NEU · GLM-5.3-FlashX verfügbar
GLM-5.3-FlashX (verfügbar seit 09/2026) ist die High-Speed-Version von GLM-5.3-Flash: Inferenz mit bis zu 200 Tokens/s — schneller und flüssiger. Wie Flash das erste nativ multimodale Modell der GLM-5-Familie — 320B Gesamt- / 18B aktive Parameter, wegweisende Hybrid-Architektur aus Sparse- und Linear-Attention, Eingabe von Video / Bild / Text / Datei, 1M Kontext und 128K maximale Ausgabe.
GLM-5.3-Flash veröffentlicht
GLM-5.3-Flash (August 2026) ist das erste nativ multimodale Modell der GLM-5-Familie: Sehen ist in den Coding-Loop integriert, Eingaben sind Video / Bild / Text / Datei. Es erreicht 57 im Intelligence Index von Artificial Analysis — weltweit Platz 4, auf Augenhöhe mit Claude Opus 4.8 — bei 1/40 des Preises.
GLM-5.3 veröffentlicht
GLM-5.3 (offiziell veröffentlicht am 2026-08-14) ist Zhipus Flaggschiff-MoE-Modell. Es nutzt exakt die gleiche Basis wie GLM-5.2, ohne neue Pre-Training-Daten — alle Verbesserungen stammen aus groß angelegtem Post-Training. Schwerpunkte: langfristiges Code-Engineering, Terminal-Agenten und Auditing von Quellcode-Schwachstellen. Motto: Built to Code. Ready for Cyber Defense.
GLM-5.3 ist das Open-Source-Flaggschiff der GLM-Modelle: GLM-5.2-Basis mit komplett aktualisiertem Post-Training, 50 % besseres Coding-Erlebnis, 84,5 % auf CyberGym (aktueller Bestwert) und 6x Sprung auf Terminal-Bench 3.0; GLM-5.3-Flash liefert Frontier-Intelligenz für 1/40 des Preises. Vergleichen Sie unten jedes GLM-Modell — oder probieren Sie zuerst den kostenlosen Playground.
Keine Registrierung erforderlich, kein Konto, kein Limit. Geben Sie den Eingabetext ein, um eine Stream-Antwort zu erhalten.
Die Antwort wird hier als Stream ausgegeben...
Diese Demo verwendet den großen Sprachmodell GLM und bietet eine Echtzeit-Stream-Antwort, indem Sie den Eingabetext eingeben.
Vier Fähigkeiten definieren die aktuelle Generation von GLM-Modellen - alle von den Modellautoren berichtet und aus der Öffentlichkeit nachvollziehbar.
Ein Kontext von einer Million Tokens, der nutzbar und qualitativ hochwertig bleibt: GLM-5.3 nutzt die GLM-5.2-Basis und trainiert weiter auf langen Coding-Agent-Trajektorien — groß angelegte Implementierung, automatisierte Forschung und komplexe Fehlersuche.
Nicht nachdenklich, hoch und höchst drei Stufen lassen Sie zwischen Verzögerung und Fähigkeit abwägen – in der Agenten-Programmierungsevaluation etwa 63% (~35K Ausgabetoken) bis 74% (~83K).
Jede vier Sparse Attention-Schicht teilt einen leichten Indexer, was die FLOPs pro Token um das 2,9-fache reduziert und die Qualität über lange Distanzen erhalten bleibt, wenn die Kontextlänge auf eine Million Token erhöht wird.
Open-Source-GLM-Modelle unter der MIT-Lizenz: Gewichte veröffentlicht auf HuggingFace und ModelScope, ohne geografische Beschränkungen, unterstützen lokale Deployment durch transformers, vLLM, SGLang, xLLM und ktransformers.
Daten stammen aus der offiziellen Zhipu-Dokumentation und vom unabhängigen Evaluator Artificial Analysis. glmmodel.cn gibt sie nur wieder.
Schwachstellen-Suche im Quellcode
Agentisches Coden: höhere Genauigkeit bei weniger Tokens
Terminal-Agent-Aufgaben (GLM-5.2: 4,6)
GLM-5.3 übertrifft GLM-5.2 auf Terminal-Bench 3.0 (4,6→28,3), DeepSWE v1.1 (46,2→66,9) und Agents’ Last Exam (23,8→28,5) und erreicht Open-Source-SOTA; auf ExploitBench mehr als verdoppelt es GLM-5.2 (54,4 %). GLM-5.3-Flash erzielt 57 im Artificial Analysis Intelligence Index (Platz 4 weltweit), gleichauf mit Claude Opus 4.8.
