GLM-5.3 Flash: schnell, multimodal und günstig

GLM-5.3 Flash wurde am 26. August 2026 auf OpenRouter veröffentlicht. Anders als GLM-5.3 basiert es auf einem neu trainierten Basismodell, dessen Architektur und Trainingsrezeptur gezielt auf Leistungsfähigkeit und Effizienz optimiert wurden. Es verfügt über insgesamt 320 Milliarden Parameter, von denen pro Token lediglich 18 Milliarden aktiv sind.

Erstmals in der GLM-Reihe kombiniert Z.ai Sparse- und Linear-Attention in einem hybriden Design. Das senkt die Serving-Kosten bei langen Kontexten drastisch, ohne das präzise Verhalten im Long-Context-Bereich zu beeinträchtigen. Laut Z.ai reduziert dies den Attention-Compute-Aufwand um das 3,01-fache und den KV-Cache um das 4,44-fache im Vergleich zu GLM-5.3. Zudem nutzt das Modell Manifold-Constrained Hyper-Connections (mHC) und wurde auf einem multimodalen Korpus mit 30 Billionen Tokens vortrainiert.

Auf OpenRouter verarbeitet GLM-5.3 Flash Text, Bilder sowie Videos mit einem Kontextfenster von 1.048.576 Tokens und einem maximalen Output von 943.718 Tokens. Der Preis liegt bei $0.0052 pro Million Input-Tokens und $0.1985 pro Million Output-Tokens – mit weitem Abstand die günstigsten Konditionen in der GLM-5-Familie. Auf der Z.ai-Plattform lautet die Modellkennung glm-5.3-flash, mit 1M Kontext, bis zu 128K Output-Tokens und Bildeingabe über image_url.

Laut Z.ai übertrifft GLM-5.3 Flash das Vorgängermodell GLM-5.2 in Benchmarks und realen Workloads bei einem Zehntel der Kosten und reicht bei Coding- sowie Agentic-Benchmarks nah an Claude Opus 4.8 heran. Die Gewichte stehen auf Hugging Face als zai-org/GLM-5.3-Flash unter der MIT-Lizenz bereit.

GLM-5.3 FlashX, gelistet am 18. September 2026, ist die Hochgeschwindigkeitsvariante von GLM-5.3 Flash. Sie basiert auf derselben hybriden Attention-Architektur und erreicht laut Beschreibung Inferenzgeschwindigkeiten von bis zu 200 Tokens pro Sekunde. Das Modell verarbeitet Text, Bilder und Videos mit einem 1M-Token-Kontext, liefert jedoch maximal etwa 131K Tokens pro Anfrage zurück.

FlashX kostet auf OpenRouter $0.37 pro Million Input-Tokens und $1.25 pro Million Output-Tokens; öffentlich zugängliche Gewichte gibt es nicht. Wählen Sie es, wenn minimale Latenz wichtiger ist als Kosten – für die allermeisten Einsatzzwecke ist das reguläre GLM-5.3 Flash deutlich wirtschaftlicher.