模型

GLM-5.3 Cyber Abliterated

基于完整 753B GLM-5.3 的安全专用构建版,面向经授权的红队演练、漏洞利用开发、逆向工程、恶意软件分析、CTF 和渗透测试。

规格

模型 ID
glm-5.3-cyber-abliterated
上下文长度
1,048,576 个 token
最大输出
131,072 个 token(试用账户为 4,096 个)
输入
仅文本。图像、音频、视频和文件输入会被拒绝。
运行环境
我们的 abliterated 权重,部署在由 Fireworks AI 运营的专用 GPU 上,采用零数据留存配置。Fireworks AI 可能在其任一区域运行这些权重。
精度
FP8
推理
按请求设置:Chat Completions 使用 reasoning_effort,Messages 使用 thinking,Responses 使用 reasoning.effort。
端点
/v1/chat/completions、/v1/completions、/v1/messages、/v1/responses(无状态)
基础模型
zai-org/GLM-5.3
许可证
GLM-5.3 License
输入
US$0.90
缓存输入
US$0.135
输出
US$1.80

美元 / 百万 token,从预付额度中扣费。

可用率,最近 30 天

状态页

100%

1,198 次探测请求中有 1,198 次通过(每 5 分钟一次)。

最近一次探测:通过,首 token 延迟 686 ms,总耗时 815 ms。

速度,最近 24 小时

39 tok/s

TTFT 2.19 s

速度为实测值,不作保证:统计最近 24 小时内流式请求在首个 token 之后的每秒输出 token 数中位数,以及首 token 延迟(TTFT)中位数。模型的此类请求达到 20 个之前显示“—”。

基准测试

基准测试:基础模型,除另有注明外均为厂商公布数据(zai-org/GLM-5.3)

CyberGym
84.5来源
ExploitBench
54.4来源
Terminal-Bench 2.1
88.2来源
HLE (with tools)
62.5来源

abliteration 效果:MMLU (n=1,026) 85.58 → 86.65(dealignai 构建版,按 logit 评分,由其发布者报告;基准分数来自发布者此前对 BF16 版 GLM-5.3 的测试,来源)。

快速入门

在控制台中创建密钥,然后从任意 OpenAI 或 Anthropic 客户端调用 glm-5.3-cyber-abliterated。
curl https://api.abliteratedllm.dev/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-5.3-cyber-abliterated",
    "stream": true,
    "messages": [{"role": "user", "content": "Write the opening line of a noir detective story."}]
  }'