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.
| 사양 | GLM-5.3 Flash Abliterated |
|---|---|
| 모델 ID | glm-5.3-flash-abliterated |
| 기반 모델 | zai-org/GLM-5.3-Flash(MIT 라이선스) |
| 파라미터 | 총 320B, 활성 18B |
| 컨텍스트 길이 | 1,048,576 토큰 |
| 최대 출력 | 요청당 131,072 토큰, 추론 포함(체험 계정은 4,096 토큰) |
| 입력 | 텍스트와 이미지(JPEG, PNG, GIF, WebP). 동영상, 오디오, 파일 파트는 거부됨 |
| 추론 | 모든 요청에서 실행되며, 강도는 reasoning_effort, thinking 또는 reasoning.effort로 설정 |
| 정밀도 | FP8 · 추가 양자화 없음 |
| 100만 토큰당 가격 | 입력 US$0.0977, 캐시 입력 US$0.0098, 출력 US$0.3421 |
| 우선 처리 등급 | 아니요 |
| 엔드포인트 | /v1/chat/completions, /v1/completions, /v1/messages, /v1/responses(상태 비저장) |
| 실행 위치 | 인프라 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 Abliterated | GLM-5.3 Flash(원본) | |
|---|---|---|
| 가중치 | orcarouter의 abliterated 빌드 | Z.ai의 원본 가중치 |
| 답변 거부 | 거부 방향을 편집으로 제거. 여전히 가끔 거부할 수 있음 | Z.ai 자체의 답변 거부 유지 |
| 실행 위치 | 인프라 제공업체가 데이터 무보존(ZDR) 구성으로 운영하는 전용 GPU | 인프라 제공업체가 동일한 데이터 무보존(ZDR) 구성으로 운영하는 공유 GPU |
| 입력 | 텍스트 + 이미지 | 텍스트, 이미지, 동영상 |
| 컨텍스트 | 100만 토큰 | 100만 토큰 |
| 최대 출력 | 131,072 토큰 | 1,048,576 토큰 |
| 우선 처리 등급 | 아니요 | 예, 표준 가격의 125% |
| 100만 토큰당 입력 / 출력 | US$0.0977 / US$0.3421 | US$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.
| 벤치마크 | 점수 | 발표 주체 |
|---|---|---|
| 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 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_violation오류를 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_content오류로 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 보내면400 invalid_request오류로 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?
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.
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.
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.