가이드

GLM-5.3 Flash Abliterated: 사양과 설정

GLM-5.3 Flash Abliterated는 Z.ai의 오픈 웨이트 추론 모델 GLM-5.3 Flash(총 320B, 활성 18B 파라미터)의 가중치에서 거부 방향을 편집으로 제거한 모델로, 원본이라면 거부했을 많은 요청에 답변합니다. AbliteratedLLM에서는 OpenAI 및 Anthropic 호환 API를 통해 glm-5.3-flash-abliterated 모델로 제공하며, 여전히 가끔 답변을 거부할 수 있습니다.

게시일 · 최종 업데이트

GLM-5.3 Flash Abliterated란 무엇인가요?

GLM-5.3 Flash Abliterated는 Z.ai가 MIT 라이선스로 공개한 오픈 웨이트 모델 GLM-5.3 Flash의 abliterated 빌드(가중치를 편집해 거부 방향을 제거한 빌드, 재학습 없음)입니다. Z.ai의 GLM-5.3-Flash 모델 카드는 이 모델을 GLM-5 시리즈 최초의 네이티브 멀티모달 모델로 소개하며, 총 파라미터는 320B, 활성 파라미터는 18B입니다. 희소 어텐션과 선형 어텐션을 결합한 최초의 GLM 모델로, Z.ai는 이 구조가 긴 컨텍스트의 서빙 비용을 크게 줄인다고 설명합니다. 사전 학습에는 30T 토큰 규모의 멀티모달 코퍼스가 사용되었습니다. Z.ai의 개발자 문서에 따르면 Z.ai 자체 API에서는 100만 토큰 컨텍스트 윈도우와 최대 128K 출력 토큰을 지원합니다.

이 빌드는 orcarouter가 만든 abliterated FP8 버전으로, Hugging Face에 orcarouter/GLM-5.3-Flash-Uncensored-FP8이라는 이름의 접근 승인이 필요한(gated) MIT 라이선스 저장소로 공개되어 있습니다. 가중치에서 거부 방향이 제거되었으므로, 시스템 프롬프트나 탈옥 없이도 모든 요청에 변경 사항이 적용됩니다.

AbliteratedLLM에서는 이 모델을 FP8 형식으로 서빙합니다. 네이티브 FP8(block-FP8, e4m3): Z.ai가 GLM-5.3 Flash를 공개한 정밀도입니다. 추가 양자화 없음: INT8, INT4, FP4로 압축하지 않습니다. 모델 엔드포인트인 GET /v1/models의 precision 필드에서 이 형식을 확인할 수 있습니다.

abliteration으로 무엇이 바뀌었고, 그 대가는 무엇인가요?

abliteration은 모델의 답변 거부가 의존하는 내부 활성화 방향을 찾은 다음, 어떤 레이어도 그 방향으로 값을 기록하지 못하도록 가중치를 편집합니다. 이 방법은 학습 실행이 필요 없고 결과물은 원본과 아키텍처가 같은 평범한 체크포인트이므로, 긴 컨텍스트, 도구 호출, 이미지 이해 능력은 GLM-5.3 Flash 자체에서 나옵니다. 당사의 abliteration의 작동 방식에 관한 가이드에서 이 방법과 무검열 파인튜닝과의 차이를 다룹니다.

빌드 배포자는 벤치마크 하나로 그 대가를 측정했습니다. MMLU (n=300) 점수는 원본 GLM-5.3 Flash가 83.3, abliterated 빌드가 82.7이며, 0.6포인트 하락했습니다(배포자의 모델 카드). 이는 질문 샘플을 대상으로 독립 기관이 아닌 배포자가 실행한 단일 테스트이며, 아래에 나오는 벤치마크 점수는 이 빌드가 아니라 원본 모델의 점수입니다.

GLM-5.3 Flash Abliterated의 사양은 어떻게 되나요?

다음은 당사 카탈로그의 실시간 값으로, GET /v1/models 엔드포인트가 반환하는 데이터와 같습니다. GLM-5.3 Flash Abliterated 모델 페이지에서는 가동률과 생성 속도도 확인할 수 있습니다.

