebench.ai, licensed CC BY-SA 4.0. This board, adapted from it, is shared under CC BY-SA 4.0. · 许可 · 数据日期 2026年6月25日
- Terminal-Bench 4.0 leaderboard (Marten, Shaw et al., Terminal-Bench; harbor-framework/terminal-bench on GitHub), licensed Apache-2.0. · 许可 · 数据日期 2026年9月29日
- 我们做的改动
厂商自报评分
由 Zhipu AI 发布，测试条件以其说明为准| 基准 | 测试设置 | 分数 |
|---|---|---|
| Terminal-Bench 2.1 | Claude Code 2.1.207 harness, 6h timeout | 88.2% |
| Humanity's Last Exam | with tools, context management, 300K max context; subset not stated | 62.5% |
包含在编程套餐中
- 5 倍于 Lite 套餐的用量
- GLM Coding Plan Lite $18.00 / 月2,000 积分 每 5 小时10,000 积分 每周
- GLM Coding Plan Pro $80.00 / 月12,000 积分 每 5 小时60,000 积分 每周
- GLM Coding Plan Max $168.00 / 月28,000 积分 每 5 小时140,000 积分 每周
- TRAE Free 免费500 积分 每月
- TRAE Pro ¥99.00 / 月4,000 积分 每月
资讯
全部资讯 →- 2026年8月18日发布 Zhipu AI 发布 GLM-5.3 上下文 1M tokens。Z.ai API：输入 $1.40、输出 $4.40 每百万 tokens。
变更
全部变更 →- Cloudflare Workers AI 上线报价 输入 $1.40 · 缓存读取 $0.26 · 输出 $4.40
- 新增语言模型
来源
- zai-org/GLM-5.3 model card（在新标签页打开） huggingface.co · 核对于 2026年11月8日
- Pricing（在新标签页打开） docs.z.ai · 核对于 2026年11月8日
- 硅基流动：模型价格（在新标签页打开） siliconflow.cn · 核对于 2026年11月8日
- 智谱 BigModel：API 定价（在新标签页打开） docs.bigmodel.cn · 核对于 2026年11月9日
- GLM-5.3（在新标签页打开） docs.z.ai · 核对于 2026年11月8日
- 智谱 BigModel：模型概览（在新标签页打开） docs.bigmodel.cn · 核对于 2026年11月4日
- New Released（在新标签页打开） docs.z.ai · 核对于 2026年11月8日
- zai-org/GLM-5.3 model card（在新标签页打开） huggingface.co · 核对于 2026年11月8日
- Z.ai GLM-5.3 overview（在新标签页打开） docs.z.ai · 核对于 2026年11月8日
- GLM-5.3（在新标签页打开） docs.z.ai · 核对于 2026年11月9日
- Cloudflare Workers AI pricing（在新标签页打开） developers.cloudflare.com · 核对于 2026年11月7日
- zai-org/GLM-5.3 model card（在新标签页打开） huggingface.co · 核对于 2026年11月8日
- zai-org/GLM-5.3 config.json（在新标签页打开） huggingface.co · 核对于 2026年11月8日
- zai-org/GLM-5.3 files（在新标签页打开） huggingface.co · 核对于 2026年11月7日
Zhipu AI · 中国 · z.ai
相关模型
快照、同系列与同厂商的其他模型