Was ist GLM-5.3?
GLM-5.3 ist das Spitzenmodell von Z.ai (früher Zhipu AI), in den Release Notes von Z.ai am 18. August 2026 aufgeführt, mit Gewichten auf Hugging Face ab dem 28. August. Es ist ein reines Textmodell mit Mixture-of-Experts-Architektur und 753 Milliarden Parametern (256 Experten, 8 pro Token genutzt) auf derselben Basis wie GLM-5.2, alle Verbesserungen stammen aus weiterem Training. Z.ai liefert die Gewichte nativ in FP8, dazu eine Kopie in BF16. Ein multimodales Geschwistermodell, GLM-5.3-Flash (321B Parameter), liest neben Text auch Bilder.
Es hat einen Kontext von 1 Mio. Tokens und bis zu 128K Output-Tokens. Reasoning ist immer aktiv, mit dem Aufwand low, high oder max, standardmäßig max. Z.ai hebt außerdem einen ungeplanten Anstieg der offensiven Cyber-Fähigkeiten hervor: Es meldet Spitzenwerte bei CyberGym und bei Exploit-Benchmarks mehr als das Doppelte der Werte von GLM-5.2.
Die Gewichte stehen unter einer modifizierten MIT-Lizenz. Nur Unternehmen, die ein Model-as-a-Service-Geschäft mit mehr als 10 Milliarden $ Jahresumsatz betreiben, müssen vor der kommerziellen Nutzung eine Sicherheitsprüfung von Z.ai bestehen. Auf der API von Z.ai kostet es 1,40 $ pro Million Input-Tokens und 4,40 $ pro Million Output-Tokens, gecachter Input 0,26 $.
Was kostet GLM-5.3?
| Tarif | Preis | Was enthalten ist |
|---|---|---|
| Weights | Free | Modifizierte MIT-Lizenz |
| GLM-5.3 | $1.40 in / $4.40 out per 1M tokens | 0,26 $ gecacht |
| GLM-5.3-Flash | $0.15 in / $0.50 out per 1M tokens |
Offene Gewichte unter einer modifizierten MIT-Lizenz. API von Z.ai: 1,40 $ Input / 0,26 $ gecacht / 4,40 $ Output pro 1 Mio. Tokens; GLM-5.3-Flash 0,15 $ / 0,50 $.
Lohnt sich GLM-5.3?
GLM-5.3 ist das stärkste Open-Weight-Modell für Coding und Agenten, das ein Unternehmen ohne Verhandlungen einsetzen kann. Artificial Analysis gibt ihm im Intelligence Index 45 Punkte, Platz drei von 121 Modellen im Vergleich offener Modelle, gegenüber 52 für GPT-6.1 Sol und 58 für Claude Opus 5.5. In der eigenen Tabelle von Z.ai erreicht es 88,2 bei Terminal-Bench 2.1 und 66,9 bei DeepSWE v1.1, nach 81,0 und 46,2 für GLM-5.2, und sein von Artificial Analysis gemessenes GDPval-AA-v2-Rating von 1769 übertrifft jedes Modell in diesem Vergleich.
Unabhängige menschliche Bewertungen bestätigen: nah dran, aber nicht vorn. In der blinden Coding-Bewertung von Surge AI, die Mistral zusammen mit Large 4 veröffentlichte, erreichte GLM-5.3 3,60 von 5 Punkten, gleichauf mit Kimi K3 (3,59), aber hinter Mistral Large 4 Preview (3,74) und deutlich hinter Claude Opus 5 (4,22). Auch in den eigenen Zahlen von Z.ai liegt Kimi K3 bei DeepSWE und Toolathlon knapp vorn.
Der Listenpreis lässt es besser aussehen. Mit 1,40 $ und 4,40 $ pro Million Tokens kostet es einen Bruchteil der Preise geschlossener Spitzenmodelle, doch Artificial Analysis stellte fest, dass es über seinen Index 210 Millionen Output-Tokens erzeugte, gegenüber einem Median von 140 Millionen, und 2,01 $ pro Index-Aufgabe kostet. Das ist günstiger als die 3,26 $ von GPT-6 Astra, aber fast das Dreifache der 0,72 $ von GPT-6.1 Sol, weil Reasoning standardmäßig auf max steht und sich nicht abschalten lässt.
Sicherheitsteams sollten beachten, worauf Z.ai selbst hinweist. Die Modellkarte beschreibt Cyber-Fähigkeiten, die schneller wuchsen als erwartet, mit ExploitGym-Werten von 105 und 130 gegenüber 29 und 39 für GLM-5.2, und die offenen Gewichte tragen außer der Umsatzklausel keine Nutzungsbeschränkungen. Das macht es nützlich für autorisierte Sicherheitsforschung und zu einem Modell, dessen Einsatz anders als bei einer geschlossenen API überhaupt keine Schutzmechanismen auf Anbieterseite mitbringt.
Wo es sich lohnt
Ein Staff Engineer, der Coding-Agenten in Claude Code oder Cline betreibt
Die Ausgaben für Agenten senken, ohne auf ein schwaches Modell auszuweichen
Richte den Agenten auf die API von Z.ai oder den GLM Coding Plan. Ein Monat mit 100 Mio. Input-Tokens (80 % gecacht) und 20 Mio. Output kostet zum Listenpreis etwa 137 $, plane aber lange Reasoning-Verläufe beim standardmäßigen max-Aufwand ein.
Ein Leiter der ML-Infrastruktur bei einer Bank, die keinen Code an Drittanbieter-APIs schicken darf
Ein Coding-Modell nahe der Spitze im eigenen Rechenzentrum betreiben
Der FP8-Checkpoint umfasst etwa 753 GB, mehr als ein Knoten mit 8×80 GB fasst, plane also GPUs der 141-GB-Klasse oder zwei Knoten mit vLLM oder SGLang ein. Unter 10 Milliarden $ Umsatz braucht die Lizenz keine Genehmigung.
