Guia

GLM-5.3 Flash Abliterated: especificações e configuração

O GLM-5.3 Flash Abliterated é o modelo de raciocínio de pesos abertos GLM-5.3 Flash, da Z.ai (320B de parâmetros no total, 18B ativos), com a direção de recusa removida dos pesos por edição; assim, ele responde a muitos pedidos que o original recusaria. AbliteratedLLM o serve como glm-5.3-flash-abliterated por APIs compatíveis com OpenAI e Anthropic, e ele ainda pode recusar de vez em quando.

Publicado em · Última atualização em

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.

EspecificaçãoGLM-5.3 Flash Abliterated
ID do modeloglm-5.3-flash-abliterated
Modelo basezai-org/GLM-5.3-Flash (licença MIT)
Parâmetros320B no total, 18B ativos
Tamanho do contexto1.048.576 tokens
Saída máxima131.072 tokens por requisição, raciocínio incluído (4.096 em contas de teste)
EntradaTexto e imagens (JPEG, PNG, GIF, WebP); partes de vídeo, áudio e arquivo são rejeitadas
RaciocínioEm todas as requisições; esforço definido com reasoning_effort, thinking ou reasoning.effort
PrecisãoFP8 · Sem quantização adicional
Preço por 1M tokensUS$ 0,0977 de entrada, US$ 0,0098 de entrada em cache, US$ 0,3421 de saída
Nível prioritárioNão
Endpoints/v1/chat/completions, /v1/completions, /v1/messages, /v1/responses (sem estado)
Onde rodaGPUs 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 AbliteratedGLM-5.3 Flash (original)
PesosVersão abliterated da orcarouterPesos originais da Z.ai
RecusasDireção de recusa removida por edição; ainda pode recusar de vez em quandoAs recusas da própria Z.ai
Onde rodaGPUs dedicadas operadas pelo nosso provedor de infraestrutura sob uma configuração de retenção zero de dadosGPUs compartilhadas operadas pelo nosso provedor de infraestrutura sob a mesma configuração de retenção zero de dados
EntradaTexto + imagemTexto, imagem, vídeo
Contexto1 mi tokens1 mi tokens
Saída máxima131.072 tokens1.048.576 tokens
Nível prioritárioNãoSim, cobrado a 125% dos preços padrão
Entrada / saída por 1MUS$ 0,0977 / US$ 0,3421US$ 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.

BenchmarkPontuaçãoInformado por
Terminal-Bench 2.184.3Z.ai
DeepSWE v1.163.4Z.ai
HLE (with tools)55.3Z.ai
GPQA-Diamond92.17execução 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_tokens para 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 com 400 invalid_request neste 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.

Comparação de preçosCondições de cobrança

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.

Raciocínio no Chat Completions

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.

Imagens no Chat Completions

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.

Política de uso aceitável

Fontes