Open weights
Open weights GLM-5: apa yang dapat Anda unduh dan jalankan
§ 01Repositori
Model GLM-5 dengan bobot publik
Hanya model dengan repositori resmi Hugging Face yang dicantumkan. Jumlah parameter hanya ditampilkan jika tertera pada model card.
| Model | Repositori Hugging Face | Lisensi | Parameter | Input | Dirilis |
|---|---|---|---|---|---|
| GLM-5 | zai-org/GLM-5 | MIT | 744B / 40B active | Teks | 11 Feb 2026 |
| GLM-5.1 | zai-org/GLM-5.1 | MIT | Tidak dipublikasikan | Teks | 7 Apr 2026 |
| GLM-5.2 | zai-org/GLM-5.2 | MIT | Tidak dipublikasikan | Teks | 16 Jun 2026 |
| GLM-5.3 | zai-org/GLM-5.3 | GLM-5.3 (custom) | Tidak dipublikasikan | Teks | 18 Agu 2026 |
| GLM-5.3 Flash | zai-org/GLM-5.3-Flash | MIT | 320B / 18B active | Teks, Gambar, Video | 26 Agu 2026 |
Lisensi seperti yang tertera di setiap repositori Hugging Face. Selalu baca dokumen lisensi lengkap sebelum penggunaan komersial.
Hanya API, tanpa bobot publik: GLM-5-Turbo, GLM-5V-Turbo, GLM-5.3 FlashX, GLM-5.3 Prime.
§ 02Latar Belakang
Arti open weights bagi GLM-5
Weights asli, bukan versi uji coba sederhana
Rilis open-weights berarti parameter yang telah dilatih tersedia untuk publik: Anda dapat mengunduh berkasnya, menjalankannya di perangkat keras milik Anda sendiri, memeriksa isinya, serta melakukan fine-tune. Untuk GLM-5, ini adalah model yang sama persis dengan yang disediakan Z.ai melalui API resminya, bukan sekadar demo versi pangkasan. Repositori GLM-5 dilengkapi dengan laporan teknis, "GLM-5: from Vibe Coding to Agentic Engineering" (arXiv 2602.15763), serta repositori GitHub yang memuat contoh deployment.
Open weights tidak sepenuhnya sama dengan open source murni dalam arti ketat: data pelatihan dan seluruh alur kerja (pipeline) pelatihannya tidak dipublikasikan. Yang Anda dapatkan adalah modelnya, konfigurasinya, tokenizer, serta chat template, ditambah dokumentasi dari Z.ai tentang cara melakukan serving model tersebut.
MIT versus lisensi GLM-5.3
GLM-5, GLM-5.1, GLM-5.2, dan GLM-5.3 Flash dirilis di bawah lisensi MIT. MIT adalah salah satu lisensi paling permisif yang ada: lisensi ini mengizinkan penggunaan komersial, modifikasi, serta redistribusi, asalkan pemberitahuan hak cipta dan lisensi tetap disertakan.
GLM-5.3 berbeda. Repositori Hugging Face miliknya mencantumkan lisensi sebagai "other" dengan nama glm-5.3, yang menandakan adanya lisensi khusus buatan Z.ai. Jangan menganggap lisensi ini memberikan kebebasan yang sama persis seperti MIT; baca ketentuannya dengan cermat, terutama jika Anda berencana menawarkan layanan komersial atau merilis model turunan.
- Permisif (MIT): GLM-5, GLM-5.1, GLM-5.2, GLM-5.3 Flash.
- Lisensi khusus: GLM-5.3.
- Tidak dapat diunduh: GLM-5 Turbo, GLM-5V-Turbo, GLM-5.3 FlashX, GLM-5.3 Prime.
Model open mana yang sebaiknya dipilih terlebih dahulu
Jika Anda menginginkan model coding open source paling mumpuni dari lini ini dan lisensinya cocok dengan kebutuhan Anda, pilihannya adalah GLM-5.3. Jika Anda memerlukan lisensi permisif serta dukungan input gambar atau video, GLM-5.3 Flash adalah pilihan yang tepat: Z.ai melaporkan bahwa model ini mengungguli GLM-5.2 meskipun hanya menggunakan 18 miliar parameter aktif dari total 320B. GLM-5.2 adalah opsi berlisensi MIT jika Anda menginginkan lini flagship dengan konteks 1M token yang solid, sedangkan GLM-5 adalah titik awal terbaik yang terdokumentasi lengkap untuk keperluan riset.
§ 03Menjalankan secara lokal
Cara kerja local serving
Gambaran umum. Model card serta dokumentasi resmi dari masing-masing framework adalah panduan rujukan utamanya.