Ein Sicherheitsforschungsteam bei einer Pentest-Firma
Die Suche nach Schwachstellen in autorisierten Aufträgen automatisieren
Z.ai meldet 84,5 % bei CyberGym, den Bestwert in seiner Tabelle, und mit den offenen Gewichten kann das Team es ohne Netzverbindung betreiben. Die Kontrolle gegen Missbrauch liegt dann aber auch beim Team, da vorgelagert nichts die Anfragen filtert.
Bevor du dich festlegst
- Einrichtung
- Die API von Z.ai ist OpenAI-kompatibel und funktioniert in Claude Code, Cline und OpenCode; fürs Selbsthosten gibt es Rezepte für vLLM, SGLang, KTransformers und Unsloth sowie Huawei Ascend.
- Integrationen
- Function Calling, Streaming von Tool Calls, Structured Output, Context Caching und Websuche auf der API von Z.ai; OpenRouter listet es für 0,70 $/2,20 $ pro 1 Mio. Tokens.
- Daten und Datenschutz
- Die API von Z.ai wird aus Singapur betrieben, und laut den Bedingungen zur Datenverarbeitung verarbeitet Z.ai Kundendaten im Auftrag des Kunden und speichert API-Ein- und -Ausgaben nicht, die in Echtzeit verarbeitet werden; eine ausdrückliche Aussage zum Training mit API-Prompts ist nicht veröffentlicht. Beim Selbsthosten bleiben die Daten im Haus.
- Kosten im großen Maßstab
- Z.ai listet 1,40 $/4,40 $ pro 1 Mio. Tokens, gecachten Input für 0,26 $ und für begrenzte Zeit kostenlosen Cache-Speicher. Artificial Analysis kommt auf 2,01 $ pro Index-Aufgabe, gegenüber 0,72 $ für GPT-6.1 Sol. Selbsthosten bedeutet etwa 753 GB an FP8-Gewichten plus Cache-Speicher.
- Grenzen
- Nur Text, Reasoning immer aktiv (standardmäßig max), Kontext von 1 Mio. Tokens und 128K Output. Alle Benchmark-Zahlen außer GDPval-AA und der Surge-Bewertung stammen von Z.ai selbst.
Was gut ist
- Modifizierte MIT-Lizenz; Einschränkung erst ab 10 Mrd. $ Umsatz
- Kontext von 1 Mio. Tokens, 128K Output
- Terminal-Bench 2.1 bei 88,2, laut Z.ai
- Günstiges multimodales Flash-Geschwistermodell für 0,15 $/0,50 $
Was nicht
- Sehr wortreich: Reasoning lässt sich nicht abschalten
- Das Hauptmodell kann nur Text
- Allein die FP8-Gewichte umfassen etwa 753 GB
- Starke offensive Cyber-Fähigkeiten ohne eingebaute Schutzmechanismen
Am besten für
Entwickler und Unternehmen, die ein leistungsfähiges offenes Modell für Coding und Agenten mit minimalen Lizenzauflagen wollen.
Alternativen zu GLM-5.3
GLM-5.3: häufige Fragen
- Lohnt sich GLM-5.3?
- Offenes Coding wenige Punkte hinter der geschlossenen Spitze, unter einer Lizenz, die kaum jemand zweimal lesen muss. Wir bewerten es mit 4.4 von 5.
- Was kostet GLM-5.3?
- Offene Gewichte unter einer modifizierten MIT-Lizenz. API von Z.ai: 1,40 $ Input / 0,26 $ gecacht / 4,40 $ Output pro 1 Mio. Tokens; GLM-5.3-Flash 0,15 $ / 0,50 $.
- Welche Nachteile hat GLM-5.3?
- Sehr wortreich: Reasoning lässt sich nicht abschalten; Das Hauptmodell kann nur Text; Allein die FP8-Gewichte umfassen etwa 753 GB; Starke offensive Cyber-Fähigkeiten ohne eingebaute Schutzmechanismen.
- Für wen eignet sich GLM-5.3?
- Entwickler und Unternehmen, die ein leistungsfähiges offenes Modell für Coding und Agenten mit minimalen Lizenzauflagen wollen.
- Was kostet GLM-5.3 für ein Team oder im Produktivbetrieb?
- Z.ai listet 1,40 $/4,40 $ pro 1 Mio. Tokens, gecachten Input für 0,26 $ und für begrenzte Zeit kostenlosen Cache-Speicher. Artificial Analysis kommt auf 2,01 $ pro Index-Aufgabe, gegenüber 0,72 $ für GPT-6.1 Sol. Selbsthosten bedeutet etwa 753 GB an FP8-Gewichten plus Cache-Speicher.
- Ist GLM-5.3 sicher für Firmendaten?
- Die API von Z.ai wird aus Singapur betrieben, und laut den Bedingungen zur Datenverarbeitung verarbeitet Z.ai Kundendaten im Auftrag des Kunden und speichert API-Ein- und -Ausgaben nicht, die in Echtzeit verarbeitet werden; eine ausdrückliche Aussage zum Training mit API-Prompts ist nicht veröffentlicht. Beim Selbsthosten bleiben die Daten im Haus.
- Was sind die besten Alternativen zu GLM-5.3?
- Die nächsten Alternativen, die wir getestet haben, sind Kimi K3, DeepSeek-V4-Pro, Qwen3.8-Max und MiniMax-M3.
Antworten geprüft am 26. Okt. 2026.