GLM 5.3 Flash: Z.ai veröffentlicht Ox Alpha als offenes 320B-Modell

Z.ai veröffentlichte GLM 5.3 Flash am 26. August 2026, und es ist nicht das Modell, auf das irgendjemand gewartet hatte. Zwölf Tage lang war das erwartete nächste Ereignis von Z.ai die Open-Weight-Veröffentlichung von GLM 5.3, die beim Launch dieses Modells „in etwa zwei Wochen“ versprochen worden war. Was tatsächlich kam, war ein völlig anderes Modell. GLM 5.3 Flash ist ein Mixture-of-Experts-Modell mit 320 Milliarden Parametern, das pro Token nur 18 Milliarden Parameter aktiviert. Es ist das erste nativ multimodale Modell der GLM-5-Serie und das erste, das seit GLM 5.2 auf einer neuen Basis aufbaut.

Es kam zudem mit einer Identitätsenthüllung. GLM 5.3 Flash ist Ox Alpha, das anonyme Modell, das stillschweigend Traffic auf OpenRouter bediente und wegen seines 1M-Token-Kontexts Aufmerksamkeit erregte. Im Folgenden geht es darum, was das Modell tatsächlich ist, was die Benchmark-Tabelle von Z.ai zeigt, sobald man auch die Tests einbezieht, die es verliert, und was es kostet. Außerdem geht es darum, warum die tatsächlich veröffentlichten Gewichte nicht die versprochenen sind.

Die wichtigsten Punkte

• Veröffentlicht: 26. August 2026, mit MIT-lizenzierten Gewichten auf Hugging Face schon am ersten Tag.
• Größe: 320B insgesamt, 18B aktiv, aufgebaut auf einer neu trainierten Basis statt einem Post-Training auf der von GLM 5.2.
• Ein Novum für die Reihe: nativ multimodal, mit einem 1M-Token-Kontext und einem hybriden Design aus Sparse- und Linear-Attention.
• Preis: $0.15 pro Million Input-Tokens und $0.50 für Output, gegenüber $1.40 und $4.40 bei GLM 5.3.
• Weiterhin fehlend: die eigenen 744B-Gewichte von GLM 5.3. Die Hugging-Face-Organisation von Z.ai hat überhaupt kein GLM-5.3-Repository.

Was GLM 5.3 Flash tatsächlich ist

Der Name legt eine falsche Annahme nahe. Bei den meisten Modellfamilien bedeutet „Flash“ eine destillierte oder verschlankte Version des Flaggschiffs. Darum geht es hier nicht. Z.ais eigene Ankündigung legte die Spezifikation in vier Zeilen dar.

Eine neue Basis statt eines Post-Trainings

Das ist das Detail, das GLM 5.3 Flash von allem unterscheidet, was Z.ai dieses Jahr veröffentlicht hat. GLM 5.3 verdankte seinen gesamten Fortschritt dem Post-Training auf derselben 744B-Basis wie sein Vorgänger, ganz ohne neues Pretraining. GLM 5.3 Flash dreht das um. Z.ai sagt, das Modell „starte von einem neu trainierten Basismodell, dessen Architektur und Trainingsrezept rund um Leistungsfähigkeit und Effizienz neu gestaltet wurden“, trainiert auf einem frischen multimodalen Korpus mit 30 Billionen Tokens.

Die beiden Modelle stehen also auf entgegengesetzten Seiten einer Design-Entscheidung. Das eine ist ein größeres Gehirn mit neuen Fähigkeiten. Das andere ist ein kleineres Gehirn, das von Grund auf anders aufgebaut ist. Für den Kontext, wie diese Familie hierher gelangt ist, deckt unser Erklärartikel zu was GLM ist und wie sich Zhipus offene Modellreihe entwickelt hat die früheren Generationen ab.

Was die hybride Attention bringt

GLM 5.3 Flash ist das erste Modell der GLM-Reihe, das Sparse- und Linear-Attention in einem Stack kombiniert, und genau daher stammt der größte Teil seines Kostenvorteils. Die veröffentlichte Konfiguration macht die Aufteilung sichtbar: Von 45 Layern nutzen 34 Linear-Attention und 11 Sparse-Attention, und das Mixture-of-Experts-System routet pro Token zu 8 von 288 Experten. Z.ais Dokumentation nennt dazu konkrete Zahlen: Gegenüber GLM 5.3 senkt das Design die Attention-Berechnung um das 3,01-Fache und die Größe des KV-Caches um das 4,44-Fache. Bei einem 1M-Token-Kontext ist es meist der KV-Cache, der lange Sitzungen teuer macht, weshalb sich diese zweite Zahl direkt auf der Rechnung bemerkbar macht.

