GLM · 2026-08 · スパースMoE
GLM-5.3
GLM-5.3 は GLM が 2026-08 に公開した マルチヘッド潜在注意（MLA） Transformer です。78 層、隠れ次元 6144、コンテキスト長 1,048,576 トークン。
層スタック
注意機構 ×78 · 層数 78
主要スペック
| 開発元 | GLM |
|---|---|
| 公開日 | 2026-08 |
| 総パラメータ | 767.4 B |
| 活性パラメータ | 40.2 B |
| コンテキスト | 1,048,576 tokens |
| 注意機構 | MLA · kv_lora_rank 512 |
| 層数 | 78 |
| 隠れ次元 | 6,144 |
| 注意ヘッド | 64 |
| 語彙数 | 154,880 |
| 位置エンコーディング | learned/absolute |
| 正規化 | RMSNorm |
| 活性化関数 | silu |
| 学習精度 | fp8 |
| アーキテクチャクラス | GlmMoeDsaForCausalLM |
アーキテクチャ概要
注意機構
マルチヘッド潜在注意（MLA）. kv_lora_rank=512.
FFN / MoE
スパースなMixture-of-Expertsモデルで、256 個のルーティングエキスパートと top-8 ルーティングを持ち、トークンごとに約 40.2B のパラメータが活性化します。
設定にはデコード高速化のためのマルチトークン予測（MTP）層が 1 個含まれます。
フィールド単位の比較
同一開発元の前世代モデルと比較します。前世代がない場合は構造最相似モデルと比較。倍数欄 = 本モデル ÷ 比較対象。
前世代 GLM-5.2 との全フィールド比較
| モデル | GLM-5.3 | GLM-5.2 | 倍数 |
|---|---|---|---|
| model_type | glm_moe_dsa | glm_moe_dsa | ＝ |
| architectures | GlmMoeDsaForCausalLM | GlmMoeDsaForCausalLM | ＝ |
| hidden_size | 6144 | 6144 | ≈1 |
| num_hidden_layers | 78 | 78 | ≈1 |
| num_attention_heads | 64 | 64 | ≈1 |
| num_key_value_heads | 64 | 64 | ≈1 |
| head_dim | 192 | 192 | ≈1 |
| intermediate_size | 12288 | 12288 | ≈1 |
| hidden_act | silu | silu | ＝ |
| n_routed_experts | 256 | 256 | ≈1 |
| num_experts_per_tok | 8 | 8 | ≈1 |
| n_shared_experts | 1 | 1 | ≈1 |
| moe_intermediate_size | 2048 | 2048 | ≈1 |
| kv_lora_rank | 512 | 512 | ≈1 |
| qk_rope_head_dim | 64 | 64 | ≈1 |
| q_lora_rank | 2048 | 2048 | ≈1 |
| max_position_embeddings | 1048576 | 1048576 | ≈1 |
| rms_norm_eps | 0.00001 | 0.00001 | ≈1 |
| vocab_size | 154880 | 154880 | ≈1 |
| num_nextn_predict_layers | 1 | 1 | ≈1 |
| attention_bias | false | false | ＝ |
| attention_dropout | 0 | 0 | ＝ |
| dtype | bfloat16 | bfloat16 | ＝ |
| eos_token_id | 154820×1 + 154827×1 + 154829×1 | 154820×1 + 154827×1 + 154829×1 | ＝ |
| ep_size | 1 | 1 | ≈1 |
| first_k_dense_replace | 3 | 3 | ≈1 |
構造が最も近いモデル
- GLM-5.2 (GLM, 2026-06) 1.000
- Hunyuan 4 Preview (Hunyuan, 2026-08) 1.000
- GLM-5 (GLM, 2026-02) 0.999
- GLM-5.1 (GLM, 2026-04) 0.999
- GLM-5.3-Flash (GLM, 2026-08) 0.994
- Kimi K2 0905 (Kimi, 2025-09) 0.938
類似度は 0（共通のカテゴリ特徴なし）から 1（構造プロファイルが完全に一致）の範囲です。
config.json の全フィールド
53 フィールド
| architectures | GlmMoeDsaForCausalLM |
|---|---|
| attention_bias | false |
| attention_dropout | 0 |
| dtype | bfloat16 |
| eos_token_id | 154820×1 + 154827×1 + 154829×1 |
| ep_size | 1 |
| first_k_dense_replace | 3 |
| head_dim | 192 |
| hidden_act | silu |
| hidden_size | 6144 |
| index_head_dim | 128 |
| index_n_heads | 32 |
| index_share_for_mtp_iteration | true |
| index_skip_topk_offset | 3 |
| index_topk | 2048 |
| index_topk_freq | 4 |
| indexer_rope_interleave | true |
| indexer_types | full×21 + shared×57 |
| initializer_range | 0.02 |
| intermediate_size | 12288 |
| kv_lora_rank | 512 |
| max_position_embeddings | 1048576 |
| mlp_layer_types | dense×3 + sparse×75 |
| model_type | glm_moe_dsa |
| moe_intermediate_size | 2048 |
| moe_layer_freq | 1 |
| moe_router_dtype | float32 |
| n_group | 1 |
| n_routed_experts | 256 |
| n_shared_experts | 1 |
| norm_topk_prob | true |
| num_attention_heads | 64 |
| num_experts_per_tok | 8 |
| num_hidden_layers | 78 |
| num_key_value_heads | 64 |
| num_nextn_predict_layers | 1 |
| pad_token_id | 154820 |
| pretraining_tp | 1 |
| q_lora_rank | 2048 |
| qk_head_dim | 256 |
| qk_nope_head_dim | 192 |
| qk_rope_head_dim | 64 |
| rms_norm_eps | 0.00001 |
| rope_interleave | true |
| routed_scaling_factor | 2.5 |
| scoring_func | sigmoid |
| tie_word_embeddings | false |
| topk_group | 1 |
| topk_method | noaux_tc |
| transformers_version | 5.15.0 |
| use_cache | true |
| v_head_dim | 256 |
| vocab_size | 154880 |