Что такое GLM-5.3 Flash Abliterated?
GLM-5.3 Flash Abliterated — это abliterated-сборка (сборка, у которой отказы убраны правкой весов, без дообучения) модели GLM-5.3 Flash с открытыми весами, которую Z.ai выпустила под лицензией MIT. В карточке модели GLM-5.3-Flash Z.ai называет её первой нативно мультимодальной моделью серии GLM-5, с 320 млрд параметров всего и 18 млрд активных. Это первая модель GLM, в которой сочетаются разреженное и линейное внимание, что, по словам Z.ai, резко снижает стоимость обслуживания длинных контекстов, и она прошла предобучение на мультимодальном корпусе из 30 трлн токенов. В собственном API Z.ai у неё контекстное окно на 1 млн токенов и до 128 тыс. выходных токенов, согласно документации для разработчиков Z.ai.
Эта сборка — abliterated-версия от orcarouter в FP8, опубликованная на Hugging Face как orcarouter/GLM-5.3-Flash-Uncensored-FP8, в репозитории с ограниченным доступом (gated) под лицензией MIT. Направление отказа удалено из её весов, поэтому изменению не нужны ни системный промпт, ни джейлбрейк, и оно действует на каждый запрос.
AbliteratedLLM обслуживает её в формате FP8. Нативный FP8 (block-FP8, e4m3): в этой точности Z.ai выпускает GLM-5.3 Flash. Без дополнительного квантования: модель никогда не сжимается до INT8, INT4 или FP4. Эндпоинт моделей GET /v1/models указывает формат в поле precision.
Что изменила abliteration и чего это стоило?
Abliteration находит во внутренних активациях модели направление, от которого зависят её отказы, а затем правит веса так, чтобы ни один слой не мог в него записывать. Метод не требует обучения, а его результат — обычный чекпойнт с архитектурой оригинала, поэтому длинный контекст, вызов инструментов и понимание изображений достались от самой GLM-5.3 Flash. Наше руководство о том, как работает abliteration, описывает метод и его отличие от дообучения для снятия цензуры.
Автор сборки измерил цену правки на одном бенчмарке, MMLU (n=300): 83.3 у оригинальной GLM-5.3 Flash и 82.7 у abliterated-сборки, то есть снижение на 0.6 пункта (карточка модели от автора). Это единичный тест на выборке вопросов, проведённый самим автором, а не независимо, а результаты бенчмарков ниже относятся к оригинальной модели, а не к этой сборке.
Каковы характеристики GLM-5.3 Flash Abliterated?
Это актуальные значения из нашего каталога — те же данные, что возвращает эндпоинт GET /v1/models. На странице модели GLM-5.3 Flash Abliterated также есть аптайм и скорость.
| Характеристика | GLM-5.3 Flash Abliterated |
|---|---|
| ID модели | glm-5.3-flash-abliterated |
| Базовая модель | zai-org/GLM-5.3-Flash (лицензия MIT) |
| Параметры | 320 млрд всего, 18 млрд активных |
| Длина контекста | 1 048 576 токенов |
| Макс. вывод | 131 072 токена на запрос, включая рассуждения (4096 на пробных аккаунтах) |
| Ввод | Текст и изображения (JPEG, PNG, GIF, WebP); видео, аудио и файлы отклоняются |
| Рассуждения | В каждом запросе; глубина задаётся через reasoning_effort, thinking или reasoning.effort |
| Точность | FP8 · Без дополнительного квантования |
| Цена за 1 млн токенов | ввод 0,0977 $, кэшированный ввод 0,0098 $, вывод 0,3421 $ |
| Приоритетный уровень | Нет |
| Эндпоинты | /v1/chat/completions, /v1/completions, /v1/messages, /v1/responses (без сохранения состояния) |
| Где работает | Выделенные GPU под управлением нашего инфраструктурного провайдера в конфигурации с нулевым хранением данных |
Чем она отличается от оригинальной GLM-5.3 Flash?
