Руководство

GLM-5.3 Flash Abliterated: характеристики и настройка

GLM-5.3 Flash Abliterated — это модель с рассуждениями и открытыми весами GLM-5.3 Flash от Z.ai (320 млрд параметров всего, 18 млрд активных), из весов которой правкой удалено направление отказа, поэтому она отвечает на многие запросы, на которые оригинал ответил бы отказом. AbliteratedLLM обслуживает её под ID glm-5.3-flash-abliterated через API, совместимые с OpenAI и Anthropic, и она всё ещё может изредка отказывать.

Опубликовано · Обновлено

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.

ХарактеристикаGLM-5.3 Flash Abliterated
ID моделиglm-5.3-flash-abliterated
Базовая модельzai-org/GLM-5.3-Flash (лицензия MIT)
Параметры320 млрд всего, 18 млрд активных
Длина контекста1 048 576 токенов
Макс. вывод131 072 токена на запрос, включая рассуждения (4096 на пробных аккаунтах)
ВводТекст и изображения (JPEG, PNG, GIF, WebP); видео, аудио и файлы отклоняются
РассужденияВ каждом запросе; глубина задаётся через reasoning_effort, thinking или reasoning.effort
ТочностьFP8 · Без дополнительного квантования
Цена за 1 млн токеновввод 0,0977 $, кэшированный ввод 0,0098 $, вывод 0,3421 $
Приоритетный уровеньНет
Эндпоинты/v1/chat/completions, /v1/completions, /v1/messages, /v1/responses (без сохранения состояния)
Где работаетВыделенные 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 AbliteratedGLM-5.3 Flash (оригинал)
ВесаAbliterated-сборка от orcarouterОригинальные веса Z.ai
ОтказыНаправление отказа удалено правкой; изредка всё ещё может отказыватьСобственные отказы Z.ai
Где работаетВыделенные GPU под управлением нашего инфраструктурного провайдера в конфигурации с нулевым хранением данныхОбщие GPU под управлением нашего инфраструктурного провайдера в той же конфигурации с нулевым хранением данных
ВводТекст + изображенияТекст, изображения, видео
Контекст1 млн токенов1 млн токенов
Макс. вывод131 072 токена1 048 576 токенов
Приоритетный уровеньНетДа, 125 % от стандартных цен
Ввод / вывод за 1 млн0,0977 $ / 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.

БенчмаркРезультатИсточник данных
Terminal-Bench 2.184.3Z.ai
DeepSWE v1.163.4Z.ai
HLE (with tools)55.3Z.ai
GPQA-Diamond92.17прогон 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 ошибкой 400 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.

Сравнение ценУсловия оплаты

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.

Рассуждения в Chat Completions

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.

Изображения в Chat Completions

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.

Правила допустимого использования

Источники