GLM-5.3-Flash — Zhipu AI (Z.ai) 的本地 AI 模型
作者： Jakub Rusinowski · 最后更新：
The first natively multimodal model in the GLM-5 series, and the one Z.ai actually released under MIT — 320B total parameters with 18B active, text plus image and video in, a 1M-token context, and hybrid attention (linear attention for local dependencies, sparse attention for distant retrieval). Z.ai claims 63.4 on DeepSWE against GLM-5.2's 46.2. Note this is NOT the GLM-5.3 flagship: that is a separate 753B model under a bespoke licence with a hyperscaler security-review clause.
变体
GLM-5.3-Flash 最小的变体在 Q4_K_M 下约需 194 GB 显存——量化权重加框架开销，不含 KV 缓存。
| 模型 | Q4 下显存 | 显存 | 上下文 | 运行 |
|---|---|---|---|---|
| GLM-5.3-Flash 320B-A18B → 320B (18B active) | ~194 GB | 1,048,576 | 云端托管标签 |
显存为 Q4_K_M 下的量化权重加开销，与 GPU 与显存检测器使用同一引擎计算。
如何在本地运行 GLM-5.3-Flash
安装 Ollama，然后拉取标签。
The Ollama tag `glm-5.3-flash:cloud` is cloud-hosted, so there is no local run command for this model.
在上方选择一个尺寸，查看它自己的显存、速度估算和安装命令。
许可证
Commercial use permitted. No usage restrictions beyond attribution.
适用于: GLM-5.3-Flash 320B-A18B推荐 GPU
目录中能在本地运行 GLM-5.3-Flash（至少 194 GB 显存）的最便宜 GPU 是 Apple M3 Ultra (512 GB).
我的 GPU 能运行 GLM-5.3-Flash 吗？
- GLM-5.3-Flash 在 AMD Ryzen AI Max+ 395 上
- GLM-5.3-Flash 在 Apple M1 Ultra 上
- GLM-5.3-Flash 在 Apple M2 Max 上
- GLM-5.3-Flash 在 Apple M2 Ultra 上
- GLM-5.3-Flash 在 Apple M4 Max 上
- GLM-5.3-Flash 在 Apple M5 Max 上
- GLM-5.3-Flash 在 NVIDIA A100 80GB (PCIe) 上
- GLM-5.3-Flash 在 NVIDIA DGX Spark 上
- GLM-5.3-Flash 在 NVIDIA H100 80GB (PCIe) 上
- GLM-5.3-Flash 在 NVIDIA RTX PRO 6000 Blackwell 上
GLM-5.3-Flash — 常见问题
How much VRAM does GLM-5.3-Flash need?
GLM-5.3-Flash needs about 194 GB VRAM at Q4_K_M quantization for its smallest variant. Variants: GLM-5.3-Flash 320B-A18B (194 GB, Q4_K_M). On Apple Silicon, unified memory counts toward this requirement.
Can I run GLM-5.3-Flash on an RTX 4090 (24 GB)?
GLM-5.3-Flash's smallest variant needs about 194 GB, which exceeds a single RTX 4090 (24 GB). Use multiple GPUs, a higher-VRAM card, or Apple Silicon with large unified memory.
What quantization should I use for GLM-5.3-Flash?
Q4_K_M is the best balance of quality and VRAM for GLM-5.3-Flash in most cases. Choose Q8_0 for near-lossless quality if you have spare VRAM, or smaller quants (Q3/Q2) only when memory is tight.
How do I run GLM-5.3-Flash with Ollama?
GLM-5.3-Flash has no local Ollama tag — the published tag is cloud-hosted, so running it sends your prompts to a hosted GPU rather than your own machine.