GLM · 2026-08 · 稀疏 MoE · 多模态
GLM-5.3-Flash
GLM-5.3-Flash 是 GLM 于 2026-08 发布的 多头潜在注意力（MLA） Transformer，共 45 层，隐藏维度 4096，上下文窗口 1,048,576 个 token。
层堆栈
线性 ×34 sparse ×11 · 层数 45
关键参数
| 实验室 | GLM |
|---|---|
| 发布时间 | 2026-08 |
| 总参数 | 328.9 B |
| 激活参数 | 13 B |
| 上下文 | 1,048,576 tokens |
| 注意力 | MLA · kv_lora_rank 512 |
| 层数 | 45 |
| 隐藏维度 | 4,096 |
| 注意力头 | 64 |
| 词表 | 154,880 |
| 位置编码 | learned/absolute |
| 归一化 | RMSNorm |
| 激活函数 | silu |
| 训练精度 | fp8 |
| 架构类名 | Glm5NextForConditionalGeneration |
架构概览
注意力
多头潜在注意力（MLA）. kv_lora_rank=512.
前馈 / MoE
它是稀疏混合专家模型：288 个路由专家、top-8 路由；每个 token 约激活 13B 参数。
配置中包含 1 个额外的多 token 预测（MTP）层，用于加速解码。
字段级对比
对比对象为同实验室的上一代模型；无前代时取结构最相似的模型。倍数列 = 本模型数值 ÷ 对比模型数值。
与前代 GLM-5.3 的全字段对比
| 模型 | GLM-5.3-Flash | GLM-5.3 | 倍数 |
|---|---|---|---|
| model_type | glm5_next | glm_moe_dsa | ≠ |
| architectures | Glm5NextForConditionalGeneration | GlmMoeDsaForCausalLM | ≠ |
| hidden_size | 4096 | 6144 | ×0.667 |
| num_hidden_layers | 45 | 78 | ×0.577 |
| num_attention_heads | 64 | 64 | ≈1 |
| num_key_value_heads | 64 | 64 | ≈1 |
| head_dim | 0 | 192 | ×0.000 |
| intermediate_size | 12288 | 12288 | ≈1 |
| hidden_act | silu | silu | ＝ |
| n_routed_experts | 288 | 256 | ×1.13 |
| 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 | 0 | 64 | ×0.000 |
| q_lora_rank | 1536 | 2048 | ×0.750 |
| 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 |
| image_token_id | 154854 | — | |
| video_token_id | 154855 | — | |
| image_start_token_id | 154830 | — | |
| image_end_token_id | 154831 | — | |
| video_start_token_id | 154832 | — | |
| video_end_token_id | 154833 | — |
结构最相似的模型
- GLM-5.2 (GLM, 2026-06) 0.994
- GLM-5.3 (GLM, 2026-08) 0.994
- Hunyuan 4 Preview (Hunyuan, 2026-08) 0.994
- GLM-5 (GLM, 2026-02) 0.992
- GLM-5.1 (GLM, 2026-04) 0.992
- Kimi K2 0905 (Kimi, 2025-09) 0.935
相似度取值范围 0（无共同类别特征）到 1（结构画像完全一致）。
原始 config 字段
65 个字段
| architectures | Glm5NextForConditionalGeneration |
|---|---|
| image_token_id | 154854 |
| video_token_id | 154855 |
| image_start_token_id | 154830 |
| image_end_token_id | 154831 |
| video_start_token_id | 154832 |
| video_end_token_id | 154833 |
| tie_word_embeddings | false |
| model_type | glm5_next |
| transformers_version | 5.16.0 |
| attention_bias | false |
| attention_dropout | 0 |
| dtype | bfloat16 |
| eos_token_id | 154820×1 + 154827×1 + 154829×1 |
| first_k_dense_replace | 3 |
| hc_eps | 0.000001 |
| hc_mult | 4 |
| hc_sinkhorn_iters | 20 |
| head_dim | 0 |
| hidden_act | silu |
| hidden_size | 4096 |
| index_head_dim | 128 |
| index_kpool | 4 |
| index_kpool_always_select_tail | true |
| index_kpool_compress | true |
| index_n_heads | 32 |
| index_topk | 2048 |
| index_share_for_mtp_iteration | true |
| indexer_rope_interleave | true |
| indexer_types | full×45 |
| initializer_range | 0.02 |
| intermediate_size | 12288 |
| kv_lora_rank | 512 |
| layer_types | linear_attention×34 + deepseek_sparse_attention×11 |
| max_position_embeddings | 1048576 |
| mhc | true |
| mla_use_nope | true |
| mlp_layer_types | dense×3 + sparse×42 |
| moe_intermediate_size | 2048 |
| moe_router_dtype | float32 |
| n_group | 1 |
| n_routed_experts | 288 |
| n_shared_experts | 1 |
| norm_topk_prob | true |
| num_attention_heads | 64 |
| num_experts_per_tok | 8 |
| num_hidden_layers | 45 |
| num_key_value_heads | 64 |
| num_nextn_predict_layers | 1 |
| output_router_logits | false |
| pad_token_id | 154820 |
| q_lora_rank | 1536 |
| qk_head_dim | 256 |
| qk_nope_head_dim | 256 |
| qk_rope_head_dim | 0 |
| rms_norm_eps | 0.00001 |
| routed_scaling_factor | 2.5 |
| router_aux_loss_coef | 0.001 |
| scoring_func | sigmoid |
| swiglu_limit | 10 |
| topk_group | 1 |
| topk_method | noaux_tc |
| use_cache | true |
| v_head_dim | 256 |
| vocab_size | 154880 |