ガイド

GLM-5.3 Flash Abliterated:仕様と設定方法

GLM-5.3 Flash Abliteratedは、Z.aiのオープンウェイト推論モデルGLM-5.3 Flash(総パラメーター数320B、アクティブパラメーター数18B)の重みから拒否方向を編集で取り除いたもので、元のモデルなら拒否する多くのリクエストに回答します。AbliteratedLLMはglm-5.3-flash-abliteratedとして、OpenAI互換・Anthropic互換のAPIで提供しています。ただし、まれに拒否する場合はあります。

公開: · 最終更新:

GLM-5.3 Flash Abliteratedとは

GLM-5.3 Flash Abliteratedは、Z.aiがMITライセンスで公開したオープンウェイトモデルGLM-5.3 Flashのabliteratedビルド(重みを編集して拒否方向を取り除いたもの。再学習は行いません)です。Z.aiのGLM-5.3-Flashのモデルカードでは、GLM-5シリーズ初のネイティブマルチモーダルモデルとされており、総パラメーター数は320B、アクティブパラメーター数は18Bです。スパースアテンションとリニアアテンションを組み合わせた初のGLMモデルで、Z.aiによると長いコンテキストを提供するコストを大幅に削減でき、30Tトークンのマルチモーダルコーパスで事前学習されています。Z.aiの開発者向けドキュメントによると、Z.ai自身のAPIでは、コンテキストウィンドウは1Mトークン、出力は最大128Kトークンです。

このビルドはorcarouterによるabliteratedのFP8版で、Hugging Faceでorcarouter/GLM-5.3-Flash-Uncensored-FP8として公開されています。MITライセンスのゲート付きリポジトリです。拒否方向が重みから取り除かれているため、システムプロンプトもジェイルブレイクも必要なく、変更はすべてのリクエストに適用されます。

AbliteratedLLMはこのモデルをFP8で提供しています。ネイティブFP8(block-FP8、e4m3):Z.aiがGLM-5.3 Flashを公開している精度です。追加の量子化なし:INT8、INT4、FP4に圧縮することはありません。モデルエンドポイント(GET /v1/models)は、precisionフィールドでこの形式を返します。

abliterationで変わったことと、その代償

abliterationは、モデルの内部の活性化の中から回答拒否が依存する方向を見つけ、どの層もその方向に書き込めないように重みを編集します。学習の実行は不要で、結果は元のモデルと同じアーキテクチャを持つ通常のチェックポイントです。そのため、長いコンテキスト、ツール呼び出し、画像理解は、GLM-5.3 Flash自体の能力によるものです。当社のabliterationの仕組みに関するガイドでは、この手法と、無検閲ファインチューニングとの違いを解説しています。

ビルドの公開者は、1つのベンチマークでその代償を計測しています。MMLU (n=300)のスコアは、元のGLM-5.3 Flashが83.3、abliteratedビルドが82.7で、0.6ポイントの低下でした(公開者のモデルカード)。これは質問のサンプルに対する1回のテストで、独立した第三者ではなく公開者自身が実行したものです。また、後述のベンチマークスコアは元のモデルのもので、このビルドのものではありません。

GLM-5.3 Flash Abliteratedの仕様

以下は当社のカタログの最新の値で、GET /v1/modelsエンドポイントが返すものと同じデータです。GLM-5.3 Flash Abliteratedのモデルページには、稼働率と速度も掲載しています。

仕様GLM-5.3 Flash Abliterated
モデルIDglm-5.3-flash-abliterated
ベースモデルzai-org/GLM-5.3-Flash(MITライセンス)
パラメーター数総数320B、アクティブ18B
コンテキスト長1,048,576トークン
最大出力リクエストあたり131,072トークン(推論を含む。トライアルアカウントでは4,096)
入力テキストと画像(JPEG、PNG、GIF、WebP)。動画、音声、ファイルのパートは拒否されます
推論すべてのリクエストで実行。強度はreasoning_effort、thinking、reasoning.effortで設定
精度FP8 · 追加の量子化なし
100万トークンあたりの価格入力$0.0977、キャッシュ入力$0.0098、出力$0.3421
優先ティアなし
エンドポイント/v1/chat/completions、/v1/completions、/v1/messages、/v1/responses(ステートレス)
実行環境当社のインフラプロバイダーがゼロデータ保持(ZDR)の構成で運用する専用GPU

オリジナルのGLM-5.3 Flashとの違い

AbliteratedLLMは、Z.aiの元の重みも、オリジナルモデルGLM-5.3 Flashとして提供しています。どちらも同じベースモデルから始まっており、違いは次のとおりです。

