GLM-5.3: dasselbe Basismodell, ein deutlich besserer Coder — und ein Cyber-Ergebnis, das niemand geplant hat

Die kurze Antwort: GLM-5.3 ist das Basismodell von GLM-5.2 mit einem zusätzlichen Monat Post-Training obendrauf — und es ist ein großer Sprung beim agentischen Coding. Es ist ab sofort im GLM Coding Plan und in der API verfügbar. Die Gewichte sind in zwei Wochen zugesagt. Wenn Ihr Code thinking.type: "disabled" sendet, schlagen Ihre Anfragen auf GLM-5.3 fehl — diese Migration ist das einzig Dringende an diesem Launch.

Geprüft am 14. August 2026 gegen den Launch-Beitrag von Z.ai, "GLM-5.3: Frontier Coding with Emergent Cyber Capabilities", einschließlich seiner Benchmark-Tabelle und der Methodik-Fußnoten. Alle Zahlen unten sind, sofern nicht anders angegeben, selbst berichtete Werte von Z.ai. Es gibt bisher keine unabhängige Evaluierung von GLM-5.3, deshalb steht es nicht auf unserem LiveBench-Snapshot — der eigene Benchmark eines Labors ist eine Behauptung, kein Ergebnis von dritter Seite.

Was tatsächlich geliefert wurde

Dasselbe Basismodell. Das ist die Schlagzeile, die die meiste Berichterstattung übersehen wird. Z.ai sagt unumwunden, dass GLM-5.3 „dasselbe Basismodell wie GLM-5.2 verwendet — jeder Zugewinn stammt aus dem Post-Training“. Kein größeres Modell, kein neuer Pre-Training-Lauf. Die Gewinne stammen aus der Skalierung von Reinforcement Learning in Umgebungen mit langem Aufgabenhorizont.

Das ist ein wirklich interessantes Ergebnis, und es erklärt zugleich, warum die Verbesserungen so ungleich verteilt sind: Sie sind enorm dort, wo langfristige agentische Arbeit gemessen wird, und bescheiden überall sonst.

Eine aktive API, Modell-ID glm-5.3, ausgerollt an alle Abonnenten des GLM Coding Plan.

Offene Gewichte in zwei Wochen, sobald „Sicherheitsevaluierung und Härtung abgeschlossen sind“. Eine terminlich begrenzte Zusage, keine unbefristete Sperre.

Die Benchmark-Sprünge, die zählen

Die selbst berichteten Zahlen von Z.ai, GLM-5.3 gegen GLM-5.2:

Dass Terminal-Bench 3.0 von 4.6 auf 28.3 springt, ist das klarste Signal: Bei den schwersten agentischen Aufgaben mit langem Horizont ist GLM-5.2 im Grunde gescheitert — GLM-5.3 nicht.

Achten Sie auf die Form. Terminal-Bench 2.1 bewegte sich von 81.0 auf 88.2, ein normaler Zuwachs. Terminal-Bench 3.0 bewegte sich von 4.6 auf 28.3, ein 6×-Sprung. Je schwerer und länger die Aufgabe, desto größer der Gewinn — genau das, was man erwartet, wenn die Verbesserung aus langfristigem RL kommt und nicht aus roher Leistungsfähigkeit.

Wo es weiterhin verliert. Bei Terminal-Bench 3.0 führt die Tabelle von Z.ai selbst GPT-5.6 Sol mit 34.6 und Fable 5 mit 33.7, beide vor den 28.3 von GLM-5.3. Im hauseigenen Z.ai Code Bench erreicht GLM-5.3 bei Max-Effort 34.5 % gegenüber 39.5 % von Claude Fable 5. Z.ai sagt das direkt, was ihm anzurechnen ist.

Das Ergebnis zur Token-Effizienz ist die eigentliche Geschäftsnachricht

Unter der Benchmark-Tabelle verborgen liegt die Zahl, die tatsächlich eine Rechnung beeinflusst.

