/ Модель

Характеристики

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

GLM-5.3-Flash-UNCENSORED-mlx-oQ8e-DFlash2

Изображение и текст → текст15 профессий

Solstice-AI/GLM-5.3-Flash-UNCENSORED-mlx-oQ8e — мультимодальная версия модели GLM-5.3-Flash с открытыми от цензуры весами.

11 453скачиваний за 30 дней5лайковвеса обновлены11 сен 2026

Бенчмарки

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

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

Исходную архитектуру разработала Zhipu AI (ZAI), uncensored-веса предоставила dealignai, а смешанную MLX-квантизацию oQ8e подготовила Solstice-AI. Модель предназначена для генерации и анализа текста, программирования, математического и общего рассуждения, а также понимания изображений и видео. Указаны языки English и Chinese.

Модель основана на разреженной MoE-архитектуре с 320 млрд общих параметров, 288 экспертами и примерно 18 млрд активных параметров на токен. Она поддерживает контекст до 1 048 576 токенов, мультимодальное понимание изображений и видео и запуск на Apple Silicon через MLX. Используется смешанная точность около 8,6 бит на вес: критичные для маршрутизации и вывода слои сохраняются в 8-битном формате, vision tower и мультимодальный aligner — в BF16, а отдельные таблицы — в BF16/FP32. В комплект входит DFlash2 для speculative decoding, заявленное ускорение — до 3 раз.

Сильными сторонами являются большой контекст, сочетание текстовых и визуальных возможностей, высокая заявленная производительность в программировании, математике и видеоанализе, а также оптимизация для чипов Apple M2–M5. Ограничения включают значительный размер модели и зависимость от совместимого оборудования и MLX; заявленная uncensored-настройка может требовать самостоятельного контроля безопасности при использовании. Лицензия — MIT.

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-mlx-oQ8e is the official oQ8e mixed-precision release of the uncensored 320B foundation model, GLM-5.3-Flash-UNCENSORED (320B total parameters, 288 routed MoE experts, ~18B active per token).

Mixed-Precision Quantization Architecture:

  • Base Precision: 8-bit affine (group_size=64).
  • Target bpw: ~8.6 bpw.
  • Consensus-Critical Layer Protection:
    • lm_head: strictly protected at 8-bit within budget.
    • MoE Routers & Gate Projections (mlp.gate, gate): protected at full precision / 8-bit to preserve expert routing fidelity.
    • 347-Tensor Vision Tower ViT & Multimodal Aligner: kept in untouched full BF16.
    • Attention Sinks & Hyper-Connection Tables (hc_*): kept in full BF16/FP32.
  • Native 1M Context Window: 1,048,576 tokens native context.
  • Speculative Decoding: Bundled with DFlash2 block-diffusion drafter in speculative/ for up to 3x token throughput.

Official GLM-5.3-Flash Benchmark Scoreboard

Benchmark SuiteDisciplineGLM-5.3-Flash Uncensored MLXBase 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%

Quickstart on Apple Silicon

pip install mlx mlx-lm huggingface_hub
from mlx_lm import load, generate

model, tokenizer = load("Solstice-AI/GLM-5.3-Flash-UNCENSORED-mlx-oQ8e")
response = generate(model, tokenizer, prompt="Explain sparse mixture-of-experts in GLM-5.3.", max_tokens=1024, verbose=True)
print(response)

DFlash 2 Speculative Decoding Acceleration

This release bundles pre-aligned speculative draft weights in speculative/:

  • speculative/GLM-5.3-Flash-DFlash2-bf16.gguf

To run accelerated inference with speculative drafting:

python -m mlx_lm.generate \
    --model Solstice-AI/GLM-5.3-Flash-UNCENSORED-mlx-oQ8e \
    --draft-model Solstice-AI/GLM-5.3-Flash-UNCENSORED-mlx-oQ8e/speculative/GLM-5.3-Flash-DFlash2-bf16.gguf \
    --prompt "Synthesize the architectural innovations of GLM-5.3." \
    --max-tokens 2048

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon, на GPU NVIDIA они не запускаются.

Класс архитектуры
Glm5NextForConditionalGeneration
Ревизия весов
2532db3

0 моделей