2026 年 8 月 25 日，Z.ai 把旗艦模型 GLM-5.3 的權重放上 Hugging Face。對開源社群而言，這是從「公告裡的開源」到「真的可以下載」的關鍵一步：這個 8 月 14 日發表時只能透過 API 使用的 753B 參數模型，現在能抓下來自己跑。8 月 28 日，「GLM-5.3 is now open-weight」登上 Hacker News 首頁，拿下 806 分、281 則留言，是當週開源圈討論度最高的帖子之一。
從 API 獨占到權重可下載
GLM-5.3 在 8 月 14 日發表時，官方定位是「最強的開源權重程式碼模型」，但權重實際上架是 8 月 25 日的事。模型卡重申兩個重點：它沿用 GLM-5.2 的基座，所有進步都來自後訓練；官方自測的 Z.ai Code Bench 成績比 GLM-5.2 提升約五成。程式碼基準的數字確實亮眼：Terminal Bench 2.1 拿下 88.2，FrontierSWE 78.1，DeepSWE 66.9，搭配工具的 HLE 也有 62.5。安全圈更關注的是 CyberGym 84.5 的漏洞挖掘成績——Z.ai 在發表時就主動承認，模型的網路攻擊能力「發展得比我們預期更快」，這句誠實的警告隨著權重開放顯得更迫切。
753B MoE 加稀疏注意力：硬體門檻有多高
先說結論：這不是一張消費級顯卡能對付的模型。GLM-5.3 總參數量 753B，架構是混合專家（MoE）搭配稀疏注意力，權重檔案約 756 GB、切成 141 個 safetensors 分片，絕大多數參數以 FP8 精度存放。想自己架，得準備多卡伺服器，或者大記憶體的 CPU 推理環境。推理框架的選擇倒是很齊：SGLang、vLLM、Transformers、KTransformers、Unsloth 與 TokenSpeed 都在官方支援之列，也列入了華為昇騰 NPU。不想折騰硬體的話，Hugging Face 頁面已列出六家託管推理供應商：Z.ai、Together、Novita、Fireworks、DeepInfra 與 Baseten。
自訂授權：能下載，但要先讀條款
值得注意的是，這次上架用的不是 MIT，而是名為「glm-5.3」的自訂條款，在 Hugging Face 上標為「其他」授權。對照 8 月 26 日智譜把小得多的 GLM-5.3-Flash 以 MIT 授權開源，策略意圖相當清楚：小模型放行、搶生態與開發者心智，旗艦則保留控制權。「開放權重」和「開源軟體」在這裡是兩件事——權重人人可下，商用的邊界由條款說了算。想認真導入 GLM-5.3 的團隊，法務審查這一步省不掉。
社群實測：速度與代價
HN 討論串很快變成大型硬體實測現場：兩台 DGX Spark 以 NVFP4 量化跑到每秒 20 到 30 個 token；一套約 6,000 美元的組合機約 14；EPYC 加 DDR4 配幾張 3090 大約 10；十年前的雙 Xeon 老機器只剩 1 上下。該不該買 512 GB 統一記憶體的 Mac Studio、值不值得為「擁有整個推論棧」花錢，留言區吵了幾百樓，隱私、合規與供應商風險是支持者的主要理由。少數人的共識是：753B 旗艦的本地化成本仍然很高，真正能當日常主力的還是小模型。
對開發者的意義
三件事。第一，模型路由多了一個可自架的頂級選項：需要高階程式碼能力、又想避開閉源 API 的團隊，終於有能落地的前沿開源權重可以當後備。第二，自訂授權是合規紅線，導入前先把條款讀完，別被「可下載」三個字誤導。第三，CyberGym 那一列分數提醒所有人：開放權重的攻擊能力是真的，拿它做紅隊演練或安全研究時，隔離環境的預算不能省。
參考來源
本文由 AI 協助自上述來源整理，經人工審核後發布。