O que é o GLM-5.3 Flash Abliterated?
O GLM-5.3 Flash Abliterated é uma versão abliterated (os pesos foram editados para remover a direção de recusa, sem retreinamento) do GLM-5.3 Flash, um modelo de pesos abertos que a Z.ai lançou sob a licença MIT. O card do modelo GLM-5.3-Flash da Z.ai o descreve como o primeiro modelo nativamente multimodal da série GLM-5, com 320B de parâmetros no total e 18B ativos. É o primeiro modelo GLM a combinar atenção esparsa e linear, o que, segundo a Z.ai, reduz drasticamente o custo de servir contextos longos, e ele foi pré-treinado em um corpus multimodal de 30T tokens. Na API da própria Z.ai, ele tem uma janela de contexto de 1M tokens e até 128K tokens de saída, segundo a documentação para desenvolvedores da Z.ai.
Esta é a versão abliterated em FP8 da orcarouter, publicada no Hugging Face como orcarouter/GLM-5.3-Flash-Uncensored-FP8, um repositório com acesso restrito sob a licença MIT. A direção de recusa foi removida dos pesos; assim, a mudança não precisa de prompt do sistema nem de jailbreak e vale para todas as requisições.
AbliteratedLLM o serve em FP8. FP8 nativo (block-FP8, e4m3): a precisão em que a Z.ai lança o GLM-5.3 Flash. Sem quantização adicional: nunca comprimido para INT8, INT4 ou FP4. O endpoint de modelos, GET /v1/models, informa o formato no campo precision.
O que a abliteration mudou, e quanto custou?
A abliteration encontra, nas ativações internas de um modelo, a direção da qual as recusas dependem e depois edita os pesos para que nenhuma camada consiga escrever nela. O método não exige rodada de treinamento, e o resultado é um checkpoint comum com a arquitetura do original; por isso, o contexto longo, a chamada de ferramentas e a compreensão de imagens vêm do próprio GLM-5.3 Flash. Nosso guia sobre como a abliteration funciona cobre o método e como ele difere de um fine-tune sem censura.
O publicador da versão mediu o custo em um benchmark: MMLU (n=300) de 83.3 no GLM-5.3 Flash original e 82.7 na versão abliterated, uma queda de 0.6 ponto (card do modelo do publicador). É um único teste em uma amostra de perguntas, feito pelo publicador e não de forma independente, e as pontuações de benchmark mais abaixo são do modelo original, não desta versão.
Quais são as especificações do GLM-5.3 Flash Abliterated?
Estes são valores atuais do nosso catálogo, os mesmos dados que o endpoint GET /v1/models retorna. A página do modelo GLM-5.3 Flash Abliterated acrescenta a disponibilidade e a velocidade.
| Especificação | GLM-5.3 Flash Abliterated |
|---|---|
| ID do modelo | glm-5.3-flash-abliterated |
| Modelo base | zai-org/GLM-5.3-Flash (licença MIT) |
| Parâmetros | 320B no total, 18B ativos |
| Tamanho do contexto | 1.048.576 tokens |
| Saída máxima | 131.072 tokens por requisição, raciocínio incluído (4.096 em contas de teste) |
| Entrada | Texto e imagens (JPEG, PNG, GIF, WebP); partes de vídeo, áudio e arquivo são rejeitadas |
| Raciocínio | Em todas as requisições; esforço definido com reasoning_effort, thinking ou reasoning.effort |
| Precisão | FP8 · Sem quantização adicional |
| Preço por 1M tokens | US$ 0,0977 de entrada, US$ 0,0098 de entrada em cache, US$ 0,3421 de saída |
| Nível prioritário | Não |
| Endpoints | /v1/chat/completions, /v1/completions, /v1/messages, /v1/responses (sem estado) |
| Onde roda | GPUs dedicadas operadas pelo nosso provedor de infraestrutura sob uma configuração de retenção zero de dados |
Qual é a diferença em relação ao GLM-5.3 Flash original?
