GLM-5 官方仓库是 Z.ai 发布 GLM-5 系列模型卡、权重入口、推理框架适配和微调说明的中心页。到 2026-09-23，系列已包括 GLM-5.3、GLM-5.3-Flash、GLM-5.2、GLM-5.1 与 GLM-5；当前首页重点已经从旧稿的 5.1 转到 5.3 与 5.3-Flash。
来源：github.com/zai-org/GLM-5 查看 GitHub 仓库 → 📘 使用教程 →官方仓库近期新增 GLM-5.3 与 5.3-Flash，模型规模、部署框架和 reasoning_effort 行为都发生了变化，因此原有只讲 GLM-5/5.1 的页面已不能指导当前选型。
来源：github.com/zai-org/GLM-5/releasesGLM-5.3 沿用 GLM-5.2 的基座，性能提升来自后训练；GLM-5.3-Flash 使用新基座，把稀疏注意力与线性注意力结合，并采用 mHC。
来源：github.com/zai-org/GLM-5GLM-5.3 为 744B 总参数、40B 激活参数；5.3-Flash 为 320B 总参数、18B 激活参数。两者均有 BF16 和 FP8，并同时放在 Hugging Face 与 ModelScope。
来源：github.com/zai-org/GLM-55.3-Flash 官方列出 SGLang、vLLM、TokenSpeed、Transformers、KTransformers 和 Unsloth；5.3 及更早模型列出 SGLang、vLLM、Transformers、KTransformers、Unsloth，并给出 Ascend NPU 路径。
来源：github.com/zai-org/GLM-5GLM-5.3 与 5.3-Flash 接受 low、high、max 三档 reasoning_effort，未传或传入其他值时回退到 max；聊天场景还应显式传 clear_thinking=true。
来源：github.com/zai-org/GLM-5GLM-5.3 是 744B-A40B 的 MoE 模型，沿用 GLM-5.2 基座并通过后训练升级；5.3-Flash 是 320B-A18B 的新基座，采用稀疏注意力与线性注意力混合架构、mHC，并使用 30T token 多模态语料。仓库本身以模型卡和下载、部署、微调入口为主，不是一个下载后直接运行的桌面应用。服务侧需选 SGLang、vLLM 等框架加载对应精度权重，再由调用方传入推理预算与聊天模板参数。
来源：github.com/zai-org/GLM-5Hugging Face 或 ModelScope 上的 GLM-5 系…SGLang、vLLM、Transformers、KTransforme…与权重精度和并行方式相匹配的 GPU/NPU、显存与存储微调可用 Slime 0.3.0+ 或 ms-swift 4.4.0+GLM-5.3 面向复杂编码、长链路代理和系统工程；5.3-Flash 更适合在部署开销与能力之间做取舍。团队可以通过官方 API 先做任务级评估，再决定是否投入自托管。自托管前应以真实上下文长度、并发量、工具调用正确率、延迟和显存为准，不应只凭官方基准图决定容量。
来源：github.com/zai-org/GLM-5截至 2026-09-23，官方仓库没有 GitHub release。当前滚动模型卡的最新主线是 GLM-5.3 与 GLM-5.3-Flash；部署时应记录具体权重 revision，而不是引用不存在的 release tag。
来源：github.com/zai-org/GLM-5/releasesstatus: docs-only | checked_at: 2026-09-23 | environment: 只核对官方 GLM-5 仓库 README、下载表、推理/微调说明、LICENSE 与 GitHub Releases 页面 | limitations: 未下载模型或容器，未调用 Z.ai API，未启动 SGLang/vLLM/Transformers，未测显存、速度、上下文、工具调用、推理预算或任何官方基准 | observed_output: 官方当前顶部版本为 GLM-5.3 与 GLM-5.3-Flash；下载表列出 744B-A40B 和 320B-A18B 的 BF16/FP8 权重；GitHub Releases 页面显示没有任何正式 release
来源：github.com/zai-org/GLM-5/releasesQwen3-Coder 官方仓库同样面向开放权重的代理编码，但当前提供 Qwen3-Coder-Next（基于 80B-A3B 基座）、30B-A3B 与 480B-A35B 等多种尺寸，并强调 256K 原生上下文和本地开发；GLM-5.3 当前主线是 744B-A40B，Flash 也为 320B-A18B，更偏大型服务部署。硬件受限时先评估 Qwen3-Coder 的较小变体；已经有多卡推理基础设施、并需要 GLM 的 reasoning_effort 与聊天模板行为时再评估 GLM-5.3。
来源：github.com/QwenLM/Qwen3-CoderGLM-5 页面值得保留，但必须按模型系列而不是单一旧版本来写。实际选型先分清 5.3 与 Flash，再根据权重规模、推理框架、真实负载和可重复的内部评测决定 API 还是自托管。
来源：github.com/zai-org/GLM-5不是。到 2026-09-23，主线已经是 GLM-5.3 与 GLM-5.3-Flash，仓库同时保留 5.2、5.1 和 5 的下载入口。
5.3 是 744B-A40B，沿用 5.2 基座；Flash 是新训练的 320B-A18B 基座，采用混合注意力和 mHC。先按硬件筛选，再用真实任务比较。
官方说明聊天模板默认值是 false。聊天场景显式传 true，可以避免跨轮思考状态的处理方式偏离预期。
没有。官方 Releases 页面目前为空。生产部署应固定权重 revision、推理框架、容器和配置，自己建立可回滚版本。