Startseite›Modelle›glm-5.3-flash
glm-5.3-flash
Architektur Expertenmischung45 SchichtenLizenz mitMaximaler Kontext 1.024kVokabular 154.880
Bei Q4_K_M ist das eine Datei von 187,04 GiB, und sie passt auf 1 der 18 Rechner, die wir durchrechnen (nur einer: Mac Studio mit M5 Ultra und 512 GB Unified Memory). Hier füllt die Datei den Speicher: Selbst beim maximalen Kontext von 1024k Tokens kommen 22,00 GiB hinzu — und derselbe Inhalt braucht auf Deutsch 1,49-mal so viele Tokens wie auf Englisch.
Modellgröße bei Q4_K_M
Von Local AI Scope gemessen
Kontextspeicher bei 8k Tokens
Von Local AI Scope gemessen
Was Deutsch gegenüber Englisch kostet
Von Local AI Scope gemessen
Videos: glm-5.3-flash 3
Die besten Vorführungen, die wir gefunden haben. Drücken Sie auf Play, und es läuft direkt hier.
Die Videos liegen bei YouTube, und von dort wird nichts geladen, bevor Sie auf Play drücken (Modus ohne Cookies). Das Vorschaubild kommt von uns.
Größen der veröffentlichten Dateien
Das sind die Größen der tatsächlich vom Autor veröffentlichten Dateien, addiert, wenn das Modell in Teilen ausgeliefert wird. Keine Schätzung aus der Parameterzahl.
| Kompression | Modellgröße |
|---|---|
Q8_0 |
318,05 GiB |
Q6_K |
261,74 GiB |
Q5_K_M |
226,96 GiB |
Q5_K_S |
212,26 GiB |
Q4_K_M |
187,04 GiB |
Q4_K_S |
176,30 GiB |
IQ4_XS |
165,54 GiB |
Q3_K_M |
144,37 GiB |
Dieses Modell liest auch Bilder. Dafür braucht es eine zweite Datei, den Vision-Projektor (mmproj-GLM-5.3-Flash-BF16-f16.gguf, 1,05 GiB), die neben dem Modell veröffentlicht wird und in den Zahlen dieser Seite nicht enthalten ist: Sie zählen nur Text. Wenn Sie ihm Bilder schicken wollen, rechnen Sie diese Datei zur Modellgröße hinzu.
Kontextspeicher
Berechnet aus dem Aufmerksamkeitsmuster, das dieses Modell Schicht für Schicht angibt, nicht aus der generischen Formel. Deshalb liegt der Wert oft deutlich unter dem anderer Rechner. Dieses Modell speichert seinen Kontextspeicher komprimiert (latente Aufmerksamkeit): pro Schicht und Token ein Vektor mit 512 Werten statt seiner 64 Köpfe zu je 256. Wir rechnen ihn als einen Kopf mit 512 für den Schlüssel und einen weiteren für den Wert – etwas mehr, als er wirklich belegt (ein Latent dient beiden). Diese Zahlen liegen also eher zu hoch, nie zu niedrig.
- 8k Tokens → 0,17 GiB
- 32k Tokens → 0,69 GiB
- 128k Tokens → 2,75 GiB
Was es in jeder Sprache kostet
Gemessen, indem der Tokenizer dieses Modells über denselben Inhalt in vier Sprachen läuft. Tokens sind das, was man im Kontext, im Speicher und auf der Cloud-Rechnung zahlt.
| Textsorte | EN | ES | FR | DE |
|---|---|---|---|---|
| Code | — | ×1,26 | ×1,41 | ×1,64 |
| Verträge | — | ×1,29 | ×1,36 | ×1,52 |
| Geschäftliche E-Mails | — | ×1,22 | ×1,32 | ×1,32 |
| Support-Tickets | — | ×1,33 | ×1,51 | ×1,41 |
Englisch ist die Referenz: Jede Zahl gibt an, um wie viel mehr Tokens derselbe Inhalt in dieser Sprache kostet. Durchschnitt über das gesamte Korpus: DE ×1,49.
Wo es passt
Passt heißt: Modell, Kontextspeicher und Arbeitsreserve passen beim angegebenen Kontext gemeinsam hinein und lassen dem System seinen Anteil. 1 von den 18 getesteten Rechnern (Q4_K_M, 8k Tokens).
Wenn Sie es stärker komprimieren, läuft es auch dort, wo die Tabelle Nein sagt: als Q3_K_M (144,37 GiB) mit bis zu 256k Tokens Kontext auf PC mit Ryzen AI Max+ PRO 495 und 192 GB Unified Memory. Unterhalb von Q4_K_M verliert das Modell etwas an Qualität, bei Q3_K_M merkt man es; deshalb bleibt die Tabelle oben bei Q4_K_M.
Bevor Sie auf Download klicken: Stand 6. Oktober 2026 führt der Weg, dieses Modell auf einem dieser Rechner zu betreiben, über llama.cpp: Die stabile v0.6.0, erschienen am 5. Oktober 2026, öffnet es, ebenso die täglichen Builds ab b11279; ältere Versionen nicht. Ollama und LM Studio bieten es nur in ihrer Cloud an (in ihren Katalogen gibt es keinen lokalen Download), und mlx-lm unterstützt seine Architektur nicht. vLLM unterstützt es, aber mit den originalen FP8-Gewichten (305,81 GiB) im Grafikspeicher, und kein PC auf unserer Liste hat so viel VRAM. Ein Pluspunkt: Die Datei Q4_K_M enthält eine 3,93 GiB große Schicht zur Vorhersage mehrerer Tokens auf einmal, die llama.cpp nicht lädt; damit braucht das Modell 3,93 GiB weniger Speicher, als die Tabelle ausweist.