GLM-5.3 是開放權重嗎？我可以本地執行嗎？

Z.ai | 1,048,576 代幣上下文 | $0.08/M 輸入，$4.80/M 輸出。GLM-5.3 是 Z.ai 的大型推理模型，專為複雜軟體工程及長期代理任務打造。支持文本輸入與輸出，具備 1M 代幣上下文窗口，並在編碼及性能與代幣效率平衡方面優於 GLM-5.2。推理始終開啟且不可關閉。支持低、高及最大推理強度；預設為最大。

本模型的指南

2026年10月最佳本地大型語言模型（LLM）按使用情境分類：每個工作都適合的開放模型

Ollama vs LM Studio (2026)：該用哪個本地 AI 應用程式，以及各自支援的頂級模型

我到底需要多少 VRAM 才能在本地跑 AI？

什麼是 GGUF 檔案？量化模型解說（Q4、Q8、fp8、NF4）

全部指南

船長筆記

由 Captain 撰寫，內部編輯

2026-10-13 的筆記

GLM-5.3 是 Z.ai 的開放權重推理模型，專注於複雜軟體工程與長期代理任務，擁有一百萬代幣上下文視窗。相較 GLM-5.2，所有改進皆來自後訓練，最大提升在多步編碼與顯著的攻擊性安全領域。適合想要具備強大編碼與代理能力且能本地執行的開發者與研究者。

以...聞名

在 Terminal Bench 3.0 與 Agents' Last Exam 中為開放模型的 SOTA。
在 Z.ai 內部基準中，較 GLM-5.2 編碼能力提升約 50%。
在 CyberGym 漏洞發現與利用任務中領先開放權重模型。
一百萬代幣上下文視窗，適合長程式碼庫或文件密集代理流程。
推理始終啟用；提供三種努力等級（低、高、最大），預設為最大。

注意

推理無法關閉，意味著不需推理的任務代幣成本較高。
輸出價格為每百萬代幣 4.80 美元，長時間代理運行需預算充足。
製造商自行標示其新興的網路安全能力增長速度超預期，部署時請謹慎。

最適合

可嘗試的提示詞

除錯多檔案重構

我有一個 Python 服務分散在 main.py、db.py 與 models.py 三個檔案。將 ORM 層重構為使用非同步 SQLAlchemy 後，執行時出現 MissingGreenlet 錯誤。請逐步分析各檔案可能原因，解釋非同步會話生命週期問題，並示範 FastAPI 中依賴注入的正確模式。

規劃長期代理

設計一個自主代理的逐步執行計畫，需完成：克隆 GitHub 倉庫、識別所有 API 端點、為每個端點撰寫整合測試、在沙箱環境執行測試，並開啟包含測試覆蓋報告的拉取請求。列出代理所需工具、各步驟失敗模式及恢復方式。

追蹤安全漏洞

以下 Python Flask 路由接受檔名參數並從磁碟讀取檔案，請指出漏洞類型，解釋攻擊者如何利用，並在不破壞現有 API 合約的前提下，重寫函式以最小改動封堵漏洞。 @app.route('/download') def download(): name = request.args.get('file') return open(f'/var/data/{name}').read()

比較

GLM 5.3 FlashX
僅限 API 模型
1,048,576 代幣上下文 · $0.37/M 輸入，$1.25/M 輸出
GLM 5V Turbo
僅限 API 模型
202,752 代幣上下文 · $1.20/M 輸入，$4.00/M 輸出
GLM 5 Turbo
僅限 API 模型
202,752 代幣上下文 · $1.20/M 輸入，$4.00/M 輸出
GLM 5.3 Prime
僅限 API 模型
1,000,000 代幣上下文 · $2.80/M 輸入，$8.80/M 輸出

更多來自 z-ai 的文字模型

常見問題

GLM-5.3 是開放權重嗎？我可以本地執行嗎？: 是的，權重已發布於 Hugging Face，路徑為 zai-org/GLM-5.3，可下載並在自有硬體上執行。
GLM-5.3 的價格與上下文視窗是多少？: 透過 Z.ai API，輸入價格為每百萬代幣 0.08 美元，輸出價格為每百萬代幣 4.80 美元，上下文視窗為 1,048,576 代幣。
GLM-5.3 與 GLM-5.2 有何不同？: 兩者共享相同基底模型；GLM-5.3 的提升完全來自後訓練，最大改進在複雜編碼任務與攻擊性安全基準，分數超過 GLM-5.2 一倍以上。

船長評語
在困難編碼與代理任務上首選的開放權重模型，具備需謹慎部署的網路安全能力。

Hugging Face 上的模型卡

船長根據模型自身描述與模型卡撰寫這些筆記。價格與上下文大小為撰寫時提供者資料，可能會變動。

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: Gold · Hottest this month · #25 Hottest AI model · #10 Hottest Text / LLM model · #10 Hottest Text / LLM text model

Not this creator?

