Pesi aperti
Pesi aperti di GLM-5: cosa puoi scaricare ed eseguire
§ 01Repository
Modelli GLM-5 con pesi pubblici
Sono elencati solo i modelli con una repository ufficiale su Hugging Face. Il numero di parametri compare solo dove indicato nella model card.
| Modello | Repository Hugging Face | Licenza | Parametri | Input | Rilasciato |
|---|---|---|---|---|---|
| GLM-5 | zai-org/GLM-5 | MIT | 744B / 40B active | Testo | 11 feb 2026 |
| GLM-5.1 | zai-org/GLM-5.1 | MIT | Non pubblicato | Testo | 7 apr 2026 |
| GLM-5.2 | zai-org/GLM-5.2 | MIT | Non pubblicato | Testo | 16 giu 2026 |
| GLM-5.3 | zai-org/GLM-5.3 | GLM-5.3 (custom) | Non pubblicato | Testo | 18 ago 2026 |
| GLM-5.3 Flash | zai-org/GLM-5.3-Flash | MIT | 320B / 18B active | Testo, Immagine, Video | 26 ago 2026 |
Licenze indicate in ciascuna repository Hugging Face. Leggi sempre il file di licenza completo prima dell'uso commerciale.
Solo API, senza pesi pubblici: GLM-5-Turbo, GLM-5V-Turbo, GLM-5.3 FlashX, GLM-5.3 Prime.
§ 02Contesto
Cosa significano i pesi aperti per GLM-5
Pesi reali, non una versione dimostrativa
Un rilascio con pesi aperti significa che i parametri addestrati veri e propri sono pubblici: puoi scaricare i file, eseguirli su hardware sotto il tuo controllo, ispezionarli e fare fine-tuning. Per GLM-5 si tratta degli stessi modelli che Z.ai mette a disposizione tramite la sua API, non di demo ridotte. Il repository di GLM-5 è accompagnato da un report tecnico, "GLM-5: from Vibe Coding to Agentic Engineering" (arXiv 2602.15763), e da un repository GitHub con esempi di deployment.
I pesi aperti non equivalgono all'open source completo in senso stretto: i dati di addestramento e l'intera pipeline di training non vengono pubblicati. Ciò che ottieni è il modello, la sua configurazione, il tokenizer e il chat template, oltre alla documentazione di Z.ai su come fare il serving.
Licenza MIT rispetto alla licenza di GLM-5.3
GLM-5, GLM-5.1, GLM-5.2 e GLM-5.3 Flash sono rilasciati sotto licenza MIT. La MIT è una delle licenze più permissive esistenti: consente l'uso commerciale, la modifica e la ridistribuzione, a condizione che l'avviso di copyright e di licenza vengano mantenuti.
GLM-5.3 è diverso. Il suo repository su Hugging Face indica la licenza come "other" con il nome glm-5.3, il che significa una licenza personalizzata redatta da Z.ai. Non dare per scontato che garantisca le stesse libertà della MIT; leggi attentamente i termini, soprattutto se intendi offrire un servizio commerciale o distribuire modelli derivati.
- Permissiva (MIT): GLM-5, GLM-5.1, GLM-5.2, GLM-5.3 Flash.
- Licenza personalizzata: GLM-5.3.
- Non scaricabili: GLM-5 Turbo, GLM-5V-Turbo, GLM-5.3 FlashX, GLM-5.3 Prime.
Con quale modello aperto iniziare
Se cerchi il modello di coding aperto più capace della famiglia e la sua licenza è adatta alle tue esigenze, la scelta è GLM-5.3. Se hai bisogno di una licenza permissiva e dell'input di immagini o video, GLM-5.3 Flash è la scelta naturale: Z.ai riporta che supera GLM-5.2 pur utilizzando solo 18 miliardi di parametri attivi su 320 miliardi. GLM-5.2 è l'opzione MIT ideale se desideri la linea ammiraglia con un solido contesto da 1M di token, mentre GLM-5 è il punto di partenza meglio documentato per la ricerca.