사양GLM-5.3 Flash Abliterated
모델 IDglm-5.3-flash-abliterated
기반 모델zai-org/GLM-5.3-Flash(MIT 라이선스)
파라미터총 320B, 활성 18B
컨텍스트 길이1,048,576 토큰
최대 출력요청당 131,072 토큰, 추론 포함(체험 계정은 4,096 토큰)
입력텍스트와 이미지(JPEG, PNG, GIF, WebP). 동영상, 오디오, 파일 파트는 거부됨
추론모든 요청에서 실행되며, 강도는 reasoning_effort, thinking 또는 reasoning.effort로 설정
정밀도FP8 · 추가 양자화 없음
100만 토큰당 가격입력 US$0.0977, 캐시 입력 US$0.0098, 출력 US$0.3421
우선 처리 등급아니요
엔드포인트/v1/chat/completions, /v1/completions, /v1/messages, /v1/responses(상태 비저장)
실행 위치인프라 제공업체가 데이터 무보존(ZDR) 구성으로 운영하는 전용 GPU

원본 GLM-5.3 Flash와는 무엇이 다른가요?

AbliteratedLLM에서는 Z.ai의 원본 가중치도 원본 모델로 제공합니다(GLM-5.3 Flash). 두 모델은 같은 기반 모델에서 출발하며, 다음과 같이 비교됩니다.

GLM-5.3 Flash AbliteratedGLM-5.3 Flash(원본)
가중치orcarouter의 abliterated 빌드Z.ai의 원본 가중치
답변 거부거부 방향을 편집으로 제거. 여전히 가끔 거부할 수 있음Z.ai 자체의 답변 거부 유지
실행 위치인프라 제공업체가 데이터 무보존(ZDR) 구성으로 운영하는 전용 GPU인프라 제공업체가 동일한 데이터 무보존(ZDR) 구성으로 운영하는 공유 GPU
입력텍스트 + 이미지텍스트, 이미지, 동영상
컨텍스트100만 토큰100만 토큰
최대 출력131,072 토큰1,048,576 토큰
우선 처리 등급아니요예, 표준 가격의 125%
100만 토큰당 입력 / 출력US$0.0977 / US$0.3421US$0.135 / US$0.45

원본 모델은 abliterated 모델이 아닌 개발사의 원본 가중치이므로 개발사 자체의 답변 거부가 그대로 남아 있습니다. 당사 안전 검사는 텍스트만 읽으므로 원본 모델에 보낸 이미지와 동영상은 검사하지 않습니다. 두 모델 모두 같은 데이터 무보존 구성으로 실행되며, 자세한 내용은 개인정보 보호 요약에 나와 있습니다.

GLM-5.3 Flash의 벤치마크 점수는 어떤가요?

다음은 원본 GLM-5.3 Flash의 점수이며, 별도 표기가 없으면 Z.ai가 발표한 수치입니다. abliterated 빌드에서 측정한 점수는 하나도 없습니다.

벤치마크점수발표 주체
Terminal-Bench 2.184.3Z.ai
DeepSWE v1.163.4Z.ai
HLE (with tools)55.3Z.ai
GPQA-Diamond92.17NVIDIA BF16 측정

모델 카드에 실린 Z.ai의 차트에서 GLM-5.3 Flash는 차트에 표시된 6개 벤치마크 모두에서 GLM-5.2를 앞서며, DeepSWE v1.1에서는 63.4 대 46.2, AutomationBench에서는 48.8 대 26.2를 기록했습니다. 점수를 비교할 때는 측정 조건이 중요합니다. Z.ai의 모델 카드는 결과를 재현하려면 기본값인 최대 추론 강도를 유지하라고 안내하며, BF16 가중치로 진행한 NVIDIA 자체 측정에서는 Terminal-Bench 2.1에서 82.58을 기록했습니다. Z.ai가 발표한 점수는 84.3입니다.

GLM-5.3 Flash Abliterated의 한계는 무엇인가요?