Pilih serving framework
Model card GLM-5 mencantumkan vLLM, SGLang, KTransformers, xLLM, dan Hugging Face Transformers untuk deployment lokal. vLLM dan SGLang adalah pilihan umum untuk server yang kompatibel dengan OpenAI di GPU; KTransformers berfokus menjalankan model mixture-of-experts berskala sangat besar dengan kombinasi CPU dan GPU; xLLM adalah opsi terdokumentasi untuk NPU Ascend. Model card GLM-5.2 dan GLM-5.3 Flash juga menautkan ke panduan Unsloth untuk eksekusi lokal.
Jalankan server, lalu panggil layaknya API
Setelah server berjalan, ia menyediakan endpoint chat completions yang sama persis seperti API yang di-host, sehingga contoh kode di halaman API kami dapat langsung digunakan pada localhost. Gunakan tool-call dan reasoning parser yang tertera pada model card agar pemanggilan tool dan proses berpikir (thinking) terpisah dengan benar dari jawaban akhir.
Rencanakan kebutuhan perangkat keras secara realistis
Ini adalah model skala frontier. Bahkan dengan sparsitas mixture-of-experts, semua bobot harus disimpan di memori, dan konteks panjang menambahkan key-value cache yang besar di atasnya. Contoh resmi GLM-5 melakukan sharding model ke delapan GPU. Pengaturan yang lebih kecil mengandalkan build komunitas terkuantisasi, yang menukar sedikit kualitas demi ukuran.
Contoh dari model card GLM-5
vllm serve zai-org/GLM-5 \
--tensor-parallel-size 8 \
--gpu-memory-utilization 0.85 \
--speculative-config.method mtp \
--speculative-config.num_speculative_tokens 3 \
--tool-call-parser glm47 \
--reasoning-parser glm45 \
--enable-auto-tool-choice \
--served-model-name glm-5Perintah-perintah ini dikutip dari model card zai-org/GLM-5. Flag dan versi dapat berubah; periksa model card dan catatan rilis framework sebelum Anda menjalankannya.
Framework yang disebutkan pada model card
Perhatian perangkat keras: kami sengaja tidak mencantumkan persyaratan GPU atau memori. Kebutuhan tersebut bergantung pada presisi, kuantisasi, framework, dan panjang konteks — konteks 1M token (1.05M) membutuhkan memori jauh lebih besar daripada konteks pendek. Tentukan ukuran perangkat keras Anda dari dokumentasi framework dan uji dengan beban kerja riil Anda.
§ 04FAQ
Pertanyaan seputar open-weights
Q01Model GLM-5 mana saja yang dapat saya unduh?
GLM-5, GLM-5.1, GLM-5.2, GLM-5.3, dan GLM-5.3 Flash dirilis di Hugging Face di bawah organisasi zai-org.
Q02Apakah saya dapat menggunakan bobot GLM-5 secara komersial?
Model berlisensi MIT (GLM-5, GLM-5.1, GLM-5.2, dan GLM-5.3 Flash) mengizinkan penggunaan komersial asalkan pemberitahuan lisensi tetap disertakan. GLM-5.3 menggunakan lisensi kustom, jadi periksa persyaratannya terlebih dahulu.
Q03Apakah saya dapat menjalankan GLM-5 di laptop?
Tidak dalam ukuran penuh. Bahkan GLM-5.3 Flash memiliki total 320 miliar parameter. Build komunitas yang terkuantisasi secara agresif dapat menurunkan kebutuhan memori, tetapi model dengan kualitas penuh ditujukan untuk server multi-GPU.
Q04Apakah GLM-5 Turbo atau GLM-5.3 Prime merupakan open weights?
Tidak. GLM-5 Turbo, GLM-5V-Turbo, GLM-5.3 FlashX, dan GLM-5.3 Prime hanya tersedia melalui API.
Q05Apakah ada cara yang lebih mudah untuk mencoba model-model ini?
Ya. Obrolan gratis kami menjalankan GLM-5.3 Flash dan GLM-5.3 langsung di browser tanpa perlu pengaturan, sehingga Anda dapat mengevaluasi model tersebut sebelum berinvestasi pada perangkat keras.
Coba sekarang
Tanyakan sesuatu yang nyata kepada GLM-5.3.
Tanpa akun, tanpa kartu, tanpa instalasi. Ketik pertanyaan dan lihat GLM-5.3 Flash menjawab dalam hitungan detik — beralih ke GLM-5.3 untuk masalah tersulit.