GLM-5.3-Flash

Technische Einordnung

GLM-5.3-Flash ist das erste nativ multimodale Modell der GLM-5-Serie von Z.ai (Herstellerangabe). Es verarbeitet Text, Bilder, Videos und Dateien als Eingabe und liefert Text, strukturierte Ausgaben und Werkzeugaufrufe zurück. Die Architektur kombiniert erstmals in der GLM-Reihe lineare und spärliche Aufmerksamkeit und nutzt sogenannte Manifold-Constrained Hyper-Connections (mHC); nach Herstellerangaben sinken dadurch Attention-Rechenaufwand um Faktor 3,0 und KV-Cache-Bedarf um Faktor 4,4 gegenüber GLM-5.3. Von den 320 Milliarden Parametern sind pro Token nur 18 Milliarden aktiv, verteilt auf 45 Layer; das Pre-Training umfasste laut Hersteller 30 Billionen Token multimodaler Daten. Der praktische Schwerpunkt liegt auf Agent- und Coding-Arbeitslasten mit visueller Rückkopplung: Das Modell kann Oberflächen, gerenderte Ergebnisse und Interaktionsfeedback beobachten und seine Arbeit iterativ verbessern, etwa bei Frontend- und Spielentwicklung, Blender-3D-Szenen oder Computer-Use-Abläufen. Z.ai bewirbt außerdem Büro- und Wissensarbeit (Recherche, Finanzanalysen, Dokumentenverarbeitung mit PPTX-, PDF-, DOCX- und XLSX-Ausgaben) als Einsatzfeld. Diese Positionierung stammt aus Herstellerquellen und ist als solche eingeordnet. Das Kontextfenster umfasst 1 Million Token bei bis zu 128.000 Ausgabetoken. Der Denkmodus ist immer aktiv und lässt sich über reasoning_effort (low, high, max) steuern; er kann nicht abgeschaltet werden. Neben der Basisvariante glm-5.3-flash existiert die schnellere Variante glm-5.3-flashx (Herstellerangabe: 200 Token/s) sowie die juristische Spezialvariante glm-5.3-flashx-legal, deren API-Zugang nur ausgewählten Unternehmenskunden auf Antrag offensteht. Zugang gibt es über die Z.ai-API (Chat-Completion-API), den GLM Coding Plan mit punktebasierter Quote (für GLM-5.3-Flash laut Hersteller die dreifache Quote von GLM-5.3) sowie über offene Gewichte unter MIT-Lizenz auf Hugging Face für den lokalen Betrieb mit SGLang, vLLM, TokenSpeed, Transformers, KTransformers oder Unsloth. Mehrere Drittanbieter (unter anderem Together AI, Fireworks, DeepInfra, Baseten, Novita, Featherless) listen das Modell ebenfalls. Veröffentlicht wurde es im August 2026; vor dem Release testete Z.ai es nach eigenen Angaben anonym unter dem Namen ox-alpha auf OpenCode und OpenRouter.

Zugang & Nutzung

Z.ai-API (Modellcode glm-5.3-flash, Varianten glm-5.3-flashx und glm-5.3-flashx-legal), GLM Coding Plan (Punktequote, Off-Peak- und Wochenendnutzung mit 50 % der Standardpunkte; FlashX zum Prüfzeitpunkt noch nicht im Plan), offene Gewichte auf Hugging Face (zai-org/GLM-5.3-Flash, MIT), Inference-Provider laut Model Card: Zai, Together AI, Novita, Fireworks, Featherless AI, DeepInfra, Baseten. GLM-5.3-FlashX-Legal nur für ausgewählte Unternehmenskunden auf Antrag.

Offene Gewichte unter MIT-Lizenz (Copyright (c) 2026 Z.AI Co., Ltd), LICENSE-Datei im Hugging-Face-Repo geprüft: kommerzielle Nutzung, Vervielfältigung, Änderung und Weitergabe erlaubt, Copyright- und Lizenzhinweis in Kopien aufzunehmen. API- und Abo-Nutzung richtet sich zusätzlich nach den Z.ai-Plattformbedingungen.

Grenzen & richtig lesen

Denkmodus (thinking) ist immer aktiv und kann nicht deaktiviert werden; nur Steuerung über reasoning_effort (low, high, max, Standard max). Die maximale Ausgabelänge beträgt 128.000 Token und liegt damit unter dem Kontextfenster. KV-Cache-Bedarf liegt laut Hersteller-Vergleich leicht über Kimi-K3 und DeepSeek-V4-Flash. Benchmark-Werte (u.a. DeepSWE, AutomationBench, OSWorld, Z.ai Code Bench) stammen aus Herstellerquellen und teils hauseigenen Evaluierungen, nicht aus unabhängigen Tests. GLM-5.3-FlashX ist zum Prüfzeitpunkt nicht im Coding Plan verfügbar; FlashX-Legal nur für ausgewählte Unternehmenskunden. Preise in USD, Cache-Speicher nur zeitlich begrenzt kostenlos (Herstellerangabe).

Benchmark-Belege

Für dieses Portrait ist noch kein ausreichend zugeordnetes Ergebnis erfasst. Fehlende Werte sind keine Null. Wir übernehmen keine Werte aus ähnlich benannten Modell- oder Benchmark-Versionen.