  • 여전히 답변을 거부할 수 있습니다. abliteration은 모델이 답변을 거부하는 빈도를 낮출 뿐, 절대 거부하지 않는다고 보장하지는 않습니다. 매일 UTC 기준 00:05에 상태 페이지의 일일 모델 점검이 각 abliterated 모델에 필터링된 모델이 자주 거부하는 무해한 프롬프트 5개를 보내고, “I can't” 같은 거부 문구가 포함된 답변 수를 셉니다. 가장 최근 점검(2026-11-20)에서는 답변 5개 중 거부 0건이 집계되었습니다.
  • 두 종류의 콘텐츠는 모든 모델에서 차단됩니다. 메모리 내 자동 검사가 모든 프롬프트의 텍스트는 모델에 도달하기 전에, 모든 출력의 끝부분은 완료된 후에 검사합니다. 이 검사는 아동 성착취물, 그리고 대량 인명 피해를 일으킬 수 있는 무기에 대한 명확하고 실행 가능한 지침을 거부하며, 차단된 요청은 400 content_policy_violation 오류를 반환합니다. 이 서비스는 18세 이상 성인 전용이며, 전체 규칙은 이용 정책에 나와 있습니다.
  • 항상 추론합니다. Z.ai의 문서에 따르면 GLM-5.3 Flash의 사고 과정은 끌 수 없습니다. 추론 토큰은 출력 토큰입니다. 출력 한도(Chat Completions와 Responses에서 기본값 16,384 토큰)에 포함되며 출력 가격으로 과금됩니다. 긴 답변이 필요하면 max_tokens를 늘리세요. 그렇지 않으면 모델이 아직 추론하는 도중에 한도가 소진될 수 있습니다.
  • 이미지는 지원하고 동영상은 지원하지 않습니다. base64 또는 URL로 보낸 JPEG, PNG, GIF, WebP 이미지를 읽습니다. base64 이미지는 요청당 합계 10MB 미만이어야 하고, URL로 지정한 이미지는 5MB 미만이면서 약 1.5초 안에 다운로드되어야 하며, 요청 하나에 이미지를 최대 120개까지 넣을 수 있습니다. Z.ai 자체 API는 동영상을 받지만, 이 모델에서는 동영상 파트가 400 unsupported_content 오류로 실패합니다. 안전 검사는 미디어를 검사하지 않습니다. 자세한 내용은 Chat Completions의 이미지 및 동영상 항목에 있습니다.
  • 체험 계정은 제한이 더 많습니다. 첫 충전 전까지는 요청당 출력이 추론을 포함해 4,096 토큰으로 제한되며, 한 번에 요청 1건만 실행됩니다. 속도 제한과 체험을 참고하세요.
  • 우선 처리 등급이 없습니다. 이 모델에서 service_tier: "priority"를 보내면 400 invalid_request 오류로 실패합니다.

GLM-5.3 Flash Abliterated는 어떻게 호출하나요?

OpenAI 또는 Anthropic 클라이언트라면 어느 것이든 사용할 수 있습니다. OpenAI 클라이언트는 https://api.abliteratedllm.dev/v1 주소를, Anthropic 클라이언트와 Claude Code는 https://api.abliteratedllm.dev 주소를 기본 URL로 지정하고, API 키를 사용하고, 모델은 glm-5.3-flash-abliterated 값으로 설정하세요.

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."}]
  }'

추론 강도를 설정하려면 Chat Completions에서는 reasoning_effort("low", "medium" 또는 "high")를, Responses에서는 reasoning.effort를 보내세요. Messages에서는 thinking 예산이 1,024~4,999 토큰이면 낮은 강도, 5,000~9,999 토큰이면 중간 강도, 10,000 토큰 이상이면 높은 강도로 실행됩니다. 추론 내용은 Chat Completions에서는 reasoning_content로, Messages에서는 thinking 블록으로 반환됩니다.

Claude Code, Codex, Cursor, OpenCode, Pi, Cline, Open WebUI, SillyTavern, Janitor AI, RisuAI, garak, PyRIT, promptfoo, DeepTeam, Strix, OpenAI SDK 및 Anthropic SDK의 단계별 설정 가이드가 있습니다. 롤플레이 프런트엔드를 쓴다면 SillyTavern용 무검열 API: 설정 가이드 및 Janitor AI용 무검열 API: 설정 가이드도 참고하세요.

