Was ist GLM-5.3-Flash?
GLM-5.3-Flash ist ein eigenständiges Open-Weight-Modell von Z.ai (früher Zhipu AI), laut den Release Notes von Z.ai am 26. August 2026 veröffentlicht, acht Tage nach dem größeren GLM-5.3. Es ist ein Mixture-of-Experts-Modell mit 320 Milliarden Parametern, von denen pro Token 18 Milliarden genutzt werden, verteilt auf 45 Schichten. Anders als GLM-5.3 baut es auf einem neu trainierten Basismodell auf, und Z.ai nennt es das erste nativ multimodale Modell der GLM-5-Reihe: Es liest Text, Bilder, Video und Dateien und schreibt Text.
Die API bietet einen Kontext von 1 Mio. Tokens und bis zu 128K Output-Tokens. Thinking ist immer aktiv; der Reasoning-Aufwand lässt sich auf low, high oder max stellen und steht standardmäßig auf max. Eine neue Mischung aus Sparse und Linear Attention senkt laut Z.ai den Rechenaufwand für Attention um das 3,01-Fache und den KV-Cache (den Speicher, der ein langes Gespräch vorhält) um das 4,44-Fache gegenüber GLM-5.3.
Die Gewichte stehen unter der einfachen MIT-Lizenz. Auf der API von Z.ai kostet es 0,15 $ pro Million Input-Tokens, 0,03 $ für gecachten Input und 0,50 $ für Output. Ein schnelleres GLM-5.3-FlashX mit angegebenen 200 Tokens pro Sekunde kostet 0,37 $/1,25 $, und ein auf Recht abgestimmtes FlashX-Legal wird nur ausgewählten Enterprise-Kunden angeboten.
Was kostet GLM-5.3-Flash?
| Tarif | Preis | Was enthalten ist |
|---|---|---|
| Weights | Free | MIT-Lizenz |
| GLM-5.3-Flash | $0.15 in / $0.50 out per 1M tokens | 0,03 $ gecacht |
| FlashX | $0.37 in / $1.25 out per 1M tokens |
Offene Gewichte unter MIT. API von Z.ai: 0,15 $ Input / 0,50 $ Output pro 1 Mio. Tokens (0,03 $ gecacht); FlashX 0,37 $ / 1,25 $.
Lohnt sich GLM-5.3-Flash?
GLM-5.3-Flash ist das offene Modell, das GLM-5.3 für die meisten Aufgaben schwer zu rechtfertigen macht. Z.ai meldet 63,4 bei DeepSWE v1.1 gegenüber 66,9 für das volle GLM-5.3 und 46,2 für GLM-5.2, und bei AutomationBench 48,8 gegenüber 26,2 für GLM-5.2. Im hauseigenen Z.ai Code Bench erreichte es bei max-Aufwand 29,0 gegenüber 29,5 für Claude Opus 4.8. Das sind Zahlen des Anbieters, und das zentrale Vergleichsdiagramm in der Modellkarte ist ein Bild statt einer Tabelle.
Unabhängige Zahlen fallen weniger schmeichelhaft aus, sind aber immer noch stark. Artificial Analysis gibt ihm im Intelligence Index 42 Punkte, Platz sechs in seiner Größenklasse offener Modelle, bei 0,28 $ pro Index-Aufgabe. Die Dokumentation von Z.ai nennt 57 Punkte in Index-Version 4.1.1 bei vergünstigten 0,045 $ pro Aufgabe, prüf also, welche Version ein Vergleich verwendet. Kimi K3 erreicht auf denselben Seiten von Artificial Analysis 44 Punkte bei 2,00 $ pro Aufgabe, etwa die siebenfachen Kosten für zwei Punkte.
Der Preisabstand zum Geschwistermodell ist groß. Mit 0,15 $/0,50 $ kostet es etwa ein Zehntel der 1,40 $/4,40 $ von GLM-5.3, gecachter Input kostet 0,03 $ statt 0,26 $, und Cache-Speicher ist vorerst kostenlos. Flash liest außerdem Bilder, Video und Dateien, was GLM-5.3 nicht kann, und die einfache MIT-Lizenz beseitigt die eigenen Bedingungen der Lizenz von GLM-5.3.
