O que é GLM-5.3?
GLM-5.3 é o modelo principal da Z.ai (antiga Zhipu AI), listado nas notas de versão da Z.ai em 18 de agosto de 2026, com pesos no Hugging Face desde 28 de agosto. É um modelo de texto mixture-of-experts de 753 bilhões de parâmetros (256 especialistas, 8 usados por token) sobre a mesma base do GLM-5.2, com todos os ganhos vindos de treinamento adicional. A Z.ai distribui os pesos nativamente em FP8, junto com uma cópia em BF16. Um irmão multimodal, o GLM-5.3-Flash (321B parâmetros), lê imagens além de texto.
Ele tem contexto de 1M de tokens e até 128K tokens de saída. O raciocínio está sempre ligado, em esforço low, high ou max, e o padrão é max. A Z.ai também destaca um aumento não planejado na capacidade de ataque cibernético: ela relata resultados de ponta no CyberGym e mais do que o dobro das pontuações do GLM-5.2 em benchmarks de exploração.
Os pesos usam uma licença MIT modificada. Só empresas com negócio de modelo como serviço e mais de $10 bilhões de receita anual precisam passar por uma revisão de segurança da Z.ai antes do uso comercial. Na API da Z.ai, ele custa $1,40 por milhão de tokens de entrada e $4,40 por milhão de tokens de saída, com entrada em cache a $0,26.
Quanto custa GLM-5.3?
| Plano | Preço | O que inclui |
|---|---|---|
| Weights | Free | Licença MIT modificada |
| GLM-5.3 | $1.40 in / $4.40 out per 1M tokens | $0,26 em cache |
| GLM-5.3-Flash | $0.15 in / $0.50 out per 1M tokens |
Pesos abertos sob licença MIT modificada. API da Z.ai: $1,40 de entrada / $0,26 em cache / $4,40 de saída por 1M de tokens; GLM-5.3-Flash $0,15 / $0,50.
GLM-5.3 vale a pena?
O GLM-5.3 é o modelo de pesos abertos mais forte para programação e trabalho com agentes que uma empresa pode implantar sem negociação. A Artificial Analysis lhe dá 45 no seu Intelligence Index, terceiro de 121 modelos na sua comparação de pesos abertos, contra 52 do GPT-6.1 Sol e 58 do Claude Opus 5.5. Na tabela da própria Z.ai, ele marca 88,2 no Terminal-Bench 2.1 e 66,9 no DeepSWE v1.1, contra 81,0 e 46,2 do GLM-5.2, e sua nota de 1769 no GDPval-AA v2, medida pela Artificial Analysis, supera todos os modelos dessa comparação.
As avaliações humanas independentes concordam que ele está perto, mas não na liderança. Na avaliação às cegas de programação da Surge AI que a Mistral publicou com o Large 4, o GLM-5.3 marcou 3,60 de 5, empatado com o Kimi K3 (3,59), mas atrás do Mistral Large 4 Preview (3,74) e bem atrás do Claude Opus 5 (4,22). O Kimi K3 também fica um pouco à frente dele no DeepSWE e no Toolathlon nos números da própria Z.ai.
O preço de tabela o favorece. A $1,40 e $4,40 por milhão de tokens, ele custa uma fração das tarifas da fronteira fechada, mas a Artificial Analysis viu que ele produziu 210 milhões de tokens de saída ao longo do seu índice, contra uma mediana de 140 milhões, e custa $2,01 por tarefa do índice. Isso é mais barato que os $3,26 do GPT-6 Astra, mas quase três vezes os $0,72 do GPT-6.1 Sol, porque o raciocínio tem padrão max e não pode ser desligado.
Equipes de segurança devem notar o que a própria Z.ai aponta. O card descreve uma capacidade cibernética que cresceu mais rápido do que o esperado, com pontuações no ExploitGym de 105 e 130, contra 29 e 39 do GLM-5.2, e os pesos abertos não têm restrições de uso além da cláusula de receita. Isso o torna útil para pesquisa de segurança autorizada e, ao mesmo tempo, um modelo cuja implantação, ao contrário de uma API fechada, não vem com nenhuma salvaguarda do lado do provedor.
Onde ele se destaca
Um staff engineer que roda agentes de programação no Claude Code ou no Cline
Cortar os gastos com agentes sem cair para um modelo fraco
Aponte o agente para a API da Z.ai ou para o GLM Coding Plan. Um mês com 100M de tokens de entrada (80% em cache) e 20M de saída custa cerca de $137 nas tarifas de tabela, mas reserve orçamento para rastros longos de raciocínio no esforço máximo padrão.