§ 03Esecuzione in locale
Come funziona il serving in locale
Una panoramica generale. Le model card e la documentazione ufficiale dei framework rappresentano le guide definitive.
Scegli un framework di serving
La model card di GLM-5 elenca vLLM, SGLang, KTransformers, xLLM e Hugging Face Transformers per il deployment locale. vLLM e SGLang sono la scelta consueta per un server compatibile con OpenAI su GPU; KTransformers si concentra sull'esecuzione di modelli mixture-of-experts molto grandi combinando CPU e GPU; xLLM è il percorso documentato per le NPU Ascend. Le schede di GLM-5.2 e GLM-5.3 Flash rimandano inoltre alle guide di Unsloth per l'esecuzione in locale.
Avvia il server, poi chiamalo come l'API
Una volta avviato il server, esso espone lo stesso endpoint chat completions dell'API hosted, quindi gli esempi di codice sulla nostra pagina API funzionano direttamente su localhost. Usa i parser di tool-call e reasoning indicati nella model card, in modo che le chiamate ai tool e la fase di thinking vengano separate correttamente dalla risposta finale.
Pianifica l'hardware in modo realistico
Questi sono modelli frontier-scale. Anche con la sparsità mixture-of-experts, tutti i pesi devono essere caricati in memoria, e i contesti lunghi aggiungono un'ampia cache key-value. Negli esempi ufficiali di GLM-5 il modello viene ripartito tramite sharding su otto GPU. I setup più compatti ricorrono a build quantizzate della community, che sacrificano parte della qualità a vantaggio delle dimensioni.
Esempio dalla model card di 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-5Questi comandi sono tratti dalla model card di zai-org/GLM-5. Flag e versioni cambiano; consulta la card e le note di rilascio del framework prima di eseguirli.
Framework menzionati nelle model card
Nota sull'hardware: non indichiamo intenzionalmente requisiti di memoria o GPU. Dipendono da precisione, quantizzazione, framework e lunghezza del contesto: un contesto da 1M di token (1.05M) richiede molta più memoria rispetto a uno breve. Dimensiona il tuo hardware in base alla documentazione del framework ed esegui test con il tuo reale carico di lavoro.
§ 04FAQ
Domande sui modelli open-weights
Q01Quali modelli GLM-5 posso scaricare?
GLM-5, GLM-5.1, GLM-5.2, GLM-5.3 e GLM-5.3 Flash sono pubblicati su Hugging Face sotto l'organizzazione zai-org.
Q02Posso usare i pesi di GLM-5 per scopi commerciali?
I modelli con licenza MIT (GLM-5, GLM-5.1, GLM-5.2 e GLM-5.3 Flash) consentono l'uso commerciale mantenendo la nota di licenza. GLM-5.3 utilizza una licenza personalizzata, pertanto è opportuno verificarne prima i termini.
Q03Posso eseguire GLM-5 su un laptop?
Non a grandezza intera. Persino GLM-5.3 Flash conta 320 miliardi di parametri in totale. Le build della community fortemente quantizzate possono ridurre il fabbisogno di memoria, ma i modelli a piena qualità sono pensati per server multi-GPU.
Q04GLM-5 Turbo o GLM-5.3 Prime sono open weights?
No. GLM-5 Turbo, GLM-5V-Turbo, GLM-5.3 FlashX e GLM-5.3 Prime sono disponibili solo tramite API.
Q05C'è un modo più semplice per provare questi modelli?
Sì. La nostra chat gratuita esegue GLM-5.3 Flash e GLM-5.3 nel browser senza alcuna configurazione, consentendoti di valutare i modelli prima di investire nell'hardware.
Provalo ora
Fai una domanda reale a GLM-5.3.
Nessun account, nessuna carta, nessuna installazione. Scrivi una domanda e guarda GLM-5.3 Flash rispondere in pochi secondi — passa a GLM-5.3 per i problemi più complessi.