GLM-5.3-Flash ist laut Z.AI das erste nativ multimodale Modell der GLM-5-Serie und wurde am 26. August 2026 veröffentlicht. Es versteht neben Text auch Bilder und kann so etwa Benutzeroberflächen oder Office-Dokumente auswerten. Als Mixture-of-Experts-Modell (MoE) aktiviert es von 320 Milliarden Parametern nur 18 Milliarden je Token, arbeitet also mit einem kleinen Teil spezialisierter Teilnetze. In allen sechs Tests der Model Card liegt es vor GLM-5.2, laut Z.AI zu einem Zehntel des Preises.
Neu ist eine hybride Attention aus linearer und Sparse Attention. Attention ist der Mechanismus, mit dem das Modell Bezüge im Kontext herstellt. Die Kombination senkt den Rechen- und Speicheraufwand bei langen Kontexten deutlich. Das Modell steht unter MIT-Lizenz und lässt sich in eigener Infrastruktur betreiben, etwa in unserer GPU Cloud. Für die höchste Coding-Leistung bietet Z.AI parallel GLM-5.3 an.
GLM-5.3-Flash
Z.AI (Zhipu AI)
August 2026
MIT (keine regionalen Einschränkungen)
Offenes multimodales Modell (Mixture of Experts), Reasoning-Modell, Eingabe Text und Bild (über die Z.AI-API zusätzlich Video und Dateien), Ausgabe Text
320 Milliarden gesamt (18 Milliarden aktiv pro Token)
MoE mit 288 Experten (8 aktiv je Token plus 1 geteilter Experte), 45 Schichten, hybride Attention mit jeweils drei Schichten Linear Attention und einer Schicht DSA Sparse Attention, Manifold-Constrained Hyper-Connections (mHC), integrierter Vision-Encoder
1.000.000 Token (Ausgabe bis 128.000 Token)
Das Hauptrepository auf Hugging Face enthält die Gewichte im Zahlenformat FP8 mit 8 Bit je Parameter, rund 328 GB.
Die vollständigen Gewichte im Format BF16 mit 16 Bit je Parameter. Sie brauchen etwa doppelt so viel Speicher und eignen sich als Referenz oder für eigenes Fine-Tuning.
Eine Variante, die Z.AI nur über die eigene API anbietet, mit laut Z.AI rund 200 Token pro Sekunde. Offene Gewichte gibt es dafür nicht.
| Benchmark | GLM-5.3-Flash | GLM-5.2 | DeepSeek-V4-Vision-Exp | Claude Opus 4.8 |
|---|---|---|---|---|
| Terminal-Bench 2.1 | 84,3 | 81,0 | 83,9 | 85,0 |
| DeepSWE (v1.1) | 63,4 | 46,2 | 59,3 | 58,0 |
| Agents’ Last Exam | 26,3 | 20,4 | 27,3 | 27,0 |
| AutomationBench (v1.0.6) | 48,8 | 26,2 | 38,8 | 41,0 |
| Humanity’s Last Exam (mit Tools) | 55,3 | 54,7 | 55,1 | 57,9 |
| GDPval-AA v2 | 1773 | 1504 | 1675 | 1582 |
Quelle: offizielle GLM-5.3-Flash Model Card (Z.AI, August 2026, Grafik „LLM Performance Evaluation“). Angaben in Prozent, GDPval-AA als Punktwert. GPT-5.6 Terra und Gemini 3.7 Flash sind dort nicht für alle Tests ausgewiesen und fehlen daher. Die GLM-5.3 Model Card nennt für GLM-5.2 abweichend 23,8 (Agents’ Last Exam, CLI) und 1508 (GDPval-AA).
GLM-5.3-Flash verbindet Bildverständnis und solide Coding-Leistung mit vergleichsweise geringem Hardware-Bedarf. Wir prüfen mit Ihnen, ob es für Ihre Anwendungen ausreicht oder ob ein größeres Modell sinnvoller ist.