Seine Kosten verstecken sich im Output. Thinking lässt sich nicht abschalten und steht standardmäßig auf max-Aufwand, und Artificial Analysis maß 180 Mio. Output-Tokens für einen Durchlauf seines Index gegenüber einem Median von 140 Mio., bei 67 Tokens pro Sekunde auf der API von Z.ai. Ein Klassifikationsaufruf, den ein Modell ohne Reasoning in zehn Tokens beantwortet, kann hier Hunderte liefern, der niedrige Preis pro Token lässt es bei kurzen, einfachen Aufgaben also besser aussehen, als es ist. Selbst hosten ist einfacher als bei Konkurrenten mit 2,8 Billionen Parametern, doch etwa 330 GB an FP8-Gewichten sprengen schon vor jedem KV-Cache einen Rechner mit vier GPUs à 80 GB.
Wo es sich lohnt
Ein Plattformingenieur, der eine Flotte von Coding-Agenten in OpenCode oder Claude Code betreibt
Die monatliche Modellrechnung senken, ohne auf ein schwaches Modell auszuweichen
Richte das Agenten-Harness auf glm-5.3-flash bei Z.ai oder einem Host wie Together oder Fireworks, die beide zum selben Preis von 0,15 $/0,50 $ gelistet sind. Ein Monat mit 2 Mrd. Input-Tokens bei 80 % Cache-Treffern plus 200 Mio. Output-Tokens kostet etwa 208 $, gegenüber etwa 1.856 $ für denselben Verkehr auf GLM-5.3.
Ein Startup mit zwei Leuten, das Frage-Antwort-Funktionen für Screenshots und PDFs baut
UI-Aufnahmen und gescannte Dokumente mit einem Modell lesen
Schick Bilder als image_url-Blöcke zusammen mit Text im selben Chat-Aufruf; Dateien und Video werden ebenfalls angenommen. Übergib für einfache Abfragen reasoning_effort low, denn der Standard ist max, und jedes Reasoning-Token wird als Output abgerechnet.
Eine Engineering-Managerin mit dem GLM Coding Plan von Z.ai
Ein festes Abo über ein ganzes Team strecken
Flash verbraucht im punktebasierten Coding Plan das 3-Fache des Kontingents von GLM-5.3, und Aufrufe außerhalb der Stoßzeiten und am Wochenende kosten die Hälfte der üblichen Punkte. FlashX ist noch nicht im Plan, die Stufe mit 200 Tokens pro Sekunde bedeutet also nutzungsbasierte Abrechnung zu 0,37 $/1,25 $.
Ein ML-Team einer Bank, das keinen Code an eine externe API schicken darf
Ein leistungsfähiges Coding-Modell auf eigener Hardware unter einer sauberen Lizenz betreiben
Stell den FP8-Checkpoint mit vLLM oder SGLang nach den veröffentlichten Rezepten von Z.ai bereit; MIT bedeutet keine MAU- oder Umsatzschwellen, die du verfolgen musst. Plane einen Server der Klasse mit acht GPUs ein, denn allein die Gewichte umfassen rund 330 GB.
Bevor du dich festlegst
- Einrichtung
- Ruf glm-5.3-flash über die OpenAI-artige API von Z.ai auf oder lade die FP8-Gewichte herunter und stell sie mit vLLM, SGLang, TokenSpeed, KTransformers oder Transformers bereit. Z.ai empfiehlt temperature 1, top_p 0.95 und max-Aufwand.
- Integrationen
- Streaming, Function Calling, strukturierter JSON-Output und Context Caching auf der API von Z.ai; die eingebaute Websuche kostet 0,01 $ pro Aufruf. Auf OpenRouter bieten es etwa 30 Anbieter-Endpunkte an, die meisten zu 0,15 $/0,50 $, einige FP4-Hosts günstiger.
- Daten und Datenschutz
- Laut den API-Datenbedingungen von Z.ai werden Prompts und Ausgaben in Echtzeit verarbeitet und nicht gespeichert, und Kundendaten werden in der Regel in Singapur verarbeitet. Zum Training sagen die Bedingungen weder das eine noch das andere, und eine SOC-2- oder ISO-Zertifizierung ist nicht veröffentlicht. Z.ai betreibt das Modell auf in China hergestellten Beschleunigern.
