Z.ai опубликовала веса GLM-5.3 для развертывания у себя
2026-08-25 Z.ai опубликовала веса GLM-5.3 в официальном репозитории на Hugging Face. Размер модели составляет 753 млрд параметров; файлы представлены в форматах, совместимых с Transformers и распространенными средствами запуска моделей. GLM-5.3 построена по архитектуре MoE, однако число параметров, задействованных при обработке одного запроса, вендор не указал.
По заявлению Z.ai, GLM-5.3 использует ту же базовую модель, что и GLM-5.2, а улучшения получены на этапе дополнительного обучения. Вендор сообщает о росте результата внутреннего теста для программирования на 50% и приводит оценки 28,3 в Terminal Bench 3.0, 66,9 в DeepSWE и 84,5 в CyberGym. Это собственные данные Z.ai; независимых замеров пока нет. Веса распространяются по отдельной лицензии GLM-5.3, условия которой бизнесу следует проверить до коммерческого внедрения.
Публикация выгодна компаниям, которым нужен контроль над данными и возможность развернуть модель в собственной инфраструктуре для разработки программного обеспечения, автоматизации и задач информационной безопасности. Цена доступа через API и стоимость оборудования в источнике не приведены, поэтому надежно пересчитать расходы в рубли пока нельзя. Риск — очень крупный размер модели: до закупки инфраструктуры стоит провести пилот на реальной нагрузке и оценить требования к памяти, скорость работы и полную стоимость эксплуатации.
Далее важно проверить число активных параметров, фактические требования к оборудованию и ограничения лицензии. «Кибер-Радар» также будет отслеживать независимые тесты GLM-5.3 и публикацию официальных тарифов API.
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.