Zhipu veröffentlichte GLM-5.3 am 14. August, die API wurde rund um den 18. August offiziell für den Zugriff freigeschaltet: 1,40 US-Dollar pro Million Input-Token, 4,40 US-Dollar pro Million Output-Token, bei einem Kontextfenster von 1 Million Token. Am selben Tag vergab die unabhängige Prüfstelle Artificial Analysis einen Intelligence-Index-Wert von 60 Punkten – Platz 8 unter den 182 von ihr erfassten Modellen. Der Median der Reasoning-Modelle in derselben Preisklasse liegt bei 35 Punkten.
Die erste Ebene dieser Nachricht ist die Punktzahl, erst die zweite ist der Preis. Stellt man mehrere Modelle mit offenen oder öffentlich zugänglichen Gewichten aus derselben Auswertungsrunde von Artificial Analysis nebeneinander: GLM-5.3 erreicht maximal 59,5 Punkte (auf der Modellseite gerundet als 60 angezeigt), kostet 0,68 US-Dollar pro Aufgabe und erzeugt 41.107 Output-Token pro Aufgabe; Kimi K3 erreicht maximal 59,7 Punkte, kostet 0,84 US-Dollar und erzeugt 25.474 Token; Qwen 3.8 Max erreicht 58,1 Punkte, kostet 1,13 US-Dollar und erzeugt 38.287 Token; Grok 4.6 (high) von xAI erreicht 60,9 Punkte, kostet 0,84 US-Dollar und erzeugt 21.735 Token. Punktemäßig liegt GLM-5.3 nur 0,2 Punkte hinter Kimi K3 und damit praktisch gleichauf in der Spitzengruppe der offenen Modelle. Allerdings produziert es für dieselbe Aufgabe rund sechzig Prozent mehr Token, wodurch der Preisvorteil pro Token teilweise wieder aufgezehrt wird – umgerechnet bleiben es dennoch 0,68 US-Dollar pro Aufgabe, der niedrigste Wert in dieser Gruppe.
Am Tag der Veröffentlichung betonte Zhipu Coding und Sicherheit
In den Release Notes vom 14. August positioniert Zhipu GLM-5.3 als Ergebnis eines "extremen Post-Trainings" auf derselben Basis wie GLM-5.2: Trainingsumgebung und -dauer wurden deutlich ausgeweitet, das Basismodell blieb unverändert. Die vorgelegten Ergebnisse konzentrieren sich auf Coding- und Agenten-Aufgaben: Terminal Bench 3.0 stieg von 4,6 bei GLM-5.2 auf 28,3, DeepSWE v1.1 von 46,2 auf 66,9, Agents' Last Exam von 23,8 auf 28,5; auf Zhipus eigenem Z.ai Code Bench (High) liegt die Genauigkeit bei 31,4 Prozent, höher als die für Claude Opus angegebenen 29,5 Prozent. Die interne Bewertung des Unternehmens spricht von einer um 50 Prozent verbesserten Coding-Fähigkeit gegenüber GLM-5.2.
"GLM-5.3 is the open-source model with the strongest programming ability."
So positioniert sich Zhipu selbst: das Modell mit der stärksten Programmierfähigkeit im Open-Source-Lager.
Gesondert hervorgehoben wird zudem die Cybersecurity-Fähigkeit. Zhipu erklärt, während des Post-Trainings sei eine "über den Erwartungen liegende" emergente Sicherheitsfähigkeit aufgetreten; in der Red-Team-Testphase wurden insgesamt 2.436 Schwachstellen gefunden. Auf CyberGym erreicht das Modell 84,5 Prozent, vergleichbar mit Anthropics Mythos 5 (83,8 Prozent); auf ExploitBench sind es 54,4 Prozent, deutlich unter den 78,0 Prozent von Mythos 5. Die Abdeckung reiche laut offizieller Darstellung von Software bis zu Internetprotokollen und robotischen Systemen.
Gewichte sollen innerhalb von zwei Wochen erscheinen, zunächst Anbindung an Coding-Tools
Der Open-Source-Zeitplan sieht vor, die Gewichte innerhalb von zwei Wochen nach Veröffentlichung (etwa bis zum 28. August) auf Hugging Face öffentlich zu machen, vorausgesetzt Sicherheitsbewertung und Härtung sind abgeschlossen; die Lizenzbedingungen wurden noch nicht bekannt gegeben. Bis dahin wird das Modell zunächst über die API und eine Reihe von Coding-Tools angeboten. Zhipu nennt als Integrationspartner ZCode und AutoClaw sowie Drittanbieter-Plattformen wie TraeWork, WorkBuddy, Qoder und CatPaw.
Die Diskussion auf Hacker News rund um die Daten von Artificial Analysis liefert eine ergänzende Nutzerperspektive: Manche Entwickler sehen darin einen Vorteil, dass die Reasoning-Token von GLM-5.3 sichtbar sind – man könne "das Modell rechtzeitig stoppen, wenn es vom Kurs abkommt". Andere weisen direkt darauf hin, dass der Token-Verbrauch höher ist als bei Kimi K3. Für Teams, die nach Token abrechnen, muss der Stückpreis von 1,4/4,4 US-Dollar mit der tatsächlichen Output-Länge multipliziert werden, bevor ein Vergleich Sinn ergibt – wer nur auf die Preisliste schaut, bekommt ein verzerrtes Bild.
Die Rechnung für Entwickler in China
Setzt man diese Preisgestaltung in die Preisreihe chinesischer Modelle ein: Bei der Veröffentlichung von GLM-5.2 hieß es, die Coding-Ergebnisse näherten sich Closed-Source-Modellen an, während der Preis nur ein Sechstel von GPT-5.5 betrage. GLM-5.3 schiebt die absolute Punktzahl noch eine Stufe weiter nach oben, während der Stückpreis auf demselben Niveau bleibt. Für Nutzer in China ist der eigentliche Vergleichsmaßstab der API-Preis von DeepSeek V4 Pro und Kimi K3 sowie die jeweiligen Spitzen- und Schwachlastrabatte der Anbieter. Punktemäßig ist GLM-5.3 bereits Teil dieser Debatte; ob daraus ein Preiskampf wird, hängt davon ab, welche Konditionen nach der Freigabe der Gewichte in zwei Wochen und der Anbindung durch Drittanbieter-Inferenzplattformen genannt werden.
Quellen: Release Notes von Zhipu zu GLM-5.3, Modellseite von Artificial Analysis, CocoLoop, Diskussion auf Hacker News, VentureBeat; geprüft wurden API-Input-/Output-Preise, Intelligence-Index-Werte und -Rangfolge, Kosten und Output-Token pro Aufgabe (einheitliche Testumgebung von Artificial Analysis) sowie offizielle Benchmark-Werte und der Zeitplan zur Freigabe der Gewichte.