Chuyển đến nội dung
GLM5.org
Mở chat
huggingface.co/zai-org

Trọng số mở

Trọng số mở GLM-5: những gì bạn có thể tải về và vận hành

Năm mô hình GLM-5 được tổ chức zai-org của Z.ai phát hành trên Hugging Face. Bốn mô hình sử dụng giấy phép MIT; GLM-5.3 áp dụng giấy phép riêng. Dưới đây là nội dung của từng repository, quyền hạn cấp phép và những yêu cầu thực tế để chạy cục bộ.
zai-org trên Hugging FaceDùng thử GLM-5.3 không cần cài đặt
Bản vẽ đẳng cự dạng đường nét thể hiện các bo mạch máy chủ cùng luồng tệp trọng số mô hình nạp vào

§ 01Repositories

Các mô hình GLM-5 có trọng số công khai

Chỉ các mô hình có repository chính thức trên Hugging Face mới được liệt kê. Số lượng tham số chỉ hiển thị khi có ghi chú trên model card.

Các mô hình GLM-5 có trọng số công khai
Mô hìnhRepository trên Hugging FaceGiấy phépTham sốĐầu vàoPhát hành
GLM-5zai-org/GLM-5MIT744B / 40B activeVăn bản11 thg 2, 2026
GLM-5.1zai-org/GLM-5.1MITChưa công bốVăn bản7 thg 4, 2026
GLM-5.2zai-org/GLM-5.2MITChưa công bốVăn bản16 thg 6, 2026
GLM-5.3zai-org/GLM-5.3GLM-5.3 (custom)Chưa công bốVăn bản18 thg 8, 2026
GLM-5.3 Flashzai-org/GLM-5.3-FlashMIT320B / 18B activeVăn bản, Hình ảnh, Video26 thg 8, 2026

Giấy phép hiển thị trên từng repository Hugging Face. Luôn đọc kỹ toàn bộ tệp giấy phép trước khi sử dụng cho mục đích thương mại.

Chỉ qua API, không có trọng số công khai: GLM-5-Turbo, GLM-5V-Turbo, GLM-5.3 FlashX, GLM-5.3 Prime.

§ 02Bối cảnh

Ý nghĩa của trọng số mở đối với GLM-5

Trọng số thực thụ, không phải bản đồ chơi rút gọn

Phát hành trọng số mở (open weights) nghĩa là chính các tham số đã qua huấn luyện được công khai: bạn có thể tải về các tệp, chạy chúng trên phần cứng do bạn kiểm soát, kiểm tra và fine-tune chúng. Đối với GLM-5, đây chính là các mô hình mà Z.ai cung cấp qua API của họ, chứ không phải các bản demo rút gọn. Kho lưu trữ của GLM-5 đi kèm với báo cáo kỹ thuật "GLM-5: from Vibe Coding to Agentic Engineering" (arXiv 2602.15763) và một kho lưu trữ GitHub chứa các ví dụ triển khai.

Trọng số mở không hoàn toàn giống với mã nguồn mở hoàn toàn theo nghĩa nghiêm ngặt: dữ liệu huấn luyện và toàn bộ pipeline huấn luyện không được công bố. Những gì bạn nhận được là mô hình, cấu hình của nó, tokenizer và chat template, kèm theo tài liệu hướng dẫn của Z.ai về cách triển khai (serve) mô hình.

Giấy phép MIT so với giấy phép GLM-5.3

GLM-5, GLM-5.1, GLM-5.2 và GLM-5.3 Flash được phát hành theo giấy phép MIT. MIT là một trong những giấy phép thông thoáng nhất hiện nay: nó cho phép sử dụng thương mại, chỉnh sửa và phân phối lại, miễn là giữ nguyên thông báo bản quyền và giấy phép.

GLM-5.3 thì khác. Kho lưu trữ Hugging Face của mô hình liệt kê giấy phép là "other" với tên glm-5.3, nghĩa là một giấy phép tùy chỉnh do Z.ai soạn thảo. Đừng mặc định rằng nó trao các quyền tự do tương tự như MIT; hãy đọc kỹ các điều khoản của nó, đặc biệt nếu bạn dự định cung cấp dịch vụ thương mại hoặc phát hành các mô hình phái sinh.

  • Thông thoáng (MIT): GLM-5, GLM-5.1, GLM-5.2, GLM-5.3 Flash.
  • Giấy phép tùy chỉnh: GLM-5.3.
  • Không thể tải về: GLM-5 Turbo, GLM-5V-Turbo, GLM-5.3 FlashX, GLM-5.3 Prime.

Nên bắt đầu với mô hình mở nào

Nếu bạn muốn mô hình lập trình nguồn mở mạnh mẽ nhất trong dòng mô hình này và giấy phép của nó phù hợp với mục đích sử dụng của bạn, thì đó là GLM-5.3. Nếu bạn cần giấy phép thông thoáng cùng khả năng nhận đầu vào là hình ảnh hoặc video, GLM-5.3 Flash là lựa chọn tự nhiên: Z.ai cho biết mô hình này vượt trội hơn GLM-5.2 trong khi chỉ sử dụng 18B tham số kích hoạt trong tổng số 320B. GLM-5.2 là lựa chọn dùng giấy phép MIT khi bạn muốn dòng flagship với ngữ cảnh 1M token vững chắc, còn GLM-5 là điểm khởi đầu có tài liệu hướng dẫn đầy đủ nhất cho việc nghiên cứu.

