unsloth/GLM-5.3-GGUF
텍스트 생성 및 대화형 코딩·에이전트 작업glm-5.3
GLM-5.3 기반 quantized GGUF 모델로 코딩·에이전트 작업에 활용
학습 방식 · zai-org/GLM-5.3을 기반으로 quantization해 GGUF로 배포했으며, GLM-5.3 자체는 GLM-5.2와 같은 base model에 post-training을 적용했습니다.
TL;DR
unsloth/GLM-5.3-GGUF는 zai-org/GLM-5.3을 기반으로 만든 quantized GGUF 배포본으로, 로컬 추론 환경에서 GLM-5.3을 실행할 때 사용합니다. GLM-5.3은 GLM-5.2와 같은 base model에 post-training을 적용했으며, README는 복잡한 코딩과 장기 작업 성능 향상을 설명합니다. `reasoning_effort`에 `low`, `high`, `max`를 지정해 사고 예산을 조절하고, 기본값은 `max`입니다. README 기준 Terminal Bench 3.0 28.3, CyberGym 84.5, AutomationBench 48.2, GDPval-AA v2 1769를 기록했습니다.
핵심 포인트
- zai-org/GLM-5.3을 기반으로 한 quantized GGUF 배포본이라 GGUF 지원 실행 환경에 연결할 수 있습니다.
- GLM-5.3은 GLM-5.2와 같은 base model에 post-training을 적용해 복잡한 코딩과 장기 작업을 강화했습니다.
- `reasoning_effort`를 `low`, `high`, `max`로 지정해 작업별 사고 예산을 조절하며 기본값은 `max`입니다.
- Terminal Bench 3.0 28.3, CyberGym 84.5, AutomationBench 48.2로 코딩·보안·자동화 성능을 측정했습니다.
제한사항
- chat template의 `clear_thinking` 기본값이 `false`라 대화 시 명시적으로 `true`를 지정해야 합니다.
- `reasoning_effort`에 `low` 또는 `high`를 사용하려면 값을 명시해야 하며, 생략하거나 다른 값을 넣으면 `max`로 처리됩니다.
벤치마크
| 벤치마크 | 지표 | 값 | 비교 |
|---|---|---|---|
| Terminal Bench 3.0 | score | 28.3 | GLM-5.2 4.6, Kimi K3 17.4, Fable 5 33.7, GPT-5.6 Sol 34.6 |
| DeepSWE (v1.1) | score | 66.9 | GLM-5.2 46.2, Kimi K3 67.5, Fable 5 69.7, GPT-5.6 Sol 72.7 |
| CyberGym | score | 84.5 | GLM-5.2 77.2, Kimi K3 80.0, Fable 5 83.8, GPT-5.6 Sol 83.6 |
| AutomationBench (v1.0.6) | score | 48.2 | GLM-5.2 26.2, Kimi K3 46.7, Fable 5 46.2, GPT-5.6 Sol 45.8 |
| Agents' Last Exam (ALE-CLI) | score | 28.5 | GLM-5.2 23.8, Kimi K3 27.6, Fable 5 23.8, GPT-5.6 Sol 28.6 |
| HLE w/ Tools | score | 62.5 | GLM-5.2 54.7, Kimi K3 59.8, Fable 5 63.9, GPT-5.6 Sol 64.5 |
| GDPval-AA v2 | score | 1769 | GLM-5.2 1508, Kimi K3 1682, Fable 5 1743, GPT-5.6 Sol 1730 |
| Terminal Bench 2.1 | score | 88.2 | GLM-5.2 81.0, Kimi K3 88.3, Fable 5 88.0, GPT-5.6 Sol 88.8 |
| NL2Repo | score | 58.0 | GLM-5.2 48.9, Kimi K3 58.0, DeepSeek-V4 Pro-0813 61.1, Opus 4.8 69.7 |
| ProgramBench (Almost Solved) | score | 19.0 | GLM-5.2 9.5, Kimi K3 17.5, Qwen3.8-Max 10.5, Fable 5 33.0 |
| FrontierSWE | score | 78.1 | GLM-5.2 67.5, Opus 4.8 66.5, Fable 5 88.2 |
| SWE-Marathon (v1.1) | score | 42.5 | GLM-5.2 19.4, Kimi K3 48.1, Opus 4.8 48.8, Fable 5 33.1 |
| PostTrainBench | score | 39.8 | GLM-5.2 31.7, Kimi K3 32.0, Opus 4.8 32.9, Fable 5 41.8 |
| ExploitGym (2h / 6h) | score | 105 / 130 | GLM-5.2 29 / 39, Kimi K3 36 / 70, Fable 5 181 / 247, GPT-5.6 Sol 216 / 293 |
| ExploitBench | score | 54.4 | GLM-5.2 24.4, Kimi K3 32.2, Opus 4.8 40.0, Fable 5 78.0 |
| Toolathlon Verified | pass@1 | 73.0 | GLM-5.2 59.9, Kimi K3 76.5, Fable 5 74.7, GPT-5.6 Sol 74.9 |
이미지 분석
68
LIKES
74.5k
DOWNLOADS
0 / 0
조회수
관련 토론
아직 관련 토론이 없습니다.
댓글
댓글을 작성하려면 로그인이 필요합니다.