Im Z.ai Code Bench erreicht GLM-5.3 bei Max-Effort 34.5 % mit rund 75K Output-Tokens pro Aufgabe — gegenüber 23.4 % bei 96K von GLM-5.2. Bessere Ergebnisse, weniger Tokens.

Gegen ein geschlossenes Modell: Bei High-Effort erreicht GLM-5.3 31.4 % bei etwa 50K Output-Tokens, gegenüber Claude Opus 4.8 mit 29.5 % bei 120K. Etwas besserer Wert, rund 2,4× weniger Output-Tokens.

Für alle, die Coding-Agenten in großem Umfang betreiben, sind Output-Tokens die Rechnung. Ein Modell, das bei einem Bruchteil der Tokens gleich gut abschneidet, ist eine Kostengeschichte, keine Leaderboard-Geschichte.

Das Cyber-Ergebnis und warum es zweischneidig ist

Z.ai fügte dem Trainingsmix Daten zur Schwachstellensuche hinzu und erwartete bescheidene Zugewinne — und berichtet, überrascht worden zu sein: GLM-5.3 begann, über vollständige Exploit-Ketten hinweg zu schlussfolgern, statt nur einzelne Fehler zu erkennen. Im ExploitGym löst es 105 Aufgaben in zwei Stunden und 130 in sechs, gegenüber 29 und 39 bei GLM-5.2.

Im Einsatz gegen reale Codebasen mit chinesischen Sicherheitsteams fand das Modell 2.436 Schwachstellen in 269 Open-Source-Projekten — 107 kritische und 990 hohe. Der durchschnittliche Fehler hatte 26,6 Jahre unentdeckt überdauert; der älteste stammte aus 1981. Z.ai hat ein Security Disclosure Ledger veröffentlicht, das diese nachverfolgt: 53 offengelegt, 2.383 weiterhin unter Embargo.

Zwei ehrliche Einschränkungen. Erstens zeigen die eigenen Vergleiche von Z.ai, dass es hier deutlich hinter der geschlossenen Spitze liegt — die Seite nennt Wettbewerber mit 181 und 247 ExploitGym-Aufgaben gegenüber 105 und 130 bei GLM-5.3. Die eigene Zusammenfassung dieses Abstands ist offen: Die Fähigkeiten wachsen genau dort am schnellsten, wo der Rückstand am größten ist.

Zweitens ist ein leistungsfähiges Open-Weights-Modell zur Schwachstellensuche konstruktionsbedingt Dual-Use. Die zweiwöchige Verzögerung der Gewichte für „Sicherheitsevaluierung und Härtung“ dürfte genau darauf zielen.

(Eine erwähnenswerte Inkonsistenz in der Bezeichnung: Der Fließtext von Z.ai spricht bei den Cyber-Vergleichen von „Mythos 5“, während die eigene Tabellenspalte mit „Fable 5“ überschrieben ist. Wir zitieren die Zahlen von GLM-5.3 selbst, statt zu raten, welcher Wettbewerber gemeint ist.)

Die Migration, die Ihre Aufrufe brechen wird

GLM-5.3 unterstützt drei Thinking-Effort-Stufen — low, high, max. Das Deaktivieren des Thinking wird nicht mehr unterstützt.

Wenn Ihre Anwendung derzeit thinking.type: "disabled" sendet, ändern Sie das auf enabled und setzen Sie reasoning_effort auf low, bevor Sie die Modell-ID auf glm-5.3 umstellen. Andernfalls schlägt die Anfrage fehl. Z.ai empfiehlt max für Coding-Aufgaben.

Das ist der einzige Punkt dieses Launches, an dem eine Frist hängt.

Was es kostet

Z.ai hat keine Preise pro Token veröffentlicht. Der GLM Coding Plan ist auf ein punktebasiertes Kontingentsystem umgestellt, wobei Punkte getrennt für Input, gecachten Input und Output-Tokens gezählt werden.