Das Modell übernimmt außerdem eine Technik namens Manifold-Constrained Hyper-Connections, kurz mHC, die einschränkt, wie sich Residual-Streams mischen, damit sehr weitreichende Konnektivität das Training nicht destabilisiert. Erwähnenswert ist die Herkunft: mHC wurde Ende 2025 von einem Forschungsteam von DeepSeek veröffentlicht. Dass ein Zhipu-Modell auf einer veröffentlichten Methode eines rivalisierenden chinesischen Labors aufbaut, zeigt kleine, aber reale Weise, wie schnell offene Forschung zwischen ihnen zirkuliert.

GLM 5.3 Flash gegen GLM 5.3

Nebeneinander betrachtet sind das keine Varianten eines Modells. Sie unterscheiden sich in fast jeder Zeile.

Ox Alpha, enthüllt

Vor dem Launch lief ein unbenanntes Modell namens Ox Alpha auf OpenRouter mit einem 1M-Token-Kontext, während der Vorschauphase kostenlos, und erregte Aufmerksamkeit, weil es ganze Codebasen ohne Chunking verarbeiten konnte. Die Enthüllung wurde am Launch-Tag zweimal bestätigt. Z.ais Ankündigung beschrieb das Modell als „previously previewed as Ox Alpha“ (zuvor als Ox Alpha in der Vorschau). Zixuan Li, der im GLM-5-Technikbericht genannt wird, ging noch weiter. Ox Alpha „war eine frühe Version von GLM-5.3-Flash“, schrieb er, und die veröffentlichte Version „liefert stärkere Leistung und deutlich bessere Stabilität“.

Der Stealth-Slot ist jetzt leer. Ox Alpha taucht im aktuellen Modellkatalog von OpenRouter nicht mehr auf, und z-ai/glm-5.3-flash wurde dort am 26. August um 13:59 UTC angelegt, dreizehn Minuten bevor Z.ai die Ankündigung veröffentlichte.

Anonyme Vorschau-Launches sind zu einer Standardtaktik geworden, um echte Nutzungsdaten zu sammeln, bevor ein Name daran hängt, und sie enden nicht immer so geordnet. Wir haben ein unordentlicheres Beispiel in dem mysteriösen Modell Hunter Alpha, das die ganze Branche täuschte behandelt.

Eine Zeile der Ankündigung verdient besondere Aufmerksamkeit. Z.ai sagt, das Modell sei „running entirely on Chinese AI chips“ (vollständig auf chinesischen KI-Chips) gelaufen, was beschreibt, wie die Vorschau bereitgestellt wurde. Das ist nicht dasselbe wie die Aussage, das Modell sei darauf trainiert worden, und Z.ai hat das über dieses Modell nicht behauptet. Der Unterschied ist wichtig, weil Z.ai GLM-5 tatsächlich durchgängig auf Huawei-Ascend-Silizium trainiert hat, und die beiden Tatsachen verschwimmen leicht miteinander.

GLM 5.3 Flash Benchmarks

Jede Zahl unten stammt aus Z.ais eigener Launch-Tabelle, einschließlich der Werte, die sie für konkurrierende Modelle veröffentlichen. Eine unabhängige Auswertung von GLM 5.3 Flash gibt es noch nicht. Die einzige Ausnahme ist GDPval-AA v2, das laut Z.ais Fußnoten von Artificial Analysis und nicht intern durchgeführt wurde.

Wo GLM 5.3 Flash vorne liegt

Das klarste Ergebnis zeigt sich gegen den eigenen Vorgänger. GLM 5.3 Flash schlägt GLM 5.2 bei allen sechs Tests, bei weniger als der halben Größe und rund einem Zehntel des Preises. Genau das ist die konkrete Behauptung, die Z.ai in der Modellkarte aufstellt, und die Tabelle stützt sie.