GLM-5.3 Flash AbliteratedGLM-5.3 Flash(オリジナル)
重みorcarouterのabliteratedビルドZ.aiの元の重み
回答拒否拒否方向を編集で除去。まれに拒否する場合ありZ.ai独自の回答拒否
実行環境当社のインフラプロバイダーがゼロデータ保持(ZDR)の構成で運用する専用GPU当社のインフラプロバイダーが同じゼロデータ保持の構成で運用する共有GPU
入力テキスト+画像テキスト、画像、動画
コンテキスト100万トークン100万トークン
最大出力131,072トークン1,048,576トークン
優先ティアなしあり(標準価格の125%)
入力 / 出力(100万トークンあたり)$0.0977 / $0.3421$0.135 / $0.45

オリジナルモデルは、ベンダーが公開した元の重みそのもので、abliteratedモデルではありません。ベンダー独自の回答拒否はそのまま残ります。当社の安全性チェックはテキストのみを読み取るため、これらのモデルに送信された画像や動画は審査されません。どちらも同じゼロデータ保持の構成で運用されており、その内容はプライバシーの概要に記載しています。

GLM-5.3 Flashのベンチマークスコア

以下のスコアは元のGLM-5.3 Flashのもので、特記のない限りZ.aiによる報告値です。abliteratedビルドで計測したものは1つもありません。

ベンチマークスコア報告元
Terminal-Bench 2.184.3Z.ai
DeepSWE v1.163.4Z.ai
HLE (with tools)55.3Z.ai
GPQA-Diamond92.17NVIDIAによるBF16での計測

モデルカードにあるZ.aiのグラフでは、GLM-5.3 Flashは掲載された6つのベンチマークすべてでGLM-5.2を上回っており、DeepSWE v1.1では63.4対46.2、AutomationBenchでは48.8対26.2です。スコアを比較するときは条件が重要です。Z.aiのモデルカードには、結果を再現するには推論強度をデフォルトの最大のままにするよう記載されています。また、BF16の重みを使ったNVIDIA自身の計測では、Terminal-Bench 2.1のスコアは、Z.aiの84.3に対して82.58でした。

GLM-5.3 Flash Abliteratedの制限

  • 回答を拒否する場合はあります。abliterationはモデルが回答を拒否する頻度を下げますが、まったく拒否しなくなることは保証しません。毎日00:05(UTC)に、ステータスページの毎日のモデルチェックが、フィルター付きのモデルがよく拒否する無害なプロンプト5件を各abliteratedモデルに送り、「I can't」のような回答拒否のフレーズを含む回答の数を数えます。2026-11-20の最新のチェックでは、5件の回答のうち回答拒否は0件でした。
  • すべてのモデルで2種類のコンテンツがブロックされます。メモリ上の自動チェックが、各プロンプトのテキストをモデルに届く前に、各出力の末尾を出力完了後にスキャンします。児童性的虐待コンテンツと、大量の死傷者を生じさせる兵器に関する明確で実行可能な手順を拒否し、ブロックされたリクエストは400 content_policy_violationを返します。このサービスは18歳以上の成人限定です。すべてのルールは利用ポリシーに記載しています。
  • 常に推論します。Z.aiのドキュメントによると、GLM-5.3 Flashの思考は無効にできません。推論トークンは出力トークンです。出力の上限(Chat CompletionsとResponsesではデフォルトで16,384トークン)にカウントされ、出力価格で課金されます。長い回答が必要な場合はmax_tokensを引き上げてください。そうしないと、モデルが推論している途中で上限に達することがあります。
  • 画像は対応、動画は非対応。JPEG、PNG、GIF、WebPの画像を、base64またはURLで受け付けます。base64の画像はリクエストあたり合計10 MB未満、URLで指定する画像は5 MB未満で約1.5秒以内にダウンロードできる必要があり、1つのリクエストに最大120枚の画像を含められます。動画のパートは400 unsupported_contentで失敗します(Z.ai自身のAPIは動画に対応しています)。安全性チェックはメディアを審査しません。詳細はChat Completionsでの画像と動画を参照してください。
  • トライアルアカウントには制限があります。初回のチャージまでは、出力はリクエストあたり推論を含めて4,096トークンが上限で、同時に実行できるリクエストは1件です。レート制限とトライアルを参照してください。
  • 優先ティアなし。このモデルでは、service_tier: "priority"は400 invalid_requestで失敗します。

