# Unsloth 发布 GLM-5.3 GGUF 量化版本地运行指南

- 来源：Unsloth AI (@UnslothAI)
- 发布时间：2026-08-29 01:57
- AIHOT 分数：76
- AIHOT 标记：精选
- AIHOT 链接：https://aihot.news/items/cmtyjea9r0006ro10vqcz2b40
- 原文链接：https://x.com/UnslothAI/status/2093397494889890050

## 精选理由

原文给出动态量化的精度与体积数据和不同位宽的硬件需求，读者可据此选择本地运行 GLM-5.3 的方案。

## AI 摘要

Unsloth 发布 GLM-5.3 的动态 GGUF 量化版本，2-bit 模型从 1.51TB 压缩到 239GB（缩小 83%），保留约 81% top-1 准确率，1-bit 则以缩小 85% 达到约 76%。

## 正文

GLM-5.3 现在可以在本地运行了！

我们将这个 2-bit 模型从 1.51TB 压缩到 239GB（体积减少 83%）后，仍保留了约 81% 的准确率。

可在 256GB 的 Mac 或相应 RAM/VRAM 配置上运行。

GLM-5.3 是迄今为止最强的开源模型。

指南：https://unsloth.ai/docs/models/glm-5.3 GGUF：https://huggingface.co/unsloth/GLM-5.3-GGUF

### 引用推文

> Z.ai：GLM-5.3 现已开放权重。 我们迄今为止能力最强的智能体编程与网络防御模型，现已可供下载、运行和定制。 权重：https://huggingface.co/zai-org/GLM-5.3 技术博客：https://z.ai/blog/glm-5.3