Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

Zai · pașaport de model

Z.ai: GLM 5.3 Flash

glm-5-3-flash

Ponderi deschise
Licență MIT
321.3B parametri
1,048,576 context
Lansat 2026-08-25(repo HF creat)

General · LMArena: 1,474#35 din 396
Cea mai bună percentilă: 94.4Programare
Poziția în cohortă: 72.8mediană 60.2

Ce spun datele

Evaluat pe 12 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Cele mai puternice axe

94.4 pct — Programare (1,525)
92.9 pct — Urmarea instrucțiunilor (1,472)
92.7 pct — Prompturi dificile (1,500)

Neuniform: 54,4 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 94.4 pct pe Programare față de 40 pct pe Agent Arena.

Programare94.4 pct1,525Verifică →
Urmarea instrucțiunilor92.9 pct1,472Verifică →
Prompturi dificile92.7 pct1,500Verifică →
General91.4 pct1,474Verifică →
WebDev Arena83.5 pct1,606Verifică →
Vision Arena82 pct1,273Verifică →
GPQA Diamond81.9 pct90.2%Verifică →
Factuality Arena79.7 pct1,463Verifică →
AIME (matematică)77.5 pct93.9%Verifică →
ARC-AGI-274.2 pct65.8%Verifică →
Terminal-Bench 4.052.2 pct35.8%Verifică →
Agent Arena40 pct-0.011Verifică →
Search ArenaNeevaluat
Document ArenaNeevaluat
FrontierMathNeevaluat
SimpleQA VerifiedNeevaluat
Humanity's Last ExamNeevaluat
SimpleBenchNeevaluat
LiveBenchNeevaluat
BFCL v4 (apelare de funcții)Neevaluat
SWE-bench Verified (clasament live)Neevaluat
MMLU-Pro (Artificial Analysis)Neevaluat
LiveCodeBench (Artificial Analysis)Neevaluat
IFBench (Artificial Analysis)Neevaluat
Halucinații HHEM (Vectara)Neevaluat
SWE-bench VerifiedNeevaluat
Terminal-BenchNeevaluat

Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.

Cum îl rulezi

Rulează-l singur

Repositoryzai-org/GLM-5.3-Flash

Parametri321.3B

ArhitecturăGlm5NextForConditionalGeneration

LicențăMIT

Transformers

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "zai-org/GLM-5.3-Flash"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)

Ollama

Nu sincronizăm tag-urile Ollama, așa că nu afișăm o comandă pe care nu o putem verifica — una greșită ar descărca modelul greșit. Caută în biblioteca Ollama →

Rețetele de fine-tuning Unsloth sunt specifice fiecărui model și nu le derivăm aici. Documentația Unsloth →

Folosește-l găzduit

ID de model APIz-ai/glm-5.3-flash

Lungime context1,048,576 tokeni

Ieșire maximă943,718 tokeni

Acceptătext, image, video

Preț intrare$0.05 per 1M tokeni

Preț intrare din cache$0.01 per 1M tokeni

Preț ieșire$0.20 per 1M tokeni

Parametri API acceptați de acest endpoint

Frequency penaltyInclude reasoningLogit biasLogprobsMax tokensMin-pParallel Tool CallsPresence penaltyReasoningReasoning effortRepetition penaltyResponse formatSeedStop sequencesStructured outputsTemperatureTool choiceTool callingTop-kTop logprobsTop-p

Exemplu de cerere

curl https://openrouter.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"z-ai/glm-5.3-flash","messages":[{"role":"user","content":"Hello"}]}'

Vezi pe OpenRouter →

Identificatorii, limitele și prețurile sunt sincronizate din sursa upstream afișată mai sus. Orice câmp nesincronizat este omis complet, nu ghicit.

glm-5.3-flash stands at 72.8 (raw mean 78.5) — measured on 12 of 27 axes.
pozițieșablonVerifică →
glm-5.3-flash stands at 72.8 versus a cohort median of 60.2 across 183 models released within 180 days — above the peer median.
cohortășablonVerifică →

Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →