什么是 GLM-5.3 Flash Abliterated?
GLM-5.3 Flash Abliterated 是 GLM-5.3 Flash 的 abliterated 构建版本(通过编辑权重移除了拒答方向,无需重新训练)。GLM-5.3 Flash 是 Z.ai 发布的开放权重模型,采用 MIT 许可证。Z.ai 的 GLM-5.3-Flash 模型卡称它是 GLM-5 系列中首个原生多模态模型,总参数 320B,激活参数 18B。它是首个结合稀疏注意力与线性注意力的 GLM 模型,Z.ai 表示这大幅降低了提供长上下文服务的成本;它的预训练语料是一个 30T token 的多模态语料库。根据 Z.ai 的开发者文档,在 Z.ai 自己的 API 上,它的上下文窗口为 1M token,最多可输出 128K token。
这个构建版本是 orcarouter 的 abliterated FP8 版本,在 Hugging Face 上以 orcarouter/GLM-5.3-Flash-Uncensored-FP8 的名称发布,是一个采用 MIT 许可证的受限(gated)仓库。拒答方向已从其权重中移除,因此这一改动不需要系统提示词或越狱,并适用于每个请求。
AbliteratedLLM 以 FP8 精度提供该模型。原生 FP8(block-FP8,e4m3):Z.ai 发布 GLM-5.3 Flash 时采用的精度。无额外量化:从不压缩为 INT8、INT4 或 FP4。模型端点 GET /v1/models 会在 precision 字段中报告该格式。
abliteration 改变了什么,代价是什么?
abliteration 找出模型内部激活中拒答所依赖的方向,然后编辑权重,使任何一层都无法写入这个方向。该方法无需训练,其结果是一个与原模型架构相同的普通检查点,所以长上下文、工具调用和图像理解能力都来自 GLM-5.3 Flash 本身。我们的 abliteration 原理指南介绍了这一方法,以及它与无审查微调的区别。
该构建版本的发布者在一项基准测试上测量了代价:原版 GLM-5.3 Flash 的 MMLU (n=300) 为 83.3,abliterated 构建版本为 82.7,下降 0.6 分(发布者的模型卡)。这只是在部分问题样本上进行的单项测试,由发布者而非独立第三方完成;下文的基准测试分数针对的是原模型,而非这个构建版本。
GLM-5.3 Flash Abliterated 的规格是什么?
以下是我们目录中的实时数据,与 GET /v1/models 端点返回的数据相同。GLM-5.3 Flash Abliterated 模型页面还提供可用率和速度。
| 规格 | GLM-5.3 Flash Abliterated |
|---|---|
| 模型 ID | glm-5.3-flash-abliterated |
| 基础模型 | zai-org/GLM-5.3-Flash(MIT 许可证) |
| 参数 | 总计 320B,激活 18B |
| 上下文长度 | 1,048,576 个 token |
| 最大输出 | 每个请求 131,072 个 token,含推理(试用账户为 4,096 个) |
| 输入 | 文本和图像(JPEG、PNG、GIF、WebP);视频、音频和文件部分会被拒绝 |
| 推理 | 每个请求都会推理;可通过 reasoning_effort、thinking 或 reasoning.effort 设置强度 |
| 精度 | FP8 · 无额外量化 |
| 每百万 token 价格 | 输入 US$0.0977,缓存输入 US$0.0098,输出 US$0.3421 |
| 优先级档位 | 不支持 |
| 端点 | /v1/chat/completions、/v1/completions、/v1/messages、/v1/responses(无状态) |
| 运行于 | 由我们的基础设施服务商运营、采用零数据留存配置的专用 GPU |
它与原版 GLM-5.3 Flash 有何不同?
