AI-modeller · Modellfamilj
GLM är en familj språkmodeller med öppna vikter från Z.ai, med tyngdpunkt på kodning och långa agentuppgifter.
Betyg 65 av 100 Preliminär (källbaserad)
Läs bedömningenAPI är inte tillämpligt för den här typen av programvara.
MCP är inte tillämpligt för den här typen av programvara.
Totalbetyg
65 av 100
Preliminär (källbaserad)
Öppna vikter och Apache-2.0-kod, men vikterna licensieras under en skräddarsydd glm-5.3-licens (inte OSI) med intäktsvillkor — öppna vikter ≠ öppen källkod, och kärntillgångarna är i praktiken leverantörsstyrda.
Stark kodnings-/agentprofil (öppen SOTA på flera benchmark) och 1M-tokenkontext; något under de bästa stängda frontier-modellerna i bredare uppgifter.
Vikter i standardformat (safetensors), körbara via vLLM/SGLang och OpenAI-kompatibelt API samt kvantisering; fullskalemodellen kräver dock mycket tung hårdvara, vilket begränsar praktisk flyttbarhet.
Aktivt och IPO-finansierat labb med regelbundna releaser, men ungt och snabbt skiftande modellfamilj med kort track record och ung säkerhets-/underhållspraxis för vikterna.
Starkt OpenAI-kompatibelt API, verktygsstöd (vLLM/SGLang/Unsloth) och tillåten finjustering; agentintegrationsförmågan är dock huvudsakligen leverantörsbelagd, inte oberoende verifierad — därför inte 5.
Fullskalig lokal drift kräver flera H200-klass-GPU:er (FP8, ~743 GB vikter); praktiskt är API eller kvantiserad Flash, vilket är en tydlig drifttröskel.
Transparenta API-priser; lokal körning medför stor hårdvarukostnad. TCO beror starkt på val av körform.
Ingen svensk lokalisering, dokumentation eller support belagd; modellkortet anger engelska/kinesiska. Svensk språkförmåga är trolig men ej oberoende verifierad — engelskspråkig men tekniskt användbar i Sverige.
Utvecklaren Z.ai är en avknoppning från Tsinghua-universitetet (Zhipu AI, 2019). GLM-5.3, släppt i augusti 2026, är en Mixture-of-Experts-modell med 753 miljarder parametrar och en miljon tokens kontext, inriktad på kodning och flerstegsagentuppgifter. Vikterna är nedladdningsbara men under en skräddarsydd licens med intäktsvillkor för kommersiell hosting — alltså inte en OSI-licens. Den mindre GLM-5.3-Flash har offentliga vikter på Hugging Face, och källkodsrepot är Apache-2.0.
Körningen går via Z.ai:s API, som är OpenAI-kompatibelt, eller lokalt med motorer som vLLM och SGLang — men fullskalemodellen kräver flera H200-klass-GPU:er. Z.ai tillhandahåller dessutom egna MCP-servrar och stöd för MCP-anrop i API:et, där plattformen anropar externa MCP-servrar på modellens vägnar.
I siffror: GLM-5.3 har 753 miljarder parametrar med vikter på cirka 753 GB i FP8 — i praktiken flera H200-klassade GPU:er eller ett kluster. Den mindre GLM-5.3-Flash ligger på cirka 321 miljarder parametrar och ungefär 320 GB vikter, körbar även från tredjeparts-GGUF-byggen på RAM-starka maskiner, men långt över bärbar nivå. Båda har en miljon tokens kontext.
Relativa nivåer inom familjen (hög/medel/låg) — inte absoluta mått mot andra leverantörer. Avsnittet uppdateras vid nya versioner utan att sidans adress ändras.
| Modell | Användningsområde | Kapacitet | Hastighet | Kostnadsnivå | Licens | Lokal drift |
|---|---|---|---|---|---|---|
| GLM-5.3 Flaggskepp — MoE | Krävande resonemang, kodning och agentarbete | Hög | Medel | Medel | GLM-5.3-licens | Ja |
| GLM-5.3-Flash / FlashX Kodning | Multimodal kodning och visuell programmering | Medel | Hög | Låg | MIT | Ja |
| GLM-5.2 Föregående flaggskepp | Generell användning och kodning | Hög | Medel | Medel | MIT | Ja |
AI-modeller · Öppna modellvikter – Googles Gemma-familj (text, bild, video och ljud)
Språkmodellfamiljen Gemma från Google DeepMind kommer med öppna vikter — färdiga modeller som kan laddas ner och köras på egen hårdvara, från telefon till datacenter.
AI-modeller · Modellfamilj
Qwen är Alibabas familj av språkmodeller med öppna vikter — körbara lokalt på egen hårdvara eller som API-tjänst, med stöd för ett mycket stort antal språk.