Das preislich wichtigste Detail: Aufrufe außerhalb der Spitzenzeiten verbrauchen 50 % der Standardpunkte. Spitzenzeit ist 14:00–18:00 Uhr UTC+8, Montag bis Freitag. Alles andere — einschließlich des gesamten Wochenendes — kostet die Hälfte.

Wenn Sie Batch-Arbeit fahren, ist das eine Planungsentscheidung, die man bewusst treffen sollte. Nachts in Europa oder Amerika ist in UTC+8 Nebenzeit.

Über ZCode wirbt Z.ai außerdem mit einer Cache-Trefferquote von über 98 % bei wiederholtem Kontext und einem zeitlich begrenzten Kontingent-Boost von 1,5× bis zum 31. August.

Was diese Woche zu tun ist

Wenn Sie einen GLM Coding Plan haben. GLM-5.3 wurde Ihnen bereits ausgerollt. Prüfen Sie zuerst Ihren Code auf thinking.type: "disabled", dann probieren Sie es aus — zu messen ist der Gewinn an Token-Effizienz, nicht die Benchmark-Zahl.

Wenn Sie GLM-5.2 selbst hosten. Warten Sie zwei Wochen auf die Gewichte. Es gibt noch nichts zu ziehen.

Wenn Sie ein Coding-Harness nutzen. GLM-5.3 läuft in ZCode, Claude Code, OpenCode und anderen — Sie sind nicht an den eigenen Client von Z.ai gebunden.

Wenn Sie GLM gegen Claude oder GPT verglichen haben. GLM-5.3 verkleinert den Abstand beim agentischen Coding erheblich und gewinnt klar bei Tokens pro Ergebnis. Den ersten Platz in der eigenen Tabelle von Z.ai nimmt es nicht ein. Entscheiden Sie nach Kosten pro Ergebnis, nicht nach Rangplatz.

Die ehrlichen Einschränkungen

Das sind die eigenen Zahlen des Labors. Jeder Wert hier ist selbst berichtet. Z.ai dokumentiert seine Methodik ungewöhnlich gründlich — Harness-Versionen, Temperaturen, Kontextlängen, Timeouts, Anti-Cheat-Maßnahmen —, was mehr ist, als die meisten Labore veröffentlichen, und es bleibt trotzdem keine unabhängige Evaluierung. GLM-5.3 steht in unserem Modell-Tracker, wobei seine Zahlen als Z.ais eigene gekennzeichnet sind, und es kommt erst dann auf unsere Benchmark-Seite, wenn eine dritte Partei es bewertet.

Mehrere Benchmarks sind hausintern. Z.ai Code Bench ist konstruktionsbedingt privat und nicht überprüfbar. Das Kontaminationsargument ist nachvollziehbar; es bleibt Z.ai, das Z.ai benotet.

„Offene Gewichte“ ist noch nicht passiert. Zwei Wochen sind eine erklärte Absicht. GLM-5.2 lieferte die Gewichte am ersten Tag; hier war das nicht so.

Daten und Jurisdiktion. Unverändert: Wissen Sie, wohin Ihre Tokens gehen, bevor Sie Kundendaten über einen gehosteten Endpoint leiten.

Der Schritt dieser Woche

Machen Sie die Migrationsprüfung. Messen Sie Output-Tokens, nicht Punktzahlen. Wenn Sie im Batch arbeiten, verlegen Sie die Arbeit in die Nebenzeit und nehmen Sie die 50 % mit.

Wenn Sie die Aufteilung „welches Modell für welche Aufgabe“ an Ihrem tatsächlichen Workflow und Ihrer Rechnung entschieden haben wollen, leistet das ein Business-KI-Plan (99 $ einmalig, optional 29 $/Monat, um ihn aktuell zu halten). Der kostenlose 2-Minuten-KI-Planfinder ist der schnelle erste Durchgang.

Quellen: Z.ai — GLM-5.3: Frontier Coding with Emergent Cyber Capabilities, Z.ai-Entwicklerdokumentation, ZCode. Abgerufen am 14. August 2026.