Zhipu merilis GLM-5.3 pada 14 Agustus, dan API-nya resmi dibuka sekitar 18 Agustus: $1,40 per juta token input, $4,40 per juta token output, dengan jendela konteks 1 juta token. Lembaga evaluasi independen Artificial Analysis pada hari yang sama memberikan skor Intelligence Index sebesar 60, menempatkannya di peringkat 8 dari 182 model yang mereka lacak. Skor median untuk model reasoning di kelas harga yang sama hanya 35.
Berita ini sebenarnya punya dua lapisan: skor dulu, baru harga. Kalau beberapa model open-weight atau yang bisa diakses publik dari putaran data Artificial Analysis yang sama dijejerkan, hasilnya begini: GLM-5.3 di konfigurasi tertinggi meraih 59,5 (dibulatkan jadi 60 di halaman model), biaya $0,68 per tugas, dan output 41.107 token per tugas. Kimi K3 meraih 59,7, biaya $0,84, output 25.474 token. Qwen 3.8 Max meraih 58,1, biaya $1,13, output 38.287 token. Grok 4.6 (high) dari xAI meraih 60,9, biaya $0,84, output 21.735 token. Dari sisi skor, GLM-5.3 hanya kalah 0,2 poin dari Kimi K3, membuat keduanya nyaris sejajar di puncak kelompok open-weight — tapi GLM-5.3 butuh sekitar 60% lebih banyak token untuk menyelesaikan tugas yang sama, sehingga keunggulan tarif per tokennya sebagian tergerus. Meski begitu, biaya $0,68 per tugas tetap yang paling rendah di kelompok ini.
Saat peluncuran, Zhipu menonjolkan coding dan keamanan
Dalam catatan rilis 14 Agustus, Zhipu menyebut GLM-5.3 sebagai hasil dari "post-training ekstrem" di atas basis model yang sama dengan GLM-5.2 — basis modelnya tidak berubah, tapi lingkungan dan durasi pelatihan diperpanjang secara signifikan. Hasil benchmark yang ditonjolkan berpusat pada tugas coding dan agen: Terminal Bench 3.0 naik dari 4,6 (GLM-5.2) menjadi 28,3, DeepSWE v1.1 naik dari 46,2 menjadi 66,9, dan Agents' Last Exam naik dari 23,8 menjadi 28,5. Di Z.ai Code Bench (High) milik Zhipu sendiri, akurasinya mencapai 31,4%, lebih tinggi dari angka 29,5% yang mereka catat untuk Claude Opus. Evaluasi internal Zhipu menyebut kemampuan coding meningkat 50% dibanding GLM-5.2.
"GLM-5.3 is the open-source model with the strongest programming ability."
Itu klaim Zhipu sendiri: model dengan kemampuan coding terkuat di kalangan open-source.
Kemampuan lain yang disorot terpisah adalah keamanan siber. Zhipu menyatakan proses post-training memunculkan kemampuan keamanan emergent yang "melampaui ekspektasi", dengan pengujian red-team menemukan total 2.436 kerentanan. Di CyberGym, skornya 84,5%, mendekati Mythos 5 milik Anthropic (83,8%). Di ExploitBench, skornya 54,4%, jauh di bawah 78,0% milik Mythos 5. Menurut klaim resmi, cakupannya meluas dari software ke protokol internet hingga sistem robotik.
Bobot model dirilis dalam dua minggu, alat coding lebih dulu dapat akses
Rencana open-source-nya: bobot model akan diunggah ke Hugging Face dalam dua minggu setelah rilis (sekitar 28 Agustus), dengan syarat evaluasi keamanan dan pengerasan sistem sudah selesai; ketentuan lisensinya belum diumumkan. Sebelum itu, model hanya tersedia lewat API dan sejumlah alat coding. Zhipu menyebut ZCode dan AutoClaw sebagai integrasi miliknya sendiri, ditambah platform coding pihak ketiga seperti TraeWork, WorkBuddy, Qoder, dan CatPaw.
Diskusi di Hacker News seputar data Artificial Analysis memberi perspektif tambahan dari sisi pengguna. Sebagian developer menilai token reasoning GLM-5.3 yang terlihat sebagai kelebihan — "bisa dihentikan tepat waktu saat modelnya melenceng" — sementara yang lain langsung menunjuk penggunaan tokennya lebih tinggi dari Kimi K3. Bagi tim yang ditagih per token, tarif $1,40/$4,40 itu harus dikalikan dengan output yang lebih panjang dulu sebelum dibandingkan; kalau cuma lihat daftar harga, hasilnya bisa menyesatkan.
Hitung-hitungan bagi developer di Tiongkok
Kalau harga ini ditaruh dalam rentetan harga model buatan Tiongkok: saat GLM-5.2 diluncurkan, klaim Zhipu adalah skor coding-nya mendekati model closed-source dengan harga cuma seperenam dari GPT-5.5. GLM-5.3 mendorong skor absolutnya naik satu tingkat lagi, sementara tarifnya tetap di kisaran yang sama. Bagi developer di Tiongkok, pembanding yang sebenarnya relevan adalah harga API DeepSeek V4 Pro dan Kimi K3, plus diskon jam sibuk-nonsibuk dari masing-masing vendor. GLM-5.3 sudah masuk ke percakapan skor ini — soal apakah perang harga akan menyusul, tergantung pada apa yang terjadi setelah bobot modelnya dirilis dalam dua minggu dan platform inferensi pihak ketiga mulai memasang tarif sendiri.
Sumber: catatan rilis GLM-5.3 dari Zhipu, halaman model Artificial Analysis, CocoLoop, diskusi Hacker News, VentureBeat; memverifikasi tarif input/output API, skor dan peringkat Intelligence Index, biaya per tugas serta angka token output (lingkungan evaluasi terpadu Artificial Analysis), angka benchmark resmi, dan jadwal rilis bobot model.