/ Модель

Характеристики

Контекст
1 048 576 токенов
Лицензия
MIT
Архитектура
glm5_next · dense
Базовая модель
GLM-5.3-Flash-UNCENSORED-FP8
Библиотека
Model Optimizer
Опубликована
7 сен 2026

GLM-5.3-Flash-UNCENSORED-NVFP4-DFlash2

Изображение и текст → текст15 профессий

GLM-5.3-Flash-UNCENSORED-NVFP4-DFlash2 — мультимодальная модель семейства GLM-5.3 Flash. Исходную архитектуру разработала Zhipu AI (ZAI), неконтролируемые веса подготовила dealignai, а упаковку и конфигурацию NVFP4 выполнила Solstice-AI.

7 165скачиваний за 30 дней7лайковвеса обновлены11 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Модель основана на 320-миллиардной MoE-архитектуре с 288 маршрутизируемыми экспертами и примерно 18 миллиардами активных параметров на токен.

Модель предназначена для генерации и анализа текста, программирования, математического и общего рассуждения, а также обработки изображений и видео. Она поддерживает нативные мультимодальные возможности благодаря 24-слойному ViT и проектору размерности 10 240, рассчитана на контекст до 1 048 576 токенов и поставляется с черновой моделью DFlash 2 для спекулятивного декодирования. Ключевая особенность сборки — смешанная точность W4A16: MoE-эксперты используют 4-битный формат NVFP4, а attention, общие эксперты и активации сохраняются в 16-битной точности.

Сильными сторонами являются сочетание большого контекста, мультимодальности, сниженного потребления памяти за счёт квантизации и поддержки спекулятивного ускорения. Согласно README, модель ориентирована на GPU NVIDIA Blackwell, Hopper, Ada Lovelace и Ampere. Ограничения включают крупный общий размер, высокие требования к инфраструктуре, зависимость производительности от совместимого ПО и оборудования, а также отсутствие встроенных механизмов отказа от потенциально опасных запросов: веса описаны как uncensored и abliterated.

Модель распространяется по лицензии MIT. В README также указаны результаты на MMLU, SWE-bench, LiveCodeBench, MATH-500 и мультимодальных тестах, однако эти показатели приведены авторами карточки и не заменяют независимую оценку.

Для каких профессий подходит15

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Summary

Solstice-AI/GLM-5.3-Flash-UNCENSORED-NVFP4 is the official W4A16 NVFP4 mixed-precision release of the 320B foundation model, GLM-5.3-Flash-UNCENSORED (320B total parameters, 288 routed MoE experts, ~18B active per token).

Key Architectural Highlights:

  • W4A16 Mixed-Precision: Routed MoE experts quantized to NVFP4 (4-bit float, e2m1) while all attention layers, shared experts, and input activations remain strictly in full 16-bit (BF16/FP16). Zero activation clipping degradation!
  • Universal GPU Support: Optimized for NVIDIA Blackwell B200 / GB200, Hopper H100/H200, Ada Lovelace RTX 4090/L40S, and Ampere A100.
  • Native Multimodal Vision + Video: Full 24-layer ViT (glm5_next_vision, hidden size 1024) and 10,240-dim projector preserved byte-for-byte in original precision. Handles high-resolution images and temporal video sequences.
  • Weight-Level Uncensored: Refusal directions completely ablated at the weight level (0% refusals on HarmBench-320, MMLU 85.28% preserved).
  • Native 1M Context Window: 1,048,576 tokens native context.
  • Bundled DFlash 2 Speculative Drafter: Pre-packaged in the speculative/ folder (GLM-5.3-Flash-DFlash2-bf16.gguf & Q8_0.gguf) for 2x–3x generation throughput.

Official GLM-5.3-Flash Benchmark Scoreboard

Benchmark SuiteDisciplineGLM-5.3-Flash Uncensored NVFP4Base GLM-5.3Claude 3.5 SonnetGPT-4o
MMLUGeneral Knowledge & Reasoning85.28%86.15%88.7%87.2%
HarmBench-320Safety Refusal Suppression0% Refusals94.2% Refusals92.5%91.0%
SWE-bench ProReal-World Software Engineering63.4%64.1%61.2%48.9%
LiveCodeBench v6Competitive Algorithmic Coding86.1%87.0%78.4%72.8%
MATH-500High-School / Olympiad Math92.8%93.4%89.2%91.4%
MMMU (Multimodal)Multi-Discipline Visual Understanding70.8%71.2%70.4%69.1%
VideoQA / TemporalVideo Reasoning Across Time Frames78.5%79.1%77.2%75.6%

Serving Quickstart

1. High-Throughput Serving with vLLM (W4A16 Mode)

vllm serve Solstice-AI/GLM-5.3-Flash-UNCENSORED-NVFP4   --quantization modelopt   --tensor-parallel-size 2   --trust-remote-code   --max-model-len 131072   --gpu-memory-utilization 0.95

2. Speculative Decoding with SGLang + DFlash 2

python3 -m sglang.launch_server   --model-path Solstice-AI/GLM-5.3-Flash-UNCENSORED-NVFP4   --speculative-algorithm DFLASH   --speculative-draft-model-path incoai/GLM-5.3-Flash-DFlash2   --tp 2   --trust-remote-code

Speculative Drafter Files Included

In the speculative/ directory of this repo:

  • speculative/GLM-5.3-Flash-DFlash2-bf16.gguf (Pure BF16 block-diffusion draft head)
  • speculative/GLM-5.3-Flash-DFlash2-Q8_0.gguf (Q8_0 quantized block-diffusion draft head)

License & Attribution

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · Model Optimizer

Можно запустить

Подбираем GPU…

Класс архитектуры
Glm5NextForConditionalGeneration
Ревизия весов
9b9f258

0 моделей