AbliteratedLLM também serve os pesos originais da Z.ai como modelo original, GLM-5.3 Flash. Os dois partem do mesmo modelo base e se comparam assim:
| GLM-5.3 Flash Abliterated | GLM-5.3 Flash (original) | |
|---|---|---|
| Pesos | Versão abliterated da orcarouter | Pesos originais da Z.ai |
| Recusas | Direção de recusa removida por edição; ainda pode recusar de vez em quando | As recusas da própria Z.ai |
| Onde roda | GPUs dedicadas operadas pelo nosso provedor de infraestrutura sob uma configuração de retenção zero de dados | GPUs compartilhadas operadas pelo nosso provedor de infraestrutura sob a mesma configuração de retenção zero de dados |
| Entrada | Texto + imagem | Texto, imagem, vídeo |
| Contexto | 1 mi tokens | 1 mi tokens |
| Saída máxima | 131.072 tokens | 1.048.576 tokens |
| Nível prioritário | Não | Sim, cobrado a 125% dos preços padrão |
| Entrada / saída por 1M | US$ 0,0977 / US$ 0,3421 | US$ 0,135 / US$ 0,45 |
Os modelos originais usam os pesos originais do fabricante, sem abliteration: eles mantêm as recusas do próprio fabricante. Nossa verificação de segurança lê apenas texto, então imagens e vídeos enviados a eles não são analisados. Os dois rodam sob a mesma configuração de retenção zero de dados, descrita no resumo de privacidade.
Como o GLM-5.3 Flash pontua nos benchmarks?
Estas pontuações são do GLM-5.3 Flash original, informadas pela Z.ai, salvo indicação. Nenhuma delas foi medida na versão abliterated.
| Benchmark | Pontuação | Informado por |
|---|---|---|
| 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 | execução BF16 da NVIDIA |
O gráfico da Z.ai no card do modelo mostra o GLM-5.3 Flash à frente do GLM-5.2 nos seis benchmarks que apresenta, incluindo 63.4 contra 46.2 no DeepSWE v1.1 e 48.8 contra 26.2 no AutomationBench. As condições importam quando você compara pontuações: o card da Z.ai diz para manter o esforço de raciocínio padrão, que é o máximo, para reproduzir os resultados, e a execução da própria NVIDIA com os pesos BF16 marcou 82.58 no Terminal-Bench 2.1, contra 84.3 da Z.ai.
Quais são os limites do GLM-5.3 Flash Abliterated?
- Ele ainda pode recusar. A abliteration reduz a frequência com que um modelo recusa; ela não garante que ele nunca vá recusar. Todos os dias às 00:05 UTC, a verificação diária dos modelos na nossa página de status envia a cada modelo abliterated cinco prompts inofensivos que modelos com filtro costumam recusar e conta as respostas que contêm uma frase de recusa como “I can't”. A verificação mais recente, em 2026-11-20, contou 0 recusas em 5 respostas.
- Dois tipos de conteúdo são bloqueados em todos os modelos. Uma verificação automática em memória analisa o texto de cada prompt antes que ele chegue ao modelo, e o final de cada resposta depois que ela termina. Ela recusa material de abuso sexual infantil e instruções claras e executáveis para armas capazes de causar vítimas em massa, e uma requisição bloqueada retorna
400 content_policy_violation. O serviço é para adultos a partir de 18 anos; a política de uso aceitável traz as regras completas. - Ele sempre raciocina. A documentação da Z.ai diz que o raciocínio do GLM-5.3 Flash não pode ser desativado. Os tokens de raciocínio são tokens de saída: contam para o orçamento de saída, que é de 16.384 tokens por padrão no Chat Completions e no Responses, e são cobrados pelo preço de saída. Aumente o
max_tokenspara respostas longas; caso contrário, uma resposta pode esgotar o orçamento enquanto o modelo ainda está raciocinando. - Imagens sim, vídeo não. O modelo lê imagens JPEG, PNG, GIF e WebP enviadas em base64 ou por URL. As imagens em base64 precisam somar menos de 10 MB por requisição, uma imagem por trás de uma URL precisa ter menos de 5 MB e ser baixada em até cerca de 1,5 segundo, e uma requisição pode levar até 120 imagens. Partes de vídeo falham com
400 unsupported_content, embora a própria API da Z.ai aceite vídeo. A verificação de segurança não analisa mídia. Os detalhes estão em imagens e vídeo no Chat Completions. - Contas de teste recebem menos. Até a primeira recarga, a saída é limitada a 4.096 tokens por requisição, raciocínio incluído, e só uma requisição é executada por vez. Veja limites de requisições e teste grátis.
- Sem nível prioritário.
service_tier: "priority"falha com400 invalid_requestneste modelo.
Como chamar o GLM-5.3 Flash Abliterated?
