/ Модель

Характеристики

Лицензия
MIT
Базовая модель
keys-GLM-5.3-EXL3-2.75BPW
Библиотека
transformers
Опубликована
5 окт 2026

keys-GLM-5.3-EXL3-2.75BPW-Abliterated

Генерация текстаТекст → текст

Квантованная сборка GLM-5.3 с изменёнными проекциями для генерации текста и диалогов при обслуживании на нескольких DGX Spark.

165скачиваний за 30 дней11лайковвеса обновлены12 окт 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

Это экспериментальная сборка GLM-5.3 от Z.ai, подготовленная drowzeys на основе drowzeys/keys-GLM-5.3-EXL3-2.75BPW. В родительском чекпойнте применено смешанное квантование EXL3 со средней точностью 2,75 бита на параметр; в этой версии отдельные проекции внимания и остаточные проекции были заменены на дериск-тензоры Blackfrost и перекодированы в EXL3 K5. Остальные указанные в карточке компоненты, включая маршрутизируемые эксперты, MTP, эмбеддинги и выходную голову, совпадают с родительской сборкой.

Модель предназначена для генерации текста и диалогового использования. В README описан запуск на четырёх DGX Spark с тензорным параллелизмом TP4; автор также сообщает о проверке контекста до 1 млн токенов, но это относится к указанной конфигурации обслуживания. Доступ к репозиторию gated с автоматическим одобрением после согласия с условиями. Лицензия в метаданных указана как MIT, однако README дополнительно подчиняет использование лицензии GLM-5.3 и условиям Responsible Use; перед применением следует учитывать оба набора условий. Карточка не сообщает о проведённых независимых оценках качества.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • создание связного текста по запросу
  • генерация кода в текстовом формате

Ограничения

Для описанной конфигурации обслуживания README указывает запуск на четырёх DGX Spark; веса сильно квантованы, поэтому характеристики нельзя напрямую переносить на другие конфигурации. Условия использования включают лицензию GLM-5.3 и Responsible Use, а карточка не приводит независимых оценок качества.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

keys-GLM-5.3-EXL3-2.75BPW-Abliterated

Abliterated build of drowzeys/keys-GLM-5.3-EXL3-2.75BPW — same mixed-K EXL3 2.75 bpw pack, same four-Spark TP4 serving shape, with the Blackfrost derisk edit baked into the non-expert EXL3 K5 tensors.

See RESPONSIBLE_USE.md and the gate form above. Access is gated with automatic approval after you agree.

HFhttps://huggingface.co/drowzeys/keys-GLM-5.3-EXL3-2.75BPW-Abliterated
Parent (stock 2.75 bpw)drowzeys/keys-GLM-5.3-EXL3-2.75BPW
Derisk donordrowzeys/keys-GLM-5.3-EXL3-Abliterated (Blackfrost α=3.0 on BF16 o_proj / residual down_proj)
Serve recipedrowzeys/keys-GLM-5.3-EXL3-2.75BPW-MixedK-Ablit-MLX-Serve-4-DGXSparks
Upstreamzai-org/GLM-5.3
AblitL2–49 self_attn.o_proj + L2 dense down_proj + L3–49 shared down_proj, re-quantized EXL3 K5 mul1 (96 matrices / 384 tensors)
AnchorsL0–1 and L50–78 (including MTP), routed experts, embed, lm_head stay parent stock
Gate (thinking off)refusal32 31/32 (item 4 still refuses) · cyber 22/22 · 0 garble

What was edited

The 2.75 bpw checkpoint stores attention and shared-expert linears as EXL3 K5 mul1, so the donor's native F16 tensors cannot be dropped in. The same Blackfrost derisk tensors from the 3 bpw ablit pack were re-encoded to K5 (data-free fallback, proxy ~7–9e-4) and spliced into shards model-00002 and model-00003.

Routed experts (mixed 2/3/4-bit, mean 2.75), MTP, embeddings and the head are bit-identical to the parent.

ABLIT.json in this repo records the splice.

Run it (four DGX Sparks)

Use the launcher (one-shot.sh) and prebuilt image of the serve recipe.

hf download drowzeys/keys-GLM-5.3-EXL3-2.75BPW-Abliterated --local-dir /models/GLM-5.3-EXL3-2.75BPW-Abliterated
export NODES="spark1 spark2 spark3 spark4" MODEL=/models/GLM-5.3-EXL3-2.75BPW-Abliterated
./one-shot.sh check && ./one-shot.sh up && ./one-shot.sh wait

OpenAI-compatible API on rank 0; the port and model name are in the serve recipe. Speed matches the parent (prose ~42 tok/s / code ~38 tok/s on the published image, thinking on).

Faster drafts for these weights (2026-10-07)

drowzeys/keys-GLM-5.3-speculator.dspark-ft2 is a DSpark drafter fine-tuned on this checkpoint's own thinking-on outputs (GLM-5.3 license). With image 2026-10-07 and DSPARK=/models/keys-GLM-5.3-speculator.dspark-ft2 ./one-shot.sh up: prose 33.8 / code 39.0 tok/s at 32K with thinking on, against 32.2 / 34.8 with the built-in MTP head (+5 % / +12 %); 1M context validated.

Layout

PartFormatBits
Routed experts (layers 3–77, 256 each)EXL3 trellis, mul1, per-expert widthmean 2.75
MTP layer (78) expertsEXL3 mul18
Attention, shared experts, dense MLPs 0–2EXL3 mul15 (L2–49 o_proj / residual down_proj are the derisked K5)
kv_b, indexer wk / weights_proj, router, norms, embeddings, lm_headBF1616

81 safetensors shards, ~258 GB. kv_a_proj_with_mqa is stored 640 wide (576 real + zero pad).

6-bit output head (optional, added 2026-10-12)

lm_head-6bit/lm_head-6bit.safetensors (714 MB) is lm_head.weight quantized to EXL3 at 6.0 bits with exllamav3 (tensors lm_head.trellis, lm_head.suh, lm_head.svh, lm_head.mul1). This repository's lm_head.weight is byte-identical to the unmodified pack's, so it is the same file as in drowzeys/keys-GLM-5.3-EXL3-2.75BPW. The checkpoint's own lm_head.weight stays bf16 and nothing else changed.

The recipe's 2026-10-12 image reads the head from this file when it is in the checkpoint folder (hf download puts it there), and from the bf16 tensor when it is not or with HEAD_Q=off. Measured on the unmodified pack, as served on four DGX Sparks, against the BF16 checkpoint over 137,490 positions: KL 0.175612 with the bf16 head and 0.175724 with this one, top-1 agreement 89.64% and 89.60%; a head launch takes 0.79 ms against 2.16 ms.

Credits

  • Z.ai — GLM-5.3.
  • Blackfrost AI (Blackfrost-Research) — BF16 derisk projections (GLM-5.3-DERISKED-BF16) adapted here via the Keys 3 bpw EXL3 ablit pack.
  • The serving stack's third-party software and licences are listed in the serve recipe's NOTICE; its inference engine's project is not affiliated with this model and does not endorse or test it. MiaAI-Lab, Jay Leaton, BertholomusAI, turboderp / ExLlamaV3, vcruz305, b12x, NVIDIA — serving stack as on the parent card.

Use is subject to the GLM-5.3 license of the base model and the Responsible Use terms above.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
dac482e

0 моделей