Get your own badge

GLM 5.3 熱度趨勢

熱度分數，自 18 Aug 2026 起

熱度分數

9,226°

本週

▲

61.9%

9,162° 當時，9,226° 現在

本月

▲

1,291%

8,880° 當時，9,226° 現在

過去一年

n/a

尚未發布/追蹤

7,000°

基準值

分數範圍是從 0° 到 9,999°。低於 7,000° 的部分是留給還沒被任何來源報告的模型，它們會有一個替代數字，讓列表保持完整。7,000° 是有測量數據開始的地方：有真實數據但幾乎沒下載的模型會在基準值，之後的度數才是測量結果。基準值本身不代表模型好壞，只有基準值以上的度數才會區分模型。

+1,852°

OpenRouter 代幣

此模型在過去30天內透過 OpenRouter 處理了 14,906,750,510,237 代幣，包含提示和回答。每 10,000,000 代幣算作一次下載，共 1,490,675 次；最後一天的代幣會加入採用率。來源：OpenRouter (openrouter.ai/rankings)。

+374°

採用率

大約每天 98,104 次下載，根據兩次來源讀取間的變化計算，不是用整個生命週期平均。速度佔下載項目的四分之一，能反映新熱潮，但不會讓一天的爆量超過多年累積。

顯示詳細分析

這個網站上的每個數字都可以查證。這個模型的熱度分數是 9,226°，這裡會一步步拆解它的組成，每加一項就會顯示目前的總分：基準值、每個來源增加的度數、模型類型的加分，以及權重年齡帶來的扣分。顏色對應上方圖表的區間。最後的詞彙表會解釋每個術語。

1
從基準值開始。
為什麼是 7,000° 而不是零：分數範圍是 0° 到 9,999°，低於 7,000° 的部分是留給還沒被任何來源報告的模型，它們有替代數字，讓列表完整且不會超過有數據的模型。7,000° 是有測量數據開始的地方。有真實數據但幾乎沒下載的模型會在這裡；之後的度數是測量結果，基準值以上有十個十倍下載的階段，每階段增加 300°。基準值對所有模型都一樣，不會決定排名；真正區分模型的是基準值以上的度數。
7,000°
累計總和
2
加入下載量。
總共 1,490,675 個下載等值，來自 OpenRouter 代幣。下載量增加十倍會增加相同的 300°，所以大小很重要，但不會主導分數。
+1,852°
8,852°
累計總和
3
加入採用率。
目前大約每天 98,104 次下載，根據兩次讀取間的差異計算，權重是下載量的四分之一。
+374°
9,226°
累計總和
=
熱度分數。
這個模型在本網站所有排行榜上的位置。沒有其他因素會調整它。
9,226°

詞彙表：這裡使用的術語

熱度分數: 一個數字，表示模型目前的使用和需求程度，範圍從 0° 到 9,999°。本網站所有標示「最熱門」的排行榜都是依此排序，沒有其他排序依據。
底線: 每個有實際數據的模型起始於 7,000°。分數範圍是 0° 到 9,999°；底線以下保留給沒有數據的模型，確保有數據的模型總是排名較前。底線對所有人相同，不影響排名；超過底線的度數才是評分依據。
下載等值: 分數中視為下載的所有項目加總：下載本身、每個種子節點算 1,000、每張 AI Horde 圖像和每次生成網站的執行算一。
對數刻度: 以十為單位計數，不是以一為單位：從 1,000 到 10,000 下載增加的度數，和從 10,000 到 100,000 增加的度數相同。這樣能防止巨頭壓過其他模型。
喜歡數: 來自各來源的讚和喜歡，每個在對數刻度上算半個下載量。
採用率: 模型目前每天的下載次數，根據兩次來源讀取的差異計算。權重是下載量的四分之一。
實測與估算: 實測表示有兩個來源的讀數，且差異是真實的。估算表示只知道今天的總數，過去的數據則分散在模型的整個生命週期；網站會說明顯示的是哪一種。
種子節點: 指在線上保留權重檔案供他人透過種子下載的人，或是提供相同服務的鏡像站。每一個種子節點算作1,000次下載。
AI Horde: 一個志願者網絡，利用捐贈的電腦免費生成圖片。它用某模型生成的圖片數量是公開的，每張圖片算作一次下載。
生成網站: 自己托管模型並讓人使用它生成圖片的網站，例如PixAI、SeaArt和Yodayo。它們的下載量和Civitai一樣，每次生成算一次下載。
OpenRouter 代幣: 透過 API 提供的文字模型，如 Claude 或 GPT，沒有權重可下載，因此使用量以代幣計算：過去30天內透過 OpenRouter（許多應用使用的閘道）讀取和生成的文字片段。每 10,000,000 代幣算作一次下載。來源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
完整模型（檢查點）: 權重本身，是能獨立生成的檔案。它會有額外加分，因為其他附加檔案都依賴它。
LoRA和嵌入: 小型附加檔案，用來引導別人的權重走向某種風格、角色或概念。它們無法獨立運行。
家族與權重: 模型所建立的基礎，例如SD 1.5、SDXL、Flux或Wan。每個模型都繼承其家族權重的發布日期。
年齡: 根據家族權重發布時間距今多久，扣除的度數：每年150°，最多750°。它會保留那些有多年累積下載的舊模型，防止它們從排行榜頂端消失。
家族加成: 針對本站目前推廣的某個家族的LoRA給予的小幅度限制加成，會在分解中顯示。
替代分數: 給尚無來源報告的模型一個穩定的最低分，讓列表保持完整。它永遠不會高於有數據的模型。
全新！(寬限期): 不到 7 天的新模型會顯示「全新！」而非分數，且不列入排名。分數從第一天開始計算，但一天大的模型成長最快，若不等待，週榜首將永遠是昨天剛出的模型，而非持續一週的。
趨勢: 模型在某段時間內的成長與典型模型同期成長的比較。比典型快表示上升，比典型慢表示下降。
典型模型: 目錄中的中間值：一半模型在該期間成長較快，一半較慢。