GLM-5.3权重开源：744B MoE巨模型vLLM零日支持

GLM-5.3 权重开源，智谱再推 744B 巨型模型

智谱（Zai_org）正式宣布开源 GLM-5.3 模型权重，这是 GLM-5.3 系列中规模最大的版本。更值得关注的是，主流推理框架 vLLM 提供了 Day-0（零日）支持，开发者在模型发布当天就能无缝部署和调用。

从公开的参数信息来看，GLM-5.3 的规格相当惊人：

总参数量：744B（7440亿）
激活参数：40B（400亿）
上下文长度：最高 1M（100万 tokens）
最大输出：128K tokens

744B 的总参数量搭配仅 40B 的激活参数，清晰地表明这是一个采用 MoE（混合专家）架构 的稀疏模型。这种设计让模型在拥有庞大知识容量的同时，保持了相对可控的推理成本——每次前向计算只激活约 5.4% 的参数。

GLM-5.3 权重开源公告

保留底座，专注后训练扩展

本次发布中一个值得注意的技术细节是：智谱并未重新训练模型底座，而是保留了 GLM-5.2 的 base，仅在后训练（post-training）阶段进行了扩展和强化。

正如原文所述："@Zai_org kept the GLM-5.2 base and scaled post-training instead, so nothing under the model changed."（智谱保留了 GLM-5.2 的底座，转而扩展后训练，因此模型底层没有任何改变。）

这一策略背后有着清晰的工程逻辑。

复用底座的优势

预训练一个 744B 级别的大模型成本极其高昂，需要消耗海量的算力和数据。如果 GLM-5.2 的 base 已经具备足够强的基础能力，通过在后训练阶段（如 SFT、RLHF、DPO 等）追加投入，往往能以更低的成本获得能力上的显著提升。

这也反映出当前大模型竞赛的一个趋势：从"卷预训练规模"逐渐转向"卷后训练质量"。在底座能力趋于饱和后，对齐、推理、指令跟随等后训练环节的优化，成为拉开模型差距的关键变量。

对推理部署的直接好处

由于底层结构未变，GLM-5.3 可以完全复用 GLM-5.2 的推理路径，这为工具链的即时支持扫清了障碍。

vLLM 零日支持：GLM-5.3 推理部署详解

vLLM 团队明确表示，GLM-5.3 在 vLLM 中直接走 GLM-5.2 的推理路径，且保持不变。具体包括：

相同的解析器：沿用 glm47 和 glm45 parsers
相同的 MTP：直接从 checkpoint 中读取 Multi-Token Prediction 配置
相同的 FP8 KV 缓存：支持完整的 1M 上下文

对于开发者而言，部署命令极其简洁：

vllm serve zai-org/GLM-5.3 -tp 8

这里的 -tp 8 表示使用 8 路张量并行（Tensor Parallelism），也侧面印证了 744B 模型对多卡部署的硬件需求。

FP8 KV Cache 如何支撑百万级上下文

FP8 KV 缓存到完整 1M 上下文 是 GLM-5.3 的一项关键能力。长上下文推理的最大瓶颈之一在于 KV Cache 的显存占用会随序列长度线性增长。采用 FP8 精度存储 KV Cache，能够将显存开销大幅压缩（相比 FP16 减半），这是让百万 token 超长上下文在实际部署中可行的核心技术手段。

结合 MTP（多 token 预测）机制，GLM-5.3 在长文本摘要、超长文档分析等场景下具备了相当的竞争力。

GLM-5.3 开源对社区意味着什么

GLM-5.3 权重的开放，加上主流推理框架的零日适配，体现了国产大模型在开源生态建设上的成熟度。对开发者和企业来说，这意味着：

即取即用：无需等待社区适配，发布当天即可在生产环境部署
推理成本可控：MoE 稀疏激活 + FP8 优化，大幅降低了超大模型的推理门槛
能力对标第一梯队：744B 总参数量使其跻身当前开源模型的顶级规模行列

对于希望在自有基础设施上运行超大模型的企业和研究机构，GLM-5.3 提供了一个兼具参数规模、长上下文处理能力与工程友好度的选择。

小结

GLM-5.3 的发布，与其说是一次全新模型的亮相，不如说是一次"后训练驱动的能力升级"的典型实践。智谱通过复用 GLM-5.2 底座、专注后训练扩展，既控制了研发成本，又实现了工具链的无缝衔接。而 vLLM 的零日支持与 FP8 长上下文优化，则让这台 744B 的 MoE 模型真正具备了工程落地的条件。

需要说明的是，以上信息主要来自 vLLM 官方在社交平台上的发布公告，部分技术细节（如具体基准测试成绩）仍有待官方进一步披露和社区验证。