规格
- 模型 ID
glm-5.3-flash-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
- 文本和图像。音频、视频和文件输入会被拒绝。我们的安全检查只读取文本,因此图像不会被筛查。
- 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 · 无额外量化原生 FP8(block-FP8,e4m3):Z.ai 发布 GLM-5.3 Flash 时采用的精度。无额外量化:从不压缩为 INT8、INT4 或 FP4。
- 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)- 许可证
- MIT
速度,最近 24 小时
95 tok/s
TTFT 2.78 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-Flash)
- Terminal-Bench 2.1
- 84.3来源
- DeepSWE v1.1
- 63.4来源
- HLE (with tools)
- 55.3来源
- GPQA-Diamond
- 92.17NVIDIA BF16 测试
abliteration 效果:MMLU (n=300) 83.3 → 82.7(orcarouter 构建版,由其发布者报告,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-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."}]
}'