- Kosten im großen Maßstab
- Bei Z.ai kosten 2 Mrd. Input-Tokens (80 % gecacht) und 200 Mio. Output-Tokens im Monat etwa 208 $; GLM-5.3 läge bei etwa 1.856 $. Selbst hosten bedeutet rund 330 GB an FP8-Gewichten plus KV-Cache, mehr als vier GPUs mit 80 GB fassen, plane also einen Knoten mit acht GPUs ein.
- Grenzen
- Kontext von 1 Mio. Tokens und 128K Output über die API; die Modellkarte nennt keine Kontextlänge. Thinking lässt sich nicht abschalten, und Artificial Analysis maß bei Z.ai 67 Tokens pro Sekunde und 3,15 Sekunden bis zum ersten Token. API-Rate-Limits sind auf der Modellseite nicht veröffentlicht.
Was gut ist
- Einfache MIT-Lizenz, ohne Umsatz- oder Namensnennungsklauseln
- DeepSWE 63,4 gegenüber 66,9 für GLM-5.3, zu etwa einem Zehntel des Preises
- Liest Bilder, Video und Dateien; GLM-5.3 kann nur Text
- Kontext von 1 Mio. Tokens und 128K Output über die API
Was nicht
- Thinking immer aktiv und wortreich: 180 Mio. Tokens beim Durchlauf von Artificial Analysis gegenüber einem Median von 140 Mio.
- Etwa 330 GB an FP8-Gewichten, selbst hosten braucht also einen Server mit mehreren GPUs
- Die wichtigsten Benchmarks stammen von Z.ai selbst und sind teils nur als Bild veröffentlicht
Am besten für
Teams, die Coding- oder multimodale Agenten mit hohem Volumen betreiben und ein offenes Modell ohne Lizenzauflagen und mit sehr niedrigen API-Kosten wollen.
Alternativen zu GLM-5.3-Flash
GLM-5.3-Flash: häufige Fragen
- Lohnt sich GLM-5.3-Flash?
- GLM-5.3-Flash bietet den Großteil der Coding-Fähigkeiten von GLM-5.3 zu einem Zehntel des Token-Preises, und seine MIT-Lizenz lässt einem Juristen nichts zu lesen. Wir bewerten es mit 4.3 von 5.
- Was kostet GLM-5.3-Flash?
- Offene Gewichte unter MIT. API von Z.ai: 0,15 $ Input / 0,50 $ Output pro 1 Mio. Tokens (0,03 $ gecacht); FlashX 0,37 $ / 1,25 $.
- Welche Nachteile hat GLM-5.3-Flash?
- Thinking immer aktiv und wortreich: 180 Mio. Tokens beim Durchlauf von Artificial Analysis gegenüber einem Median von 140 Mio.; Etwa 330 GB an FP8-Gewichten, selbst hosten braucht also einen Server mit mehreren GPUs; Die wichtigsten Benchmarks stammen von Z.ai selbst und sind teils nur als Bild veröffentlicht.
- Für wen eignet sich GLM-5.3-Flash?
- Teams, die Coding- oder multimodale Agenten mit hohem Volumen betreiben und ein offenes Modell ohne Lizenzauflagen und mit sehr niedrigen API-Kosten wollen.
- Was kostet GLM-5.3-Flash für ein Team oder im Produktivbetrieb?
- Bei Z.ai kosten 2 Mrd. Input-Tokens (80 % gecacht) und 200 Mio. Output-Tokens im Monat etwa 208 $; GLM-5.3 läge bei etwa 1.856 $. Selbst hosten bedeutet rund 330 GB an FP8-Gewichten plus KV-Cache, mehr als vier GPUs mit 80 GB fassen, plane also einen Knoten mit acht GPUs ein.
- Ist GLM-5.3-Flash sicher für Firmendaten?
- Laut den API-Datenbedingungen von Z.ai werden Prompts und Ausgaben in Echtzeit verarbeitet und nicht gespeichert, und Kundendaten werden in der Regel in Singapur verarbeitet. Zum Training sagen die Bedingungen weder das eine noch das andere, und eine SOC-2- oder ISO-Zertifizierung ist nicht veröffentlicht. Z.ai betreibt das Modell auf in China hergestellten Beschleunigern.
- Was sind die besten Alternativen zu GLM-5.3-Flash?
- Die nächsten Alternativen, die wir getestet haben, sind GLM-5.3, DeepSeek-V4.1-Flash, Qwen3.5-397B-A17B und Kimi K3.
Antworten geprüft am 26. Okt. 2026.