Z.ai опубликовала открытые веса GLM-5.3
2026-08-28 Z.ai открыла веса GLM-5.3 на Hugging Face спустя две недели после анонса модели 2026-08-14. В каталоге доступны основная версия и отдельная сборка GLM-5.3-BF16; карточка указывает 753 млрд параметров. Это переводит GLM-5.3 из режима доступа только через сервисы вендора в категорию моделей, которые можно развернуть у себя.
GLM-5.3 построена на той же базовой модели, что и GLM-5.2: изменения относятся прежде всего к дополнительному обучению для программирования, продолжительных задач и анализа уязвимостей. Поддерживаются Transformers, vLLM, SGLang, TokenSpeed, KTransformers и ряд решений для Ascend NPU. Веса распространяются по отдельной лицензии glm-5.3, поэтому компаниям следует проверить условия коммерческого применения до запуска. Публичной цены API именно для GLM-5.3 в официальной таблице пока нет.
Релиз полезен организациям, которым важны контроль над данными, закрытый контур и настройка модели под внутреннюю разработку или аудит кода. Главный риск — масштаб: 753 млрд параметров требуют дорогостоящей вычислительной инфраструктуры и компетенций по эксплуатации, а подтвержденной оценки затрат в рублях вендор не приводит. Поэтому до закупки оборудования стоит провести пилот на арендованных ускорителях и сравнить совокупную стоимость с API; независимых замеров скорости и стоимости локальной работы пока нет.
Далее стоит отслеживать практические ограничения лицензии, поддержку оптимизированных форматов и независимые тесты на корпоративных задачах. Отдельно важны результаты проверки заявленных Z.ai показателей безопасности: приведенные в карточке модели оценки в основном получены самим вендором.
Что за модель: GLM-5.3
Z.ai выпустила GLM-5.3 2026-08-14 как развитие GLM-5.2 для программирования, длительных инженерных задач и анализа безопасности. Модель использует ту же базовую модель, а заявленные улучшения получены за счёт дополнительного обучения на практических задачах. Поддерживаются контекст до 1M токенов и три уровня глубины обработки: low, high и max. По данным вендора, результат Terminal Bench 3.0 вырос с 4,6 у GLM-5.2 до 28,3 у GLM-5.3, а DeepSWE v1.1 — с 46,2 до 66,9; независимых замеров пока нет. Показатель второго места в тесте художественных текстов не включён, поскольку официальный первоисточник его не подтверждает.
Что это значит для бизнеса
GLM-5.3 ориентирована на команды разработки, которым нужно поручать модели комплексные изменения в коде, проверку репозиториев и поиск уязвимостей. Модель уже доступна через сервисы Z.ai, однако отдельная цена API в USD за 1M токенов официально не опубликована. Веса обещаны через две недели после запуска, но на 2026-08-21 они ещё не выпущены, поэтому развернуть модель у себя пока нельзя. Риск для бизнеса связан с неподтверждёнными независимыми испытаниями и усиленными возможностями анализа уязвимостей; перед внедрением следует провести проверку на собственных задачах и ограничить доступ модели к рабочей инфраструктуре.
Хроника GLM-5.3
Z.ai открыла веса GLM-5.3 для локального развертывания
Z.ai опубликовала на Hugging Face веса GLM-5.3, включая сборку BF16. Модель насчитывает 753 млрд параметров и теперь доступна для развертывания у себя через Transformers, vLLM, SGLang и другие совместимые инструменты. Лицензия обозначена как glm-5.3; перед коммерческим использованием необходимо проверить ее ограничения.
Z.ai опубликовала веса GLM-5.3 на Hugging Face
2026-08-25 Z.ai разместила веса GLM-5.3 на Hugging Face, поэтому модель теперь можно развернуть у себя. Репозиторий содержит модель на 753 млрд параметров и использует отдельную лицензию GLM-5.3. Архитектура относится к классу MoE; число активных параметров не раскрыто. Опубликованные результаты тестов предоставлены вендором, независимых замеров пока нет.
Z.ai выпустила GLM-5.3 с контекстом до 1M токенов
GLM-5.3 стала доступна в сервисах Z.ai 2026-08-14. Обновление использует ту же базовую модель, что и GLM-5.2, но прошло дополнительное обучение для программирования, длительных инженерных задач и анализа безопасности. По данным вендора, результат DeepSWE v1.1 увеличился с 46,2 до 66,9, а CyberGym достиг 84,5; независимых замеров пока нет. Публикация весов запланирована через две недели после запуска.