Veröffentlichte Benchmark-Ergebnisse von GLM-Modellen, die 17 Bewertungen für 8 Modelle umfassen.
| Benchmark | GLM-5.3 | GLM-5.2 | Kimi K3 | DeepSeek-V4-Pro | Qwen3.8-Max | Opus 4.8 | Fable 5 | GPT-5.6 Sol |
|---|---|---|---|---|---|---|---|---|
| Coding | ||||||||
| Terminal-Bench 2.1 | 88.2 | 81.0 | 88.3 | 87.9 | 86.6 | 85.0 | 88.0 | 88.8 |
| Terminal-Bench 3.0 | 28.3 | 4.6 | 17.4 | – | – | 21.1 | 33.7 | 34.6 |
| DeepSWE v1.1 | 66.9 | 46.2 | 67.5 | 62.7 | 56.6 | 58.0 | 69.7 | 72.7 |
| NL2Repo | 58.0 | 48.9 | 58.0 | 61.1 | 55.9 | 69.7 | – | – |
| ProgramBench (Almost Solved) | 19.0 | 9.5 | 17.5 | – | 10.5 | 15.5 | 33.0 | 23.0 |
| FrontierSWE | 78.1 | 67.5 | – | – | – | 66.5 | 88.2 | – |
| SWE-Marathon v1.1 | 42.5 | 19.4 | 48.1 | – | – | 48.8 | 33.1 | 42.5 |
| PostTrainBench | 39.8 | 31.7 | 32.0 | – | – | 32.9 | 41.8 | 36.2 |
| Cybersecurity | ||||||||
| CyberGym | 84.5 | 77.2 | 80.0 | 83.3 | 78.5 | 78.1 | 83.8 | 83.6 |
| ExploitGym 2h / 6h | 105 / 130 | 29 / 39 | 36 / 70 | – | 14 / 26 | 80 / 120 | 181 / 247 | 216 / 293 |
| ExploitBench | 54.4 | 24.4 | 32.2 | – | 28.8 | 40.0 | 78.0 | 76.5 |
| Agenten | ||||||||
| Toolathlon Verified | 73.0 | 59.9 | 76.5 | 74.1 | 72.5 | 76.2 | 74.7 | 74.9 |
| AutomationBench v1.0.6 | 48.2 | 26.2 | 46.7 | 43.2 | 39.8 | 41.0 | 46.2 | 45.8 |
| Agents' Last Exam (ALE-CLI) | 28.5 | 23.8 | 27.6 | 25.7 | 27.0 | 25.7 | 23.8 | 28.6 |
| HLE w/ Tools | 62.5 | 54.7 | 59.8 | 60.0 | 56.2 | 57.9 | 63.9 | 64.5 |
| GDPval-AA v2 | 1769 | 1508 | 1682 | 1590 | 1739 | 1588 | 1743 | 1730 |
Quelle: offizieller Z.ai-Blog (14.08.2026).
GLM-Modelle haben mehr als ein Tempo. Die Intensitätssteuerung vergibt Rechenleistung nur bei Bedarf. GLM-5.3 denkt immer (low / high / max, Standard max); die Werte pro Stufe sind berichtete GLM-5.2-Zahlen, zur Orientierung.
~35K average token
Schnelle Bearbeitung, Mustercode, allgemeine Refaktorierung und andere Szenarien, in denen Verzögerung wichtiger ist als Tiefe.
~43K average token
Standardwahl für die meisten Agenten-Programmierung: Mit etwa der Hälfte der Tokenverbrauch nahe der höchsten Qualität.
~83K average token
Schwere langfristige Probleme - zusätzliche Rechenressourcen nur dann zuweisen, wenn der Task tatsächlich erforderlich ist.
Die Tabelle zeigt GLM-5.3 gegen Vergleichsmodelle, wie von Z.ai offiziell veröffentlicht. GLM-5.3 nutzt die GLM-5.2-Basis — jeder Gewinn stammt aus dem Post-Training. glmmodel.cn gibt die Ergebnisse nur wieder.
Die Erhöhung des Kontextlimits von 200K auf eine Million Tokens ist ein ingenieurtechnisches Problem und keine Konfigurationsparameter. Drei Änderungen sind entscheidend.
Jede vier Transformer-Schicht teilt sich einen leichten Indexer. Er befindet sich in der ersten Schicht der vier und seine top-k-Indizes werden von den übrigen drei Schichten wiederverwendet – was den Indexer-Punktprodukt und die top-k-Berechnung in einem Viertel der Schichten eliminiert. Ergebnis: Jeder Token hat unter einer Million Kontextlänge um 2,9-mal weniger FLOPs. IndexShare wurde ab der Mitte des Trainings mit einer Sequenzlänge von 128K eingeführt.
