趋近智
GLM-5.3
活跃参数
753.9B
上下文长度
1.05M
模态
Text
架构
Mixture of Experts (MoE)
许可证
other
发布日期
25 Aug 2026
训练数据截止日期
-
系统要求
不同量化方法和上下文大小的显存要求
1024 个令牌
消费级
99x RTX 4090
24GB VRAM
数据中心
25x NVIDIA A100
80GB VRAM
Apple Silicon
21x Apple M3 Max
128GB VRAM
1048576 个令牌
消费级
517x RTX 4090
24GB VRAM
数据中心
111x NVIDIA A100
80GB VRAM
Apple Silicon
120x Apple M3 Max
128GB VRAM
架构图
评估基准
排名
#40
| 基准 | 分数 | 排名 |
|---|---|---|
0.61 | 10 | |
Web 开发 max | 1609 | ⭐ 12 |
通用文本 max | 1482 | ⭐ 17 |
0.79 | 21 | |
0.76 | 23 | |
0.86 | 26 | |
LiveBench 平均分 | 0.76 | 27 |
Agent Arena max | 0.04 | 30 |
0.88 | 40 | |
0.70 | 41 |
排名
排名
#40
编程排名
#32
关于 GLM-5.3
GLM-5.3 是由智谱 AI / Z.ai 开发的大规模专家混合（MoE）语言模型，采用了动态稀疏注意力机制。它具备业界领先的多语言理解、复杂数学推理及编程能力。
技术规格
注意力
注意力结构
DeepSeek Sparse Attention
注意力头
64
键值头
64
注意力头维度
192
位置嵌入
ROPE
RoPE Theta
8,000,000
滑动窗口注意力
No
滑动窗口大小
-
滑动窗口比例
-
线性注意力
No
线性注意力比例
-
归一化
RMS Normalization
激活函数
SwigLU
维度
隐藏维度大小
6,144
层数
78
FFN 中间层大小（稠密层）
12,288
多 Token 预测头数
1
分词器
词汇量大小
154,880
混合专家
专家参数总数
51.6B
专家数量
256
活跃专家
8
共享专家数
1
FFN 中间层大小（每专家）
2,048
MoE 前的稠密层数
3
资源
关于 GLM Family
Z.ai 通用语言大模型