AbliteratedLLM также обслуживает оригинальные веса Z.ai как оригинальную модель GLM-5.3 Flash. У обеих одна и та же базовая модель; вот чем они различаются:
| GLM-5.3 Flash Abliterated | GLM-5.3 Flash (оригинал) | |
|---|---|---|
| Веса | Abliterated-сборка от orcarouter | Оригинальные веса Z.ai |
| Отказы | Направление отказа удалено правкой; изредка всё ещё может отказывать | Собственные отказы Z.ai |
| Где работает | Выделенные GPU под управлением нашего инфраструктурного провайдера в конфигурации с нулевым хранением данных | Общие GPU под управлением нашего инфраструктурного провайдера в той же конфигурации с нулевым хранением данных |
| Ввод | Текст + изображения | Текст, изображения, видео |
| Контекст | 1 млн токенов | 1 млн токенов |
| Макс. вывод | 131 072 токена | 1 048 576 токенов |
| Приоритетный уровень | Нет | Да, 125 % от стандартных цен |
| Ввод / вывод за 1 млн | 0,0977 $ / 0,3421 $ | 0,135 $ / 0,45 $ |
Оригинальные модели — это исходные веса разработчика, а не abliterated-версии: они сохраняют собственные отказы разработчика. Наша проверка безопасности анализирует только текст, поэтому отправленные им изображения и видео не проверяются. Обе модели работают в одной и той же конфигурации с нулевым хранением данных, описанной в кратком обзоре конфиденциальности.
Какие результаты у GLM-5.3 Flash на бенчмарках?
Эти результаты относятся к оригинальной GLM-5.3 Flash и, если не указано иное, получены Z.ai. Ни один из них не измерялся на abliterated-сборке.
| Бенчмарк | Результат | Источник данных |
|---|---|---|
| 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 | прогон NVIDIA в BF16 |
На графике в карточке модели Z.ai показывает, что GLM-5.3 Flash опережает GLM-5.2 на всех шести представленных бенчмарках, в том числе 63.4 против 46.2 на DeepSWE v1.1 и 48.8 против 26.2 на AutomationBench. При сравнении результатов важны условия: в карточке Z.ai сказано, что для воспроизведения её результатов нужно оставить глубину рассуждений по умолчанию, то есть максимальную, а собственный прогон NVIDIA весов BF16 дал 82.58 на Terminal-Bench 2.1 против 84.3 у Z.ai.
Какие ограничения у GLM-5.3 Flash Abliterated?
- Она всё ещё может отказать. Abliteration снижает частоту отказов, но не гарантирует, что их не будет совсем. Каждый день в 00:05 UTC ежедневная проверка моделей на нашей странице статуса отправляет каждой abliterated-модели пять безобидных промптов, на которые модели с фильтрами часто отвечают отказом, и считает ответы, в которых есть фраза отказа вроде «I can't». Последняя проверка (2026-11-20) выявила 0 отказов в 5 ответах.
- На всех моделях блокируются два вида контента. Автоматическая проверка в памяти просматривает текст каждого промпта до того, как он попадёт в модель, и конец каждого ответа после его завершения. Она отклоняет материалы сексуального насилия над детьми и чёткие практические инструкции по созданию оружия массового поражения, а заблокированный запрос возвращает
400 content_policy_violation. Сервис предназначен только для совершеннолетних от 18 лет; полные правила — в правилах допустимого использования. - Она всегда рассуждает. Согласно документации Z.ai, рассуждения GLM-5.3 Flash отключить нельзя. Токены рассуждений — это выходные токены: они учитываются в бюджете вывода (по умолчанию 16 384 токена в Chat Completions и Responses) и тарифицируются по цене вывода. Для длинных ответов увеличьте
max_tokens, иначе бюджет может закончиться, пока модель ещё рассуждает. - Изображения — да, видео — нет. Модель читает изображения JPEG, PNG, GIF и WebP, переданные в base64 или по URL. Изображения в base64 в сумме должны занимать меньше 10 МБ на запрос, изображение по URL должно весить меньше 5 МБ и загружаться не дольше чем примерно за 1,5 секунды, а запрос может содержать до 120 изображений. Части с видео завершаются ошибкой
400 unsupported_content, хотя собственный API Z.ai принимает видео. Проверка безопасности не проверяет медиафайлы. Подробности — в разделе об изображениях и видео в Chat Completions. - Пробным аккаунтам доступно меньше. До первого пополнения вывод ограничен 4096 токенами на запрос, включая рассуждения, и одновременно выполняется только один запрос. См. лимиты запросов и пробный доступ.
- Нет приоритетного уровня.
service_tier: "priority"на этой модели завершается ошибкой400 invalid_request.
Как вызвать GLM-5.3 Flash Abliterated?
