智譜 Z.ai(GLM-5.3 / 5.2 / 5.3-Flash):把大模型以 MIT 授權放出來的那一家

一句話答案:GLM 是少數把大型模型以 MIT 授權放出來的團隊,對想完全自主部署的辦學團體最有吸引力;但吸引力止於授權,真正的門檻仍然是硬件——而旗艦 GLM-5.3 的權重至今未公開。

這是甚麼

智譜 AI(國際品牌為 Z.ai)源自清華大學的研究團隊,GLM 系列是它由 2021 年起持續發展的模型家族。與其他中國模型團隊相比,GLM 最一致的特點是把權重放出來,而且用標準授權:GLM-4.5、GLM-4.6 打開了國際知名度,到 GLM-5.2 更是直接採用 MIT。

另一個常被提起的背景是:智譜於 2026 年 1 月在香港上市,是首家在港上市的基礎模型公司。這對香港的投資與產業討論有意義,但要提醒學校一點——上市地點與資料處理地點是兩件事,不能互相推論。

現行陣容

• GLM-5.3(2026 年 8 月 14 日):現行旗艦,主打編碼與代理工作,100 萬 token 上下文,每 100 萬 token 輸入 1.40 美元、輸出 4.40 美元。與 GLM-5.2 同價,但權重在本頁更新時尚未公開。
• GLM-5.3-Flash(2026 年 8 月 26 日):3,200 億總參數、180 億啟動參數的原生多模態 MoE,以 MIT 授權發佈。推廣價每 100 萬 token 0.075 / 0.25 美元,標價 0.15 / 0.50 美元。
• GLM-5.2(2026 年 6 月 16 日):7,440 億參數 MoE,MIT 授權公開權重,是 2026 年最常被引用的「可完全自主部署」大型模型。
• GLM-4.5 / 4.6(2025 年 7 月起):GLM 打開國際知名度的世代,至今仍有不少部署在使用。

完整的版本與價格對照,見本頁下方自動生成的系列表。

優點

1. 授權條文最乾淨。 在一眾自訂授權之中,MIT 的審批成本幾乎是零。對需要向校董會或辦學團體交代法律風險的學校,這一點比跑分表更有用。
2. 價格帶分明。 旗艦 1.40 / 4.40 美元已屬同級低位,Flash 更低至推廣價 0.075 / 0.25 美元。學校若做大量重複性文書處理,成本差距是以倍數計。
3. 小型號也做原生多模態。 GLM-5.3-Flash 只啟動 180 億參數卻原生處理圖文,對「想在有限硬件上同時處理工作紙掃描與文字」的場景,這個組合不多見。
4. 中文基礎扎實。 中文理解、摘要與改寫穩定,處理繁體輸出時雖仍需校對用語(避免台灣或內地慣用詞),但整體品質對中文科與人文科的備課工作已相當可用。

缺點與局限

• 旗艦權重未公開。 MIT 的好處集中在 5.2 與 5.3-Flash;想用最強的 5.3,目前只能呼叫雲端 API,自主部署的論述在旗艦這一檔並不成立。
• 自架仍需伺服器級硬件。 7,440 億參數不是校內一台工作站可以承擔,連 3,200 億的 Flash 亦需要相當規格。授權自由與部署可行是兩回事。
• 雲端 API 屬跨境傳輸。 直接呼叫 Z.ai 的服務,資料離開香港,學校必須自行完成私隱評估與家長告知安排。
• 沒有 embedding 與語音配套的教育整合。 即使自架了聊天模型,校本知識庫的向量索引與粵語口語練習仍需另行安排,不能假設一個模型解決全部。
• 內容政策需要校本測試。 安全邊界按內地框架設計,涉及歷史、時事與公民教育的題目,學校應自行抽樣測試再決定是否開放給學生。

香港學校可以怎樣看待它

GLM 是這批中國模型裡,最值得辦學團體認真評估的一個,原因不是跑分,而是 MIT 授權讓「完全自主部署」第一次在法律上說得通。

但要把它變成可執行的校本方案,順序應該是這樣:先算硬件。一台可跑 3,200 億參數 MoE 的推論伺服器,是資本開支、機房空間、電力與維運人手的組合,通常要在辦學團體層面攤分才合理;單一學校若沒有這個規模,答案幾乎一定是選更小的模型。其次是合規。自架的最大好處正是資料不出校網,可以繞過跨境傳輸的問題;反過來,若最終決定用 Z.ai 的雲端 API,就要老老實實做《個人資料(私隱)條例》下的評估,並在學生場景加上額外守門。第三是分工。即使 GLM 負責對話,embedding 與語音仍需另一套方案,規劃時不要漏掉。

值得一提的是,學校可以用「撥款買硬件、長期省訂閱」的角度向校董會呈報自架方案;但也要誠實列出維運成本,否則第二年就會變成無人維護的伺服器。

在 Edor.ai 的可用性

非原生供應商,但可經本地 Ollama 走自架路線。 Edor.ai 原生支援的是 OpenAI、Azure OpenAI、Anthropic、Poe 與本地 Ollama。我們沒有內建 Z.ai 的雲端接口,也沒有與智譜的任何合作關係;不過若學校或辦學團體自行架起一台推論伺服器並以 Ollama 提供 OpenAI 相容端點,平台可以在後台指向它,教師工具與智能導師照常運作。

要提醒的是:這條路線的硬件、更新與故障處理由學校負責,我們只負責平台端的接入與守門。校本知識庫的 embedding 與口語練習的語音模型仍需 OpenAI 或 Azure OpenAI 金鑰,或另行部署本地方案。實際可行性請先與我們一起評估,可經 聯絡我們 開始。

替代方案

• 硬件預算有限但同樣想資料留校 → 看 Alibaba Qwen 的 270 億參數級別,單機即可運行。
• 同樣是寬鬆授權但條文更標準 → 看 騰訊混元 的 Apache 2.0 權重。
• 想先比較自架與雲端的實際成本 → 讀 開源與閉源的成本與私隱權衡,再看 『智』啟學教撥款 可以怎樣配合。
• 想要即時可用、不需自建機房 → 由 OpenAI 開始,或回到 模型總覽。