§ 03Chạy cục bộ

Cơ chế hoạt động khi triển khai cục bộ

Một bản phác thảo tổng quan. Model card và tài liệu riêng của các framework mới là hướng dẫn chuẩn xác nhất.

Chọn một serving framework

Model card của GLM-5 liệt kê vLLM, SGLang, KTransformers, xLLM và Hugging Face Transformers cho việc triển khai cục bộ. vLLM và SGLang là lựa chọn phổ biến để dựng server tương thích OpenAI trên GPU; KTransformers tập trung vào việc chạy các mô hình mixture-of-experts rất lớn kết hợp CPU và GPU; xLLM là lộ trình có tài liệu hướng dẫn cho NPU Ascend. Model card của GLM-5.2 và GLM-5.3 Flash cũng liên kết đến các hướng dẫn của Unsloth để chạy cục bộ.

Serve, sau đó gọi như API

Khi server đang chạy, nó sẽ hiển thị cùng một endpoint chat completions như API được lưu trữ, do đó các đoạn mã mẫu trên trang API của chúng tôi đều hoạt động được với localhost. Hãy sử dụng các parser tool-call và reasoning được nêu trên model card để các lệnh gọi công cụ và suy nghĩ được tách biệt chính xác khỏi câu trả lời cuối cùng.

Lên kế hoạch phần cứng một cách thực tế

Đây là các mô hình quy mô hàng đầu (frontier-scale). Ngay cả với kiến trúc thưa mixture-of-experts, toàn bộ trọng số vẫn phải được lưu trữ trong bộ nhớ, và ngữ cảnh dài sẽ tạo thêm một key-value cache rất lớn. Các ví dụ chính thức của GLM-5 thực hiện sharding mô hình trên tám GPU. Các cấu hình nhỏ hơn phụ thuộc vào các bản dựng lượng tử hóa (quantized) từ cộng đồng, vốn phải đánh đổi một phần chất lượng lấy kích thước.

Ví dụ từ model card của 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-5

Các lệnh này được trích dẫn từ model card zai-org/GLM-5. Các cờ lệnh (flags) và phiên bản có thể thay đổi; hãy kiểm tra model card cùng ghi chú phát hành của framework trước khi chạy.

Các framework được nêu tên trên model card

Lưu ý về phần cứng: chúng tôi chủ ý không đưa ra yêu cầu cụ thể về GPU hay bộ nhớ. Chúng phụ thuộc vào độ chính xác (precision), lượng tử hóa (quantisation), framework và độ dài ngữ cảnh — ngữ cảnh 1M token (1.05M) đòi hỏi nhiều bộ nhớ hơn rất nhiều so với ngữ cảnh ngắn. Hãy xác định cấu hình phần cứng dựa trên tài liệu của framework và thử nghiệm với khối lượng công việc thực tế của bạn.

§ 04Câu hỏi thường gặp

Câu hỏi về mô hình trọng số mở (open-weights)

Q01Tôi có thể tải xuống những mô hình GLM-5 nào?

GLM-5, GLM-5.1, GLM-5.2, GLM-5.3 và GLM-5.3 Flash được phát hành trên Hugging Face dưới tổ chức zai-org.

Q02Tôi có thể sử dụng trọng số GLM-5 cho mục đích thương mại không?

Các mô hình sử dụng giấy phép MIT (GLM-5, GLM-5.1, GLM-5.2 và GLM-5.3 Flash) cho phép sử dụng thương mại miễn là giữ nguyên thông báo bản quyền. GLM-5.3 sử dụng giấy phép tùy chỉnh riêng, vì vậy hãy kiểm tra kỹ các điều khoản trước.

Q03Tôi có thể chạy GLM-5 trên máy tính xách tay (laptop) không?

Không thể chạy ở kích thước đầy đủ. Ngay cả GLM-5.3 Flash cũng có tổng cộng 320B tham số. Các bản dựng cộng đồng được lượng tử hóa mạnh có thể giảm bớt dung lượng bộ nhớ yêu cầu, nhưng các mô hình với chất lượng đầy đủ vốn được thiết kế cho các máy chủ nhiều GPU.

Q04GLM-5 Turbo hay GLM-5.3 Prime có phải là mô hình trọng số mở không?

Không. GLM-5 Turbo, GLM-5V-Turbo, GLM-5.3 FlashX và GLM-5.3 Prime chỉ khả dụng qua API.

Q05Có cách nào dễ dàng hơn để dùng thử các mô hình này không?

Có. Trình trò chuyện miễn phí của chúng tôi chạy GLM-5.3 Flash và GLM-5.3 ngay trên trình duyệt mà không cần cài đặt, giúp bạn có thể đánh giá mô hình trước khi đầu tư vào phần cứng.

Thử ngay

Hỏi GLM-5.3 điều gì đó thực tế.

Không cần tài khoản, không cần thẻ, không cần cài đặt. Nhập câu hỏi và xem GLM-5.3 Flash trả lời trong vài giây — chuyển sang GLM-5.3 cho những bài toán khó nhất.

Mở chat miễn phíÁp dụng giới hạn miễn phí hàng ngày để tính năng chat luôn sẵn sàng cho tất cả mọi người.