AbliteratedLLM 也以原版模型的形式提供 Z.ai 的原始权重:GLM-5.3 Flash。两者基于同一基础模型,对比如下:
| GLM-5.3 Flash Abliterated | GLM-5.3 Flash(原版) | |
|---|---|---|
| 权重 | orcarouter 的 abliterated 构建版本 | Z.ai 的原始权重 |
| 拒答 | 拒答方向已被编辑移除;偶尔仍会拒答 | Z.ai 自身的拒答 |
| 运行于 | 由我们的基础设施服务商运营、采用零数据留存配置的专用 GPU | 由我们的基础设施服务商运营、采用同样零数据留存配置的共享 GPU |
| 输入 | 文本 + 图像 | 文本、图像、视频 |
| 上下文 | 100万 token | 100万 token |
| 最大输出 | 131,072 个 token | 1,048,576 个 token |
| 优先级档位 | 不支持 | 支持,价格为标准价格的 125% |
| 每百万 token 输入 / 输出价格 | US$0.0977 / US$0.3421 | US$0.135 / US$0.45 |
原版模型是厂商的原始权重,不是 abliterated 模型:它们保留厂商自身的拒答。我们的安全检查只读取文本,因此发送给它们的图像和视频不会被筛查。两者都运行在同样的零数据留存配置下,详见隐私摘要。
GLM-5.3 Flash 的基准测试成绩如何?
以下分数针对原版 GLM-5.3 Flash,除另有注明外均由 Z.ai 公布。其中没有任何一项是在 abliterated 构建版本上测得的。
| 基准测试 | 分数 | 公布方 |
|---|---|---|
| Terminal-Bench 2.1 | 84.3 | Z.ai |
| DeepSWE v1.1 | 63.4 | Z.ai |
| HLE (with tools) | 55.3 | Z.ai |
| GPQA-Diamond | 92.17 | NVIDIA BF16 测试 |
Z.ai 模型卡上的图表显示,GLM-5.3 Flash 在图中列出的全部 6 项基准测试上都领先于 GLM-5.2,包括 DeepSWE v1.1 上的 63.4 对 46.2,以及 AutomationBench 上的 48.8 对 26.2。比较分数时要注意测试条件:Z.ai 的模型卡表示,要复现其结果,需保持默认的最高推理强度;而 NVIDIA 自己对 BF16 权重的测试在 Terminal-Bench 2.1 上得分 82.58,Z.ai 公布的则是 84.3。
GLM-5.3 Flash Abliterated 有哪些局限?
- 它仍可能拒答。abliteration 会降低模型拒答的频率,但不保证它永远不拒答。每天 00:05 UTC,状态页上的每日模型检测会向每个 abliterated 模型发送 5 条无害提示词(这类提示词常被经过过滤的模型拒绝),并统计包含拒答用语(例如“I can't”)的回答数量。最近一次检测于 2026-11-20 进行,在 5 个回答中统计到 0 次拒答。
- 所有模型都会拦截两类内容。一项在内存中运行的自动检查会在每个提示词到达模型之前扫描其文本,并在每次输出完成后扫描其结尾部分。它会拒绝儿童性虐待材料,以及关于可造成大规模伤亡的武器的清晰、可操作的指导,被拦截的请求返回
400 content_policy_violation。本服务仅限 18 岁及以上的成年人使用;可接受使用政策载有完整规则。 - 它总是会推理。Z.ai 的文档表示,GLM-5.3 Flash 的思考无法关闭。推理 token 就是输出 token:它们计入输出预算(Chat Completions 和 Responses 上默认为 16,384 个 token),并按输出价格计费。需要长回答时,调高
max_tokens,否则回复可能在模型仍在推理时就耗尽预算。 - 支持图像,不支持视频。它可以读取以 base64 或 URL 形式发送的 JPEG、PNG、GIF 和 WebP 图像。每个请求中 base64 图像的总大小必须小于 10 MB,通过 URL 提供的图像必须小于 5 MB 且能在约 1.5 秒内下载完成,一个请求最多可包含 120 张图像。视频部分会失败并返回
400 unsupported_content,尽管 Z.ai 自己的 API 接受视频。安全检查不会筛查媒体内容。详见 Chat Completions 中的图像和视频。 - 试用账户限制更多。首次充值之前,每个请求的输出上限为 4,096 个 token(含推理),且一次只能运行一个请求。参见速率限制和试用。
- 没有优先级档位。在此模型上,
service_tier: "priority"会失败并返回400 invalid_request。
如何调用 GLM-5.3 Flash Abliterated?
