Das chinesische KI-Labor Z.ai hat offiziell GLM-5.3 vorgestellt, ein massives Code-Modell mit 743 Milliarden Parametern, das als Spitzenreiter unter den Open-Weight-Lösungen gehandelt wird. Das am Donnerstag veröffentlichte Modell setzt auf skaliertes Post-Training anstelle eines erneuten Trainings des Basismodells und erzielt erhebliche Effizienzsteigerungen bei der Token-Ökonomie sowie bei langfristigen Programmieraufgaben.
Durchbrüche bei Token-Effizienz und Benchmarks
Laut Z.ai lag der Hauptfokus bei GLM-5.3 auf der Token-Effizienz statt auf reiner Dominanz. Das Modell erreicht 34,5% beim internen Z.ai Code Bench unter maximalem Aufwand und verbraucht dabei etwa 75.000 Output-Token pro Aufgabe, womit es seinen Vorgänger GLM-5.2 übertrifft und geschlossene Modelle wie Claude Opus 4.8 in der Token-Wirtschaft herausfordert. Auf dem Terminal Bench 3.0 stieg die Punktzahl von 4,6 auf 28,3, während DeepSWE v1.1 auf 66,9 kletterte.
Cybersicherheits-Sprung und Verfügbarkeit
Neben der Standardprogrammierung zeigte GLM-5.3 einen enormen Leistungssprung bei Cybersicherheitsbewertungen. Das Modell führt den CyberGym-Benchmark mit 84,5% an, verdoppelt die Exploitation-Ergebnisse seines Vorgängers und deckte erfolgreich 2.436 Schwachstellen auf. Derzeit ist GLM-5.3 über das GLM Coding Plan-Abonnement, ZCode und API-Zugriff live. Herunterladbare Open-Weights sollen nach Abschluss strenger Sicherheitsprüfungen in etwa zwei Wochen veröffentlicht werden.
Brancheneinfluss und Ausblick
Obwohl geschlossene westliche Modelle wie GPT-5.6 Sol und Antrops Claude Fable 5 (mit 39,5% auf dem Z.ai Code Bench) die Bestenlisten anführen, hat Z.ai den Rückstand drastisch verkürzt. Start-ups und Engineering-Teams im Mittelstand können das Modell sofort für Repository-Refactorings einsetzen, während Unternehmen mit strengen Datenresidenzrichtlinien auf die Gewichte warten müssen.