Die Multi-Token-Vorhersage-Schichten führen den Indexer in der ersten Schreibphase aus und wiederholen ihn in den folgenden Schritten, was die Anpassung des KV-Caches zwischen Training und Inferenz des Vorjahres eliminiert. In Kombination mit der Ablehnung von Sampling und End-to-End TV-Loss steigt die akzeptierte Länge von 4.56 auf 5.47 – etwa 20% – über 7 MTP-Schritte hinweg.
| Referenzlinie | 4.56 |
| + IndexShare + KVShare | 5.10 |
| + Abweisung der Stichprobe | 5.29 |
| + End-to-End TV-Verlust | 5.47 (+20%) |
Nach mehr als einigen hunderttausend Token wird das Bottleneck nicht mehr die Berechnung, sondern die KV-Cache-Kapazität, das lange Kontextkern und die CPU-Ausgaben. Drei Reparaturen: Feingranularer Speichermanagement und Parallelisierung basierend auf LayerSplit, Optimierung des Kontextlänge-Skalierungskerns, der mit dem Cache-Übertragungspipeline abgestimmt ist, sowie CPU-seitige Cache-Management, Anforderungsscheduling und Laufzeitpfad-Optimierung. Der Durchsatzvorteil wächst mit dem Kontext.
Normalisierte Durchsatzvorteile
Der Trainingsstapel (slime) kombiniert White-Box- und Black-Box-Rollouts, komprimierte Spuren und Sub-Agenten-Workflows. Parallel OPD-Training kombiniert in etwa zwei Tagen mehr als ein Dutzend Expertenmodelle, FP8 KV-Cache stellt sicher, dass der Rollout-Speicher innerhalb des Budgets bleibt.
Langfristige RL kann kürzliche Wege erzeugen, daher werden verdächtige Aktionen zunächst durch einen regelbasierten Recall-Filter geleitet und dann durch eine präzise Überprüfung der Genauigkeit durch LLM beurteilt. Bestätigte Hacker-Aktionen werden online abgefangen und mit virtuellen Tool-Ergebnissen beantwortet, so dass der Rollout fortgesetzt werden kann, anstatt abgebrochen zu werden. Critic-basierte PPO hält die Trainierbarkeit der komprimierten Subtrajectoren auf einem Rollout aufrecht.
Von 30B Flash-Level bis hin zu Millionen Kontexttoken - wählen Sie ein GLM-Modell und betrachten Sie die vollständige Spezifikationsliste und die Benchmark-Daten.
GLM-5.2-Basis mit komplett aktualisiertem Post-Training: Open-Source-SOTA bei komplexem Coden und Agentenaufgaben, aktueller Bestwert bei der Schwachstellensuche.
Erstes nativ multimodales GLM: Sehen im Coding-Loop, Platz 4 weltweit im AA-Index, Intelligenz auf Opus-4.8-Niveau für 1/40 des Preises.
Branchenmodell für die Rechtsbranche auf GLM-5.3-Flash: 19,2 % im Harvey-LAB-Rechtsbenchmark bei ca. 1/70 der Kosten. Beta.
Vorheriges Flaggschiff: Kontext von einer Million Tokens, Open-Source-SOTA für Programmierung und Langzeitaufgaben.
Vorgängergeneration Flaggschiff: signifikante Verbesserung der langen Zeiträume und engineering-level Output für mehrere Stunden.
Stärkere Programmierungsfähigkeiten, zuverlässigere mehrstufige Ausführung und bessere komplexe Agentenverhalten.
Basismodell, optimiert für lange Ketten und dynamische intelligente Agenten-Szenarien.
Erweiterte Programmierfähigkeiten, stabile mehrstufige Inferenz und verbesserte Frontend-Generierung.
300 Milliarden Parameter; hocheffizient und leistungsstark, führend unter den Modellen gleicher Größe im Open-Source-Bereich.
Kompakter GLM-Modell, hervorragende Leistung pro Einheit Rechenleistung.
Realzeitige Sprach-zu-Text-erkennung, CER bis zu 0.0717.
Überwinden Sie die Funktion mehrerer Dateien, die über einen einzigen Kontextfenster hinausgehen: Das Modell hält den gesamten Repository-Status im Auge, anstatt nach einigen Runden neu zu lesen.
Stundenlange Experimentierzyklen, Agenten müssen planen, ausführen, Ergebnisse lesen und korrigieren – das ist genau das, was FrontierSWE und PostTrainBench entworfen wurden, um zu bewerten.
Benötigt eine vollständige Aufrufgraphik, Analyserausgaben und das Halten der Kerne und Systeme auf derselben Spur in vorherigen Versuchen.
Lange Nachverfolgung von Wiederherstellungen, instabile Tests und Querschnittsfehler - das Kürzen des Kontexts ist der Grund für den Verlust von Bugs.
Alle diese Szenarien können auf Ihrer eigenen Hardware ausgeführt werden – MIT-Gewichte, transformers · vLLM · SGLang · xLLM · ktransformers.How to run the GLM model locally →
Lesen Sie die GLM-Modell-Benchmark-Tests und lassen Sie dann die echten Modelle arbeiten. Der Erfahrungsort oben ist kostenlos und erfordert keine Informationen; Wenn Sie ein vollständigeres AI-Toolset wünschen, beginnt der kostenlose Paket der Partner hier.