Qualquer cliente OpenAI ou Anthropic funciona. Aponte os clientes OpenAI para https://api.abliteratedllm.dev/v1, e os clientes Anthropic e o Claude Code para https://api.abliteratedllm.dev, use sua chave de API e defina o modelo como glm-5.3-flash-abliterated:
curl https://api.abliteratedllm.dev/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "glm-5.3-flash-abliterated",
"stream": true,
"messages": [{"role": "user", "content": "Write the opening line of a noir detective story."}]
}'Para definir quanto ele raciocina, envie reasoning_effort ("low", "medium" ou "high") no Chat Completions ou reasoning.effort no Responses. No Messages, um orçamento de thinking de 1.024 a 4.999 tokens roda com esforço baixo, de 5.000 a 9.999 com esforço médio e de 10.000 ou mais com esforço alto. O raciocínio volta em reasoning_content no Chat Completions e como blocos thinking no Messages.
Há guias de configuração passo a passo para Claude Code, Codex, Cursor, OpenCode, Pi, Cline, Open WebUI, SillyTavern, Janitor AI, RisuAI, garak, PyRIT, promptfoo, DeepTeam, Strix, OpenAI SDK e Anthropic SDK. Para interfaces de roleplay, leia API sem censura para SillyTavern: guia de configuração e API sem censura para Janitor AI: guia de configuração.
Perguntas frequentes sobre o GLM-5.3 Flash Abliterated
O GLM-5.3 Flash Abliterated é o mesmo que o GLM-5.3 Flash Uncensored?
Não necessariamente. “Sem censura” (uncensored) é um rótulo vago para qualquer versão que recusa menos, um fine-tune, por exemplo, enquanto “abliterated” nomeia um método: remover dos pesos, por edição, a direção de recusa. A versão de que este guia trata foi publicada como GLM-5.3-Flash-Uncensored-FP8 e marcada como abliterated no Hugging Face. Os modelos GLM-5.3 Flash sem censura de outros provedores podem ser versões diferentes.
Quanto custa o GLM-5.3 Flash Abliterated por token?
AbliteratedLLM cobra US$ 0,0977 por 1M tokens de entrada, US$ 0,0098 por 1M tokens de entrada em cache e US$ 0,3421 por 1M tokens de saída, e os tokens de raciocínio são cobrados como saída. Você paga com crédito pré-pago, e uma conta nova em uma rede elegível pode resgatar US$ 0,50 de crédito grátis para testá-lo. A página de preços tem uma comparação datada com outros provedores.
Por que o GLM-5.3 Flash Abliterated gasta tokens de saída antes de responder?
Porque é um modelo de raciocínio: ele pensa antes de responder, e a documentação da Z.ai diz que esse raciocínio não pode ser desativado. O raciocínio chega em reasoning_content no Chat Completions e como blocos thinking no Messages. Os tokens de raciocínio contam para o seu orçamento de saída e são cobrados pelo preço de saída, e um esforço de raciocínio menor usa menos deles.
O GLM-5.3 Flash Abliterated consegue ler imagens?
Sim. Envie partes image_url no Chat Completions, blocos image no Messages ou partes input_image no Responses, em base64 ou por URL; JPEG, PNG, GIF e WebP funcionam. Este modelo não aceita vídeo, embora a própria API da Z.ai aceite. Nossa verificação de segurança lê apenas texto, então as imagens não são analisadas.
Posso executar o GLM-5.3 Flash Abliterated no meu próprio hardware?
Sim, com hardware suficiente. Os pesos estão no Hugging Face como orcarouter/GLM-5.3-Flash-Uncensored-FP8, um repositório com acesso restrito. O FP8 armazena um byte por parâmetro, então 320B de parâmetros somam mais de 300 GB antes de qualquer cache de contexto, o que exige um servidor com várias GPUs. O card da Z.ai lista SGLang, vLLM, Transformers e KTransformers entre os frameworks para o GLM-5.3 Flash, cuja arquitetura a versão mantém.
A abliteration desativa a verificação de segurança?
Não. A abliteration muda a frequência com que o próprio modelo recusa, não o serviço em volta dele. Uma verificação automática em memória continua bloqueando material de abuso sexual infantil e instruções claras e executáveis para armas capazes de causar vítimas em massa em todos os modelos, retornando 400 content_policy_violation. Ela lê apenas texto. As contas são para adultos: você precisa ter 18 anos ou mais e ter atingido a maioridade no local onde vive.