任何 OpenAI 或 Anthropic 客户端都可以使用。将 OpenAI 客户端指向 https://api.abliteratedllm.dev/v1,将 Anthropic 客户端和 Claude Code 指向 https://api.abliteratedllm.dev,使用你的 API 密钥,并将模型设为 glm-5.3-flash-abliterated:
curl https://api.abliteratedllm.dev/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "glm-5.3-flash-abliterated",
"stream": true,
"messages": [{"role": "user", "content": "Write the opening line of a noir detective story."}]
}'要设置推理量,在 Chat Completions 上发送 reasoning_effort("low"、"medium" 或 "high"),或在 Responses 上发送 reasoning.effort。在 Messages 上,thinking 预算为 1,024 至 4,999 个 token 时按低强度运行,5,000 至 9,999 为中强度,10,000 及以上为高强度。推理内容在 Chat Completions 上通过 reasoning_content 返回,在 Messages 上以 thinking 块返回。
分步配置指南涵盖 Claude Code、Codex、Cursor、OpenCode、Pi、Cline、Open WebUI、SillyTavern、Janitor AI、RisuAI、garak、PyRIT、promptfoo、DeepTeam、Strix、OpenAI SDK 和 Anthropic SDK。角色扮演前端可参阅《SillyTavern 无审查 API:配置指南》和《Janitor AI 无审查 API:配置指南》。
关于 GLM-5.3 Flash Abliterated 的常见问题
GLM-5.3 Flash Abliterated 和 GLM-5.3 Flash Uncensored 是同一个模型吗?
不一定。“无审查”是一个宽泛的标签,泛指任何拒答较少的构建版本(例如微调版本),而“abliterated”指的是一种具体方法:从权重中编辑移除拒答方向。本指南介绍的构建版本在 Hugging Face 上以 GLM-5.3-Flash-Uncensored-FP8 的名称发布,并带有 abliterated 标签。其他服务商的无审查 GLM-5.3 Flash 模型可能是不同的构建版本。
GLM-5.3 Flash Abliterated 每 token 多少钱?
为什么 GLM-5.3 Flash Abliterated 在回答之前会消耗输出 token?
它是一个推理模型:会先思考再回答,而 Z.ai 的文档表示思考无法关闭。推理内容在 Chat Completions 中通过 reasoning_content 返回,在 Messages 中以 thinking 块返回。推理 token 计入你的输出预算并按输出价格计费,推理强度越低,消耗的推理 token 越少。
GLM-5.3 Flash Abliterated 能读取图像吗?
能。在 Chat Completions 中发送 image_url 部分,在 Messages 中发送 image 块,或在 Responses 中发送 input_image 部分,以 base64 或 URL 形式均可;支持 JPEG、PNG、GIF 和 WebP。此模型不接受视频,尽管 Z.ai 自己的 API 支持视频。我们的安全检查只读取文本,因此不会筛查图像。
可以在自己的硬件上运行 GLM-5.3 Flash Abliterated 吗?
可以,前提是硬件足够。权重以 orcarouter/GLM-5.3-Flash-Uncensored-FP8 的名称发布在 Hugging Face 上,是一个需申请访问的受限(gated)仓库。FP8 每个参数占 1 字节,因此 320B 参数在计入任何上下文缓存之前就超过 300 GB,需要一台多 GPU 服务器。Z.ai 的模型卡列出了适用于 GLM-5.3 Flash 的框架,其中包括 SGLang、vLLM、Transformers 和 KTransformers;该构建版本保留了 GLM-5.3 Flash 的架构。
abliteration 会关闭安全检查吗?
不会。abliteration 改变的是模型自身拒答的频率,而不是模型之外的服务。一项在内存中运行的自动检查仍会在所有模型上拦截儿童性虐待材料,以及关于可造成大规模伤亡的武器的清晰、可操作的指导,并返回 400 content_policy_violation。该检查只读取文本。账户仅限成年人:你必须年满 18 岁,并达到你所在地的法定成年年龄。