Подойдёт любой клиент OpenAI или Anthropic. Направьте клиенты OpenAI на https://api.abliteratedllm.dev/v1, а клиенты Anthropic и Claude Code — на https://api.abliteratedllm.dev, используйте свой API-ключ и укажите модель 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."}]
}'Чтобы задать глубину рассуждений, передайте reasoning_effort ("low", "medium" или "high") в Chat Completions или reasoning.effort в Responses. В Messages бюджет thinking от 1024 до 4999 токенов соответствует низкой глубине, от 5000 до 9999 — средней, а 10 000 и больше — высокой. Рассуждения возвращаются в reasoning_content в Chat Completions и в виде блоков thinking в Messages.
Пошаговые инструкции по настройке есть для Claude Code, Codex, Cursor, OpenCode, Pi, Cline, Open WebUI, SillyTavern, Janitor AI, RisuAI, garak, PyRIT, promptfoo, DeepTeam, Strix, OpenAI SDK и Anthropic SDK. Для ролевых чат-интерфейсов читайте руководства «API без цензуры для SillyTavern: инструкция по настройке» и «API без цензуры для Janitor AI: инструкция по настройке».
Частые вопросы о GLM-5.3 Flash Abliterated
GLM-5.3 Flash Abliterated — то же самое, что GLM-5.3 Flash Uncensored?
Не обязательно. «Без цензуры» (uncensored) — расплывчатый ярлык для любой сборки, которая реже отказывает, например дообученной, а «abliterated» обозначает один метод: направление отказа удаляется из весов правкой. Сборка, которой посвящено это руководство, опубликована как GLM-5.3-Flash-Uncensored-FP8 и отмечена на Hugging Face тегом abliterated. Модели GLM-5.3 Flash без цензуры у других провайдеров могут быть другими сборками.
Сколько стоит GLM-5.3 Flash Abliterated за токен?
AbliteratedLLM берёт 0,0977 $ за 1 млн входных токенов, 0,0098 $ за 1 млн кэшированных входных токенов и 0,3421 $ за 1 млн выходных токенов; токены рассуждений тарифицируются как вывод. Оплата списывается с предоплаченного баланса, а новый аккаунт из подходящей сети может получить бесплатные средства в размере 0,50 $, чтобы попробовать модель. На странице цен есть датированное сравнение с другими провайдерами.
Почему GLM-5.3 Flash Abliterated тратит выходные токены до ответа?
Это модель с рассуждениями: она думает, прежде чем ответить, и, согласно документации Z.ai, рассуждения отключить нельзя. Рассуждения приходят в reasoning_content в Chat Completions и в виде блоков thinking в Messages. Токены рассуждений учитываются в бюджете вывода и тарифицируются по цене вывода, а при меньшей глубине рассуждений их расходуется меньше.
Может ли GLM-5.3 Flash Abliterated читать изображения?
Да. Отправляйте части image_url в Chat Completions, блоки image в Messages или части input_image в Responses, в base64 или по URL; поддерживаются JPEG, PNG, GIF и WebP. Видео эта модель не принимает, хотя собственный API Z.ai его поддерживает. Наша проверка безопасности читает только текст, поэтому изображения не проверяются.
Можно ли запустить GLM-5.3 Flash Abliterated на своём оборудовании?
Да, если хватит оборудования. Веса выложены на Hugging Face как orcarouter/GLM-5.3-Flash-Uncensored-FP8, в репозитории с ограниченным доступом (gated). FP8 хранит один байт на параметр, поэтому 320 млрд параметров занимают больше 300 ГБ ещё до кэша контекста, а для этого нужен сервер с несколькими GPU. В карточке Z.ai среди фреймворков для GLM-5.3 Flash, архитектуру которой сборка сохраняет, указаны SGLang, vLLM, Transformers и KTransformers.
Отключает ли abliteration проверку безопасности?
Нет. Abliteration меняет то, как часто отказывает сама модель, а не работу сервиса вокруг неё. Автоматическая проверка в памяти по-прежнему блокирует на всех моделях материалы сексуального насилия над детьми и чёткие практические инструкции по созданию оружия массового поражения и возвращает 400 content_policy_violation. Она читает только текст. Аккаунты предназначены для совершеннолетних: вам должно быть не меньше 18 лет, и вы должны быть совершеннолетним по законам места, где вы живёте.