Um líder de infraestrutura de ML em um banco que não pode enviar código para APIs de terceiros
Auto-hospedar no local um modelo de programação quase de fronteira
O checkpoint FP8 tem cerca de 753 GB, mais do que um nó de 8×80 GB comporta, então planeje GPUs da classe de 141 GB ou dois nós com vLLM ou SGLang. A licença não exige aprovação abaixo de $10 bilhões de receita.
Uma equipe de pesquisa de segurança em uma empresa de pentest
Automatizar a descoberta de vulnerabilidades em trabalhos autorizados
A Z.ai relata 84,5% no CyberGym, a maior pontuação da sua tabela, e os pesos abertos permitem que a equipe o rode isolado da rede. A equipe também fica responsável pelos controles contra uso indevido, já que nada filtra as requisições antes.
Antes de decidir
- Configuração
- A API da Z.ai é compatível com OpenAI e funciona no Claude Code, no Cline e no OpenCode; para auto-hospedar há receitas para vLLM, SGLang, KTransformers e Unsloth, além de Huawei Ascend.
- Integrações
- Function calling, chamadas de ferramenta em streaming, saída estruturada, cache de contexto e busca na web na API da Z.ai; o OpenRouter o lista a $0,70/$2,20 por 1M de tokens.
- Dados e privacidade
- A API da Z.ai opera a partir de Singapura, e seus termos de processamento de dados dizem que ela processa os dados dos clientes em nome deles e não armazena entradas nem saídas da API, que são processadas em tempo real; não há declaração explícita publicada sobre treinamento com prompts da API. Auto-hospedar mantém os dados dentro de casa.
- Custo em escala
- A Z.ai lista $1,40/$4,40 por 1M de tokens, com entrada em cache a $0,26 e armazenamento em cache gratuito por tempo limitado. A Artificial Analysis o coloca em $2,01 por tarefa do índice, contra $0,72 do GPT-6.1 Sol. Auto-hospedar significa cerca de 753 GB de pesos FP8 mais a memória de cache.
- Limites
- Só texto, raciocínio sempre ligado (padrão max), contexto de 1M e saída de 128K. Todos os números de benchmark, exceto o GDPval-AA e a avaliação da Surge, são da própria Z.ai.
O que é bom
- Licença MIT modificada; restrição só acima de $10B de receita
- Contexto de 1M de tokens, saída de 128K
- Terminal-Bench 2.1 em 88,2, segundo a Z.ai
- Irmão Flash multimodal e barato a $0,15/$0,50
O que não é
- Muito verboso: o raciocínio não pode ser desligado
- O modelo principal é só texto
- Só os pesos FP8 ocupam cerca de 753 GB
- Forte capacidade de ataque cibernético sem salvaguardas embutidas
Ideal para
Desenvolvedores e empresas que querem um modelo aberto capaz para programação e agentes, com restrições mínimas de licença.
Alternativas ao GLM-5.3
GLM-5.3: perguntas frequentes
- GLM-5.3 vale a pena?
- Programação com pesos abertos a poucos pontos da fronteira fechada, sob uma licença que quase ninguém precisa ler duas vezes. Damos nota 4.4 de 5.
- Quanto custa GLM-5.3?
- Pesos abertos sob licença MIT modificada. API da Z.ai: $1,40 de entrada / $0,26 em cache / $4,40 de saída por 1M de tokens; GLM-5.3-Flash $0,15 / $0,50.
- Quais são as desvantagens de GLM-5.3?
- Muito verboso: o raciocínio não pode ser desligado; o modelo principal é só texto; só os pesos FP8 ocupam cerca de 753 GB; forte capacidade de ataque cibernético sem salvaguardas embutidas.
- Para quem GLM-5.3 é indicado?
- Desenvolvedores e empresas que querem um modelo aberto capaz para programação e agentes, com restrições mínimas de licença.
- Quanto custa GLM-5.3 para uma equipe ou em produção?
- A Z.ai lista $1,40/$4,40 por 1M de tokens, com entrada em cache a $0,26 e armazenamento em cache gratuito por tempo limitado. A Artificial Analysis o coloca em $2,01 por tarefa do índice, contra $0,72 do GPT-6.1 Sol. Auto-hospedar significa cerca de 753 GB de pesos FP8 mais a memória de cache.
- GLM-5.3 é seguro para dados da empresa?
- A API da Z.ai opera a partir de Singapura, e seus termos de processamento de dados dizem que ela processa os dados dos clientes em nome deles e não armazena entradas nem saídas da API, que são processadas em tempo real; não há declaração explícita publicada sobre treinamento com prompts da API. Auto-hospedar mantém os dados dentro de casa.
- Quais são as melhores alternativas ao GLM-5.3?
- As alternativas mais próximas que analisamos são Kimi K3, DeepSeek-V4-Pro, Qwen3.8-Max e MiniMax-M3.
Respostas verificadas em 26 de out. de 2026.