Gegenüber der geschlossenen Spitzengruppe stechen zwei Ergebnisse heraus. AutomationBench liegt mit 48,8 deutlich vor Claude Opus 4.8 mit 41,0 und GPT-5.6 Terra mit 37,2. GDPval-AA v2, die einzige Zahl hier, die nicht von Z.ai selbst stammt, liegt bei 1773 Elo gegenüber 1582 für Opus 4.8, der höchste Wert in der Tabelle mit deutlichem Abstand.

Wo es noch zurückliegt

Die Tabelle ist weniger schmeichelhaft als die Zusammenfassungen am Launch-Tag nahelegten, und die Verluste sollten klar benannt werden. Bei Terminal Bench 2.1 liegt das Modell mit 84,3 auf dem vorletzten Platz, hinter Opus 4.8, Gemini 3.7 Flash und GPT-5.6 Terra. Bei Agents’ Last Exam ist es von den fünf aufgeführten Modellen das letzte. Bei HLE mit Tools liegt es hinter Opus 4.8 und DeepSeek zurück. Bei AutomationBench, seiner stärksten Leistung gegenüber Anthropic und OpenAI, schlägt Gemini 3.7 Flash es mit 52,3 trotzdem.

Insgesamt betrachtet ist GLM 5.3 Flash kein Modell, das die Spitze schlägt, und Z.ai behauptet das auch nicht. Die Behauptung lautet, dass es bei Coding- und Agenten-Aufgaben nahe an Opus 4.8 herankommt und dabei nur einen Bruchteil kostet, und diesen Zahlen zufolge stimmt das. Für einen breiteren Blick über mehrere Anbieter hinweg siehe wie die GLM-Reihe im Vergleich zu Claude, GPT und Gemini abschneidet.

GLM 5.3 Flash Preise

Hier macht das Modell seinen stärksten Punkt. Z.ais veröffentlichte Preisliste setzt GLM 5.3 Flash rund eine Größenordnung unter das eigene Flaggschiff, und eine aktuelle Launch-Aktion halbiert selbst das noch.

Alle Angaben sind pro Million Tokens, laut Z.ais Developer-Preisseite. Der 50-Prozent-Rabatt läuft bis Mitternacht am 9. September 2026 Singapur-Zeit, und OpenRouter berechnet bereits den Aktionspreis, was eine nützliche unabhängige Bestätigung dafür ist, dass der Rabatt wirklich aktiv ist und nicht nur angekündigt wurde.

Im Abo-Bereich ist GLM 5.3 Flash im GLM Coding Plan mit dreifachem Kontingent gegenüber GLM 5.3 enthalten, und Anfragen außerhalb der Stoßzeiten, einschließlich des gesamten Wochenendes, verbrauchen nur die Hälfte der üblichen Punkte. Unsere Übersicht zu GLM-Preisen und wie sich das Kontingent des Coding Plans verhält behandelt die Stufen im Detail.

Die Gewichte, die Z.ai nicht veröffentlicht hat

Am 14. August brachte Z.ai GLM 5.3 ohne offene Gewichte heraus und sagte, sie würden in etwa zwei Wochen folgen, nach einer Sicherheitsprüfung der Fähigkeit des Modells, Schwachstellen zu entdecken. Zwei Wochen nach diesem Datum ist jetzt.

Veröffentlicht wurde ein anderes Modell. Zum Zeitpunkt dieses Artikels listet Z.ais Hugging-Face-Organisation GLM-5.3-Flash und GLM-5.3-Flash-BF16, beide am 25. August angelegt, und davor stammen die jüngsten Einträge von GLM-5.2 und GLM-5.2-FP8 vom 16. Juni. Ein GLM-5.3-Repository gibt es weiterhin nicht.

Das ist nicht notwendigerweise ein gebrochenes Versprechen. GLM 5.3 Flash ist ein anderes Modell mit einem anderen Risikoprofil, daher sagt die Tatsache, dass es veröffentlicht wurde, nichts darüber aus, ob die Sicherheitsprüfung von GLM 5.3 abgeschlossen ist. Doch am Stand der Dinge hat sich nichts geändert. Das stärkste GLM-Modell, das man herunterladen kann, ist immer noch nicht das stärkste GLM-Modell, das Z.ai besitzt. Wer seine Pläne auf das Selbsthosten offener Spitzenmodelle stützt, sollte in unserem Leitfaden zu den besten Open-Source-KI-Modellen nachsehen, wo der Rest des Feldes steht.

