Kurz gesagt: Z.ai positioniert GLM-5.3-Flash als kosteneffizientes multimodales KI-Modell mit 320 Milliarden Gesamtparametern, einer Million Token Kontext und konkurrenzfähiger Leistung. Bemerkenswert ist zudem, dass Z.ai das Modell bei umfangreichen Tests vollständig auf chinesischen KI-Chips statt auf Nvidia-Hardware betrieben hat.
Mit GLM-5.3-Flash bringt Z.ai ein Modell auf den Markt, das nicht nur beim Preis auffällt. Es erreicht in Benchmarks Werte nahe am größeren GLM-5.3 und wurde vor der Veröffentlichung unter dem Namen „ox-alpha“ bereits stark genutzt. Kann diese Kombination aus Leistung, niedrigen Kosten und alternativer Hardware den Wettbewerbsdruck auf etablierte KI-Anbieter erhöhen?
GLM-5.3-Flash ist laut Z.ai das erste nativ multimodale Modell der GLM-5-Serie. Es besitzt 320 Milliarden Gesamtparameter, von denen jeweils 18 Milliarden aktiv sind. Das Modell steht unter MIT-Lizenz, unterstützt ein Kontextfenster von einer Million Token und ist mit seinen Gewichten auf Hugging Face verfügbar.
Artificial Analysis bewertet GLM-5.3-Flash bei maximalem Reasoning-Aufwand mit 57 Punkten im Intelligence Index. Damit liegt es nur drei Punkte hinter GLM-5.3 mit 60 Punkten und auf dem Niveau von GPT-5.6 Terra sowie Muse Spark 1.2.
Niedrige Kosten bei konkurrenzfähiger Leistung
Auffällig ist vor allem das Verhältnis von Kosten und Leistungsfähigkeit. Eine Aufgabe im Intelligence Index kostet bei GLM-5.3-Flash laut Artificial Analysis 0,09 US-Dollar. Beim größeren GLM-5.3 sind es 0,68 US-Dollar. Damit fallen die Kosten etwa um den Faktor 7,5 niedriger aus.
Über die API von Z.ai werden 0,15 US-Dollar pro Million Input-Token und 0,50 US-Dollar pro Million Output-Token berechnet. Das entspricht gut zehn Prozent des Preises von GLM-5.3.
Auch bei agentischen Aufgaben kann das kleinere Modell mithalten. Auf GDPval-AA v2 erreicht GLM-5.3-Flash einen Elo-Wert von rund 1770 und liegt damit auf dem Niveau von GLM-5.3 und Grok 4.6. Nur Claude Opus 5 schneidet besser ab. Bei der Token-Effizienz gibt es allerdings einen deutlichen Nachteil: Rund 90 Prozent der verbrauchten Output-Token entfallen laut Artificial Analysis auf Reasoning.
Chinesische Chips statt Nvidia
Technisch interessant ist zudem die Infrastruktur hinter dem Modell. Vor dem offiziellen Start testete Z.ai GLM-5.3-Flash anonym als „ox-alpha“ auf OpenCode und OpenRouter. Dort entwickelte es sich zum populärsten Modell der Woche. Der gesamte Traffic wurde nach Angaben von Z.ai auf chinesischen KI-Chips verarbeitet.
SemiAnalysis spricht von 100 Billionen ausgelieferten Token pro Tag – einer Größenordnung, die bislang vor allem Frontier-Laboren zugetraut wurde. Z.ai gibt an, dass Hardware-Effizienz und Kosten pro Token mit verbreiteten Nvidia-GPUs vergleichbar seien.
Damit rückt auch Nvidias langjähriger CUDA-Vorsprung in den Fokus. CUDA verbindet KI-Software und Grafikhardware und ist über fast zwei Jahrzehnte tief in die gängigen KI-Frameworks integriert worden. Alternative Chips effizient auszulasten, erfordert deshalb umfangreiche Anpassungen von Rechenoperationen, Speicherzugriffen und Software.
Z.ai begegnet diesem Problem mit einer eigenen Auslieferungssoftware auf Basis von SGLang. Die Verarbeitung wurde in separat skalierbare Stufen zerlegt. Nach Angaben des Unternehmens konnte dadurch der Durchsatz auf derselben Hardware gegenüber dem ersten Ansatz verdreifacht werden. Bei der Optimierung kam zusätzlich ein Agent auf Basis von GLM-5.3 zum Einsatz.
GLM-5.3-Flash verbindet damit mehrere Entwicklungen: leistungsfähigere und günstigere chinesische KI-Modelle sowie den Versuch, große Inferenzlasten ohne Nvidia-Hardware wirtschaftlich zu betreiben. Für Unternehmen und Entwickler wird damit neben der reinen Modellleistung zunehmend auch relevant, welche Kosten, Software-Abhängigkeiten und Hardware-Plattformen hinter einem KI-Angebot stehen.
Wer solche Entwicklungen rund um KI-Modelle, Infrastruktur und praktische Einsatzmöglichkeiten kompakt verfolgen möchte, findet im Newsletter Beratung-KI regelmäßig aktuelle Einordnungen zu wichtigen Veränderungen im KI-Markt.
Effizienz durch Innovation: Teile der textlichen und visuellen Ausgestaltung dieser Seite wurden durch generative KI-Systeme unterstützt.