GLM-5.3
GLM-5.3 ist Z.AIs Frontier-Coding-Flaggschiff vom 14. August 2026 mit 744 Milliarden Gesamt- und 40 Milliarden aktiven Parametern. Alle Fortschritte gegenüber GLM-5.2 stammen aus Post-Training: Terminal-Bench 3.0 stieg von 4,6 auf 28,3 Prozent, ExploitBench mehr als verdoppelt. Reasoning ist verpflichtend aktiv, Kontext eine Million Tokens. Gewichte und Lizenz noch nicht veröffentlicht, chinesische Cloud-Infrastruktur.
- Open Weights
- Frontier
- OpenRouter
- Text
- Agentic Orchestrator
- Long Context
- Batch
Sovereign Risk: HIGH Das Entwicklerunternehmen Z.AI hat seinen Sitz in China. Die Entwicklung des Modells unterliegt somit der chinesischen Gesetzgebung, was im internationalen Kontext ein erhöhtes Risiko in Bezug auf Datensicherheit und staatlichen Einfluss darstellt. Zum aktuellen Stand (23. August 2026) sind die Gewichte noch nicht veröffentlicht; das Modell ist ausschließlich über den GLM Coding Plan und die Z.AI-Cloud-Infrastruktur nutzbar, wodurch sämtliche Anfragen über chinesische Server laufen. Eine Risikominderung durch lokalen Betrieb ist derzeit nicht möglich.
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Silver
- 67.7
- Routine
- 38.09
- Reasoning
- 29.61
- LLM Judge Avg
- 3.49 / 5
- 100 Coverage
- Avg Task Duration
- 113.32s
- Batch
- Token Rate
- 53.66tok/s
- Output Rate
- P95 Latency
- 274.67s
- Top 5 %
- Total Tokens
- 334200
- Output Volume
- Cost per 1K
- $0.0044
- USD / 1K Requests
- Benchmark Cost
- $1.47
- Total · 334200 tok
Benchmark-Module
10 Module · gewichtet · vs. Modellmedian & Spitzenreiter
Token-Effizienz & Latenz
Verbrauch pro Modul vs. Modellmedian
Token-Verbrauch pro Modul
Performance-Profil
Schlüsselmetriken – Legende
Score
- Total Score
- Gesamtpunktzahl aus Routine- und Reasoning-Score. Basis für den Flotten-Rang und die Tier-Zuordnung (Gold / Silver / Bronze).
- Routine
- Punktzahl für Standardaufgaben: Code-Generierung, Texttransformation, strukturierte Ausgaben. Gewichtet nach Aufgabenkomplexität.
- Reasoning
- Punktzahl für analytische und logische Aufgaben: mehrstufige Problemlösung, mathematisches Schlussfolgern, strukturierte Argumentationen.
- Rang
- Position im Flottenvergleich, sortiert nach Total Score. Bezieht sich auf den Snapshot zum Zeitpunkt des Tests.
LLM Judge
- LLM Judge Ø
- Durchschnittliche Qualitätsbewertung durch ein unabhängiges Richter-Modell auf einer Skala von 1–5.
- Coverage
- Anteil der Aufgaben, für die eine Judge-Bewertung vorliegt. 100 % bedeutet, alle Antworten wurden bewertet.
Latenz & Geschwindigkeit
- Avg. Task Duration
- Durchschnittliche Zeit pro Aufgabe vom ersten bis zum letzten Token der Antwort, gemessen über alle Benchmark-Aufgaben.
- Token Rate
- Ausgabe-Geschwindigkeit in Tokens pro Sekunde. Relevant für interaktive Anwendungen und Echtzeit-Streaming.
- P95 Latency
- 95. Perzentil der Antwortzeiten – zeigt Ausreißer. Niedrigere Werte bedeuten weniger lange Wartezeiten in Ausnahmefällen.
Kosten
- Cost per 1K
- API-Preis pro 1.000 Output-Tokens in US-Dollar. Basis für Kostenkalkulation bei produktivem Einsatz.
- Benchmark Cost
- Gesamtkosten für den vollständigen Benchmark-Durchlauf dieses Modells.