GLM-5.3-Flash beruht auf einem neu trainierten Basismodell, dessen Architektur und Trainingsverfahren Z.AI auf Leistung und Effizienz ausgelegt hat. Grundlage ist ein multimodaler Trainingsdatensatz mit 30 Billionen Token aus Text und Bildern. Die hybride Attention senkt laut Z.AI die Kosten beim Betrieb mit langen Kontexten, Manifold-Constrained Hyper-Connections (mHC) sollen die Skalierungseffizienz verbessern.
Das Reasoning, also das schrittweise Durchdenken vor der Antwort, ist über die Z.AI-API immer aktiv. Die Denktiefe steuern Sie über reasoning_effort mit den Stufen low, high und max, Standard ist max.
GLM-5.3-Flash eignet sich für Coding, Agenten und Büroabläufe, bei denen auch Bilder verarbeitet werden und die Hardware im Rahmen bleiben soll. Für die höchste Coding-Leistung ist GLM-5.3 die stärkere Wahl. Welches Modell zu Ihrem Vorhaben passt, klären wir gern in einer KI-Beratung.
Besser als GLM-5.2: In allen sechs Tests der Model Card liegt GLM-5.3-Flash vorn, etwa bei DeepSWE mit 63,4 gegenüber 46,2.
Effizient: Nur 18 Milliarden aktive Parameter je Token und eine hybride Attention senken den Rechenaufwand deutlich.
Bildverständnis: Laut Z.AI ist es das erste nativ multimodale Modell der GLM-5-Serie und verarbeitet Text und Bilder in einem Modell.
Wissensarbeit: Bei GDPval-AA erreicht GLM-5.3-Flash mit 1773 den höchsten Wert der Model Card.
Kommerziell frei nutzbar: MIT-Lizenz ohne regionale Einschränkungen.
Hinter Claude Opus 4.8 in einigen Tests: Bei Terminal-Bench 2.1, Agents’ Last Exam und HLE mit Tools liegt Opus 4.8 vorn.
Nicht durchgehend vorn: Laut Model Card erreicht GPT-5.6 Terra bei Terminal-Bench 2.1 (87,4), DeepSWE (69,6) und Agents’ Last Exam (28,0) mehr. Gemini 3.7 Flash liegt bei Terminal-Bench 2.1 (85,8), DeepSWE (65,3) und AutomationBench (52,3) vorn.
Schwächer als GLM-5.3 beim Coding: Laut den Model Cards von Z.AI erreicht GLM-5.3 bei DeepSWE 66,9 und bei Terminal-Bench 2.1 88,2.
Weiterhin großes Modell: Nach eigener Abschätzung braucht schon die FP8-Fassung einen Server mit mehreren Rechenzentrums-GPUs.
Wir stellen die passende GPU-Infrastruktur für GLM-5.3-Flash bereit, in unserer GPU Cloud oder in Ihrem eigenen Setup in unserem Rechenzentrum. Über unseren MaaS Proxy binden Sie das Modell zentral und kontrolliert in Ihre Anwendungen ein.
GLM-5.3-Flash ist ein neu trainiertes, multimodales Modell mit 320 Milliarden Parametern, davon 18 Milliarden aktiv. GLM-5.3 hat 753 Milliarden Parameter, verarbeitet nur Text und erreicht beim Coding höhere Werte. Flash braucht dafür deutlich weniger Hardware.
Ja. Das Modell ist nativ multimodal und wertet Bilder wie Screenshots oder Dokumente aus. Über die Z.AI-API nimmt es laut Dokumentation zusätzlich Video und Dateien entgegen.
Z.AI nennt keine Mindestausstattung. Nach unserer Abschätzung belegen die FP8-Gewichte rund 328 GB, etwa vier GPUs der H200-Klasse oder acht H100 mit 80 GB. Hinzu kommt Speicher für den KV-Cache, den Zwischenspeicher für den bisherigen Kontext.
Ja. Das Modell steht unter MIT-Lizenz und darf ohne regionale Einschränkungen kommerziell genutzt, angepasst und weitergegeben werden.
Eine Million Token Eingabe und bis zu 128.000 Token Ausgabe laut Z.AI-Dokumentation.
Möchten Sie individuell beraten werden?
Unsere KI-Experten sind für Sie da!
