/ Модель

Характеристики

Контекст
1 048 576 токенов
Параметры
30,4 млрд
Лицензия
Своя лицензия
Архитектура
glm_moe_dsa · dense
Базовая модель
GLM-5.3
Библиотека
transformers
Опубликована
31 авг 2026

GLM-5.3-Quark-MXFP4-AttnFP8

Генерация текстаТекст → текст15 профессий

GLM-5.3-Quark-MXFP4 — текстовая авторегрессионная модель для генерации текста, созданная Advanced Micro Devices (AMD) на базе GLM-5.3 от zai-org.

11 512скачиваний за 30 дней4лайкавеса обновлены2 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 «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 оценки4

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

  • datacurve/deep-swe

    score

    Результат

    66,9

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • harborframework/terminal-bench-3.0

    score · выше — лучше

    Результат

    28,3

    terminalbench_3 28,3
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

  • harborframework/terminal-bench-2.1

    score

    Результат

    88,2

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • cais/hle

    score

    Результат

    62,5

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Модель предназначена для задач обработки и генерации текста, включая математическое рассуждение и другие сценарии, поддерживаемые базовой моделью. Заявленные языки — английский и китайский; входные и выходные данные представлены в текстовой форме.

Архитектура модели обозначена как GlmMoeDsaForCausalLM. Для оптимизации инференса применена посттренировочная квантизация AMD Quark V0.12: router experts и shared experts используют MXFP4, а слои self-attention — FP8 с покомпонентной блочной квантизацией. Слой lm_head, эмбеддинги и некоторые дополнительные слои сохранены в исходном формате. Максимальная длина контекста в приведённой конфигурации vLLM составляет 32 768 токенов, однако размер модели и полная спецификация контекстного окна в README не указаны.

Модель ориентирована на запуск через vLLM на системах Linux с ускорителями AMD MI350 или MI355 и ROCm 7.1.1; в README также указаны PyTorch 2.10.0 и Transformers 5.15.1. На тесте GSM8K она получила 91,28 против 91,89 у исходной GLM-5.3, что соответствует восстановлению 99,34% исходного результата и указывает на небольшую потерю точности после квантизации. Лицензия обозначена как glm-5.3; также указано, что модификации защищены авторским правом Advanced Micro Devices, Inc. за 2026 год.

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 Overview

  • Model Architecture: GlmMoeDsaForCausalLM
    • Input: Text
    • Output: Text
  • Supported Hardware Microarchitecture: AMD MI350/MI355
  • ROCm: 7.1.1
  • PyTorch: 2.10.0+rocm7.1.1.lw.gitd9556b05
  • Transformers: 5.15.1
  • Operating System(s): Linux
  • Inference Engine: vLLM
  • Model Optimizer: AMD-Quark (V0.12)
    • Quantized layers: self_attn, router experts, shared_experts
    • self_attn: FP8 per-block
    • Router experts and shared_experts: MXFP4

This model was built with GLM-5.3 model by applying AMD-Quark for MXFP4 quantization.

Model Quantization

The model was quantized from zai-org/GLM-5.3 using AMD-Quark. The weights and activations are quantized to MXFP4.

Quantization scripts:

cd Quark/examples/torch/language_modeling/llm_ptq/
python quantize_quark.py \
  --model_dir zai-org/GLM-5.3 \
  --output_dir amd/GLM-5.3-Quark-MXFP4 \
  --quant_scheme mxfp4 \
  --exclude_layers \
    "*self_attn*" \
    "*lm_head" \
    "*embed_tokens" \
    "*eh_proj" \
    "*mlp.gate" \
  --file2file_quantization \
  --keep_excluded_layers_as_original_model_state

Deployment

Use with vLLM

This model can be deployed efficiently using the vLLM backends.

Evaluation

The model was evaluated on GSM8K benchmarks.

Accuracy

Reproduction

The GSM8K results were obtained using the lm-evaluation-harness framework, based on the Docker image vllm/vllm-openai-rocm:nightly-44fe2a392b71d52a8d72faf2f8278834379482c9, with vLLM pre-installed inside the image and apply this pr #54566.

pip install lm-eval[api]

export VLLM_ROCM_USE_AITER=1
export VLLM_ROCM_USE_AITER_FP8BMM=0
export VLLM_ROCM_USE_AITER_FP4BMM=0

lm_eval --model vllm \
  --model_args "pretrained=amd/GLM-5.3-Quark-MXFP4,tensor_parallel_size=4,dtype=auto,quantization=quark,max_model_len=32768,trust_remote_code=True,max_num_seqs=32" \
  --tasks gsm8k \
  --batch_size auto

License

Modifications Copyright(c) 2026 Advanced Micro Devices, Inc. All rights reserved.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
GlmMoeDsaForCausalLM
Ревизия весов
4992911

0 моделей