GLM-5.3 Flash Abliterated에 관해 자주 묻는 질문

GLM-5.3 Flash Abliterated와 GLM-5.3 Flash Uncensored는 같은 모델인가요?

꼭 그렇지는 않습니다. “무검열(Uncensored)”은 파인튜닝 모델처럼 답변 거부가 적은 모든 빌드에 붙는 느슨한 표현이고, “abliterated”는 가중치에서 거부 방향을 편집으로 제거하는 한 가지 방법을 가리킵니다. 이 가이드에서 다루는 빌드는 GLM-5.3-Flash-Uncensored-FP8이라는 이름으로 공개되어 있으며, Hugging Face에서 abliterated 태그가 붙어 있습니다. 다른 제공업체의 무검열 GLM-5.3 Flash 모델은 다른 빌드일 수 있습니다.

GLM-5.3 Flash Abliterated의 토큰당 가격은 얼마인가요?

AbliteratedLLM의 요금은 입력 토큰 100만 개당 US$0.0977, 캐시 입력 토큰 100만 개당 US$0.0098, 출력 토큰 100만 개당 US$0.3421이며, 추론 토큰은 출력으로 과금됩니다. 요금은 선불 크레딧에서 차감되며, 조건을 충족하는 네트워크의 새 계정은 US$0.50 상당의 무료 크레딧을 받아 사용해 볼 수 있습니다. 요금 페이지에서 다른 제공업체와 비교한 기준일 명시 가격 비교를 볼 수 있습니다.

가격 비교과금 기준

GLM-5.3 Flash Abliterated가 답변하기 전에 출력 토큰을 쓰는 이유는 무엇인가요?

추론 모델이기 때문입니다. 답변하기 전에 먼저 생각하며, Z.ai의 문서에 따르면 이 사고 과정은 끌 수 없습니다. 추론 내용은 Chat Completions에서는 reasoning_content로, Messages에서는 thinking 블록으로 전달됩니다. 추론 토큰은 출력 한도에 포함되고 출력 가격으로 과금되며, 추론 강도를 낮추면 추론 토큰을 덜 사용합니다.

Chat Completions의 추론

GLM-5.3 Flash Abliterated는 이미지를 읽을 수 있나요?

네. Chat Completions에서는 image_url 파트로, Messages에서는 image 블록으로, Responses에서는 input_image 파트로 이미지를 base64 또는 URL 형식으로 보내세요. JPEG, PNG, GIF, WebP를 지원합니다. Z.ai 자체 API는 동영상을 받지만, 이 모델에서는 동영상을 받지 않습니다. 당사 안전 검사는 텍스트만 읽으므로 이미지는 검사하지 않습니다.

Chat Completions의 이미지

GLM-5.3 Flash Abliterated를 자체 하드웨어에서 실행할 수 있나요?

네, 하드웨어가 충분하다면 가능합니다. 가중치는 Hugging Face에 orcarouter/GLM-5.3-Flash-Uncensored-FP8이라는 접근 승인이 필요한(gated) 저장소로 공개되어 있습니다. FP8은 파라미터 하나를 1바이트로 저장하므로 320B 파라미터는 컨텍스트 캐시를 빼고도 300GB가 넘으며, 이를 실행하려면 멀티 GPU 서버가 필요합니다. Z.ai의 모델 카드에는 GLM-5.3 Flash용 프레임워크로 SGLang, vLLM, Transformers, KTransformers 등이 나와 있으며, 이 빌드는 GLM-5.3 Flash의 아키텍처를 그대로 유지합니다.

abliteration을 거치면 안전 검사도 꺼지나요?

아니요. abliteration은 모델 자체가 답변을 거부하는 빈도를 바꿀 뿐, 모델을 둘러싼 서비스는 바꾸지 않습니다. 메모리 내 자동 검사가 여전히 모든 모델에서 아동 성착취물, 그리고 대량 인명 피해를 일으킬 수 있는 무기에 대한 명확하고 실행 가능한 지침을 차단하며, 이때 400 content_policy_violation 오류를 반환합니다. 이 검사는 텍스트만 읽습니다. 계정은 성인 전용입니다. 18세 이상이어야 하며, 거주 지역의 법적 성년 연령에도 도달해야 합니다.

이용 정책

출처