So nutzt du GLM 5.3 Flash

Der Zugang ist für einen Launch-Tag ungewöhnlich breit. Das Modell ist auf Z.ais eigener API als glm-5.3-flash verfügbar, im GLM Coding Plan, auf OpenRouter, und unter MIT-Lizenz von Hugging Face herunterladbar. Z.ai empfiehlt, es mit Temperature 1, top_p 0,95 und maximalem Reasoning-Effort zu betreiben, und weist darauf hin, dass sich der Denkmodus nicht abschalten lässt.

Bild-Input funktioniert, indem man einer Nachricht einen image_url-Inhaltsblock hinzufügt, und mehrere Bilder lassen sich in einer Anfrage unterbringen. Auch Video scheint unterstützt zu werden, wenn auch weniger klar dokumentiert. Die veröffentlichte Modellkonfiguration definiert Video-Tokens neben Bild-Tokens, und OpenRouter führt Video unter den akzeptierten Eingabetypen auf. Z.ais eigener API-Leitfaden beschreibt nur den Bildweg.

GLM 5.3 Flash selbst betreiben

Z.ai veröffentlicht Deployment-Rezepte für vLLM, SGLang, TokenSpeed und KTransformers, die Serving-Seite ist also gut abgedeckt. Bei der Hardware-Seite müssen die Erwartungen angepasst werden.

Eine Anzahl von 18 Milliarden aktiven Parametern macht daraus kein Modell mit 18 Milliarden Parametern zum Hosten. Mixture-of-Experts-Routing wählt für jeden Token eine andere Teilmenge aus, daher müssen alle 320 Milliarden Gewichte geladen und erreichbar sein. In der Praxis bedeutet das einen Multi-GPU-Server, keine Workstation und schon gar keinen Laptop. Was die niedrige Aktivierungszahl bringt, ist Durchsatz und niedrigere Betriebskosten, sobald das Modell geladen ist, nicht einen kleineren Download.

GLM 5.3 Flash auf dem Mac nutzen

Für die meisten Mac-Nutzer ist der praktische Weg serverseitig. Der Coding Plan funktioniert mit Claude Code, Cline und ähnlichen Harnessen, und jeder Multi-Modell-Client, der GLM unterstützt, erreicht das neue Modell über die API, ohne dass du etwas herunterladen musst. Fello AI stellt GLM neben Claude, GPT, Gemini und Grok in einer nativen Mac-App bereit, und die Seite zum GLM-Desktop-Client für macOS behandelt diese Einrichtung.

Lohnt sich der Wechsel zu GLM 5.3 Flash?

Wenn du für agentenbasierte Coding- und Automatisierungsarbeit Spitzenpreise zahlst, ist das die interessanteste Veröffentlichung des Monats. Dieses Modell liegt bei Terminal Bench innerhalb eines Punkts von Claude Opus 4.8 und schlägt es bei AutomationBench sogar klar, und das bei einem Zehntel des eigenen Flaggschiff-Preises von Z.ai. Das verändert die Rechnung für jede Aufgabe, die in Millionen Tokens gemessen wird.

Probiere es aus, bevor der Aktionspreis am 9. September endet.

Wenn du die besten reinen Werte suchst, ist das nicht das richtige Modell dafür, und die Benchmark-Tabelle oben ist ehrlich darüber. GPT-5.6 Terra führt bei drei der sechs Tests klar.

Und wenn du speziell wegen der offenen Gewichte gekommen bist, achte genau darauf, welche davon tatsächlich erschienen sind. GLM 5.3 Flash ist schon heute unter MIT herunterladbar, was es zum stärksten offen lizenzierten Modell macht, das Z.ai seit GLM 5.2 mit seinem 1M-Token-Kontext veröffentlicht hat. Die vollständigen Gewichte von GLM 5.3 folgten am 28. August unter einer eigenen GLM-5.3-Lizenz statt MIT, die Z.ais Sicherheitsprüfung nur für Modell-Service-Unternehmen mit mehr als $10 Milliarden Jahresumsatz vorschreibt. Tencent ging am 28. August noch weiter und öffnete 770 Milliarden Parameter unter Apache 2.0.

FAQ