GLM-5.3 Flash Abliteratedの呼び出し方

OpenAIやAnthropicのクライアントであれば、どれでも使えます。OpenAIクライアントはhttps://api.abliteratedllm.dev/v1に、AnthropicクライアントとClaude Codeはhttps://api.abliteratedllm.devに向け、APIキーを使って、モデルにglm-5.3-flash-abliteratedを指定してください。

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."}]
  }'

推論の量を設定するには、Chat Completionsではreasoning_effort("low"、"medium"、"high")を、Responsesではreasoning.effortを送信してください。Messagesでは、thinkingのバジェットが1,024~4,999トークンならlow、5,000~9,999ならmedium、10,000以上ならhighの強度で実行されます。推論の内容は、Chat Completionsではreasoning_contentに、Messagesではthinkingブロックとして返されます。

手順を追った設定ガイドは、Claude Code、Codex、Cursor、OpenCode、Pi、Cline、Open WebUI、SillyTavern、Janitor AI、RisuAI、garak、PyRIT、promptfoo、DeepTeam、Strix、OpenAI SDK、Anthropic SDK向けに用意しています。ロールプレイのフロントエンドについては、「SillyTavern向け無検閲API:設定ガイド」と「Janitor AI向け無検閲API:設定ガイド」を参照してください。

GLM-5.3 Flash Abliteratedに関するよくある質問

GLM-5.3 Flash AbliteratedとGLM-5.3 Flash Uncensoredは同じものですか?

同じとは限りません。「無検閲(uncensored)」は、ファインチューニングしたものなど、回答拒否が少ないビルド全般を指す緩い呼び名です。一方、「abliterated」は1つの手法を指し、重みから拒否方向を編集で取り除くことを意味します。このガイドで扱うビルドは、Hugging FaceでGLM-5.3-Flash-Uncensored-FP8として公開され、abliteratedのタグが付いています。ほかのプロバイダーの無検閲GLM-5.3 Flashモデルは、別のビルドである可能性があります。

GLM-5.3 Flash Abliteratedのトークン単価はいくらですか?

AbliteratedLLMの料金は、100万トークンあたり入力$0.0977、キャッシュ入力$0.0098、出力$0.3421で、推論トークンは出力として課金されます。支払いは前払いのクレジットから行います。条件を満たすネットワークの新規アカウントは、試用のために$0.50分の無料クレジットを受け取れます。料金ページには、ほかのプロバイダーとの日付を明記した比較があります。

価格比較課金条件

GLM-5.3 Flash Abliteratedが回答の前に出力トークンを消費するのはなぜですか?

推論モデルだからです。回答する前に思考し、Z.aiのドキュメントによると、この思考は無効にできません。推論の内容は、Chat Completionsではreasoning_contentに、Messagesではthinkingブロックとして返されます。推論トークンは出力の上限にカウントされ、出力価格で課金されます。推論の強度を下げると、消費する推論トークンが減ります。

Chat Completionsでの推論

GLM-5.3 Flash Abliteratedは画像を読み取れますか?

はい。Chat Completionsではimage_urlパート、Messagesではimageブロック、Responsesではinput_imageパートとして、base64またはURLで送信してください。JPEG、PNG、GIF、WebPに対応しています。このモデルでは動画は受け付けません(Z.ai自身のAPIは動画に対応しています)。当社の安全性チェックはテキストのみを読み取るため、画像は審査されません。

Chat Completionsでの画像

GLM-5.3 Flash Abliteratedを自分のハードウェアで実行できますか?

十分なハードウェアがあれば可能です。重みは、Hugging Faceのゲート付きリポジトリorcarouter/GLM-5.3-Flash-Uncensored-FP8で公開されています。FP8は1パラメーターあたり1バイトで保存するため、320Bパラメーターではコンテキストキャッシュを除いても300 GBを超え、マルチGPUサーバーが必要です。Z.aiのモデルカードには、GLM-5.3 Flash向けのフレームワークとしてSGLang、vLLM、Transformers、KTransformersが挙げられており、このビルドはそのアーキテクチャをそのまま引き継いでいます。

abliterationで安全性チェックは無効になりますか?

いいえ。abliterationが変えるのはモデル自体が回答を拒否する頻度で、それを取り巻くサービスではありません。すべてのモデルで、メモリ上の自動チェックが引き続き、児童性的虐待コンテンツと、大量の死傷者を生じさせる兵器に関する明確で実行可能な手順をブロックし、400 content_policy_violationを返します。このチェックが読み取るのはテキストのみです。アカウントは成人向けで、18歳以上かつお住まいの地域の法律で成年に達している必要があります。

利用ポリシー

出典