Z.ai veröffentlicht GLM-5.3-Flash unter MIT-Lizenz und drängt auf Preisgestaltung von Claude und GPT

Was war Ox Alpha

Z.ai, das chinesische Unternehmen, das zuvor als Zhipu AI bekannt war, bestätigte am Mittwoch gegenüber Bloomberg, dass das Stealth-Modell mit dem Namen Ox Alpha, das seit Anfang August ohne Branding im OpenCode und im OpenRouter angezeigt wurde, das GLM-5.3-Flash ist. Die Gewichte wurden am selben Tag unter MIT-Lizenz auf Hugging Face veröffentlicht, und das Modell wurde bereits in der Produktion bei Cloudflare Workers AI, im LM Studio Bionic und in einer Reihe von Drittanbieter-Inferenz-Gateways eingesetzt.

Die Architektur ist ein Mischung von Experten (MoE) mit insgesamt 320 Milliarden Parametern und 18 Milliarden aktiven pro Token, ein Format, das Z.ai seit dem GLM 4.5 des vergangenen Jahres verfeinert hat. Das Kontextfenster erreicht 1.048.576 Eingabetokens, die Antwort ist auf 131.000 begrenzt. Das Modell ist nativ multimodal und akzeptiert Text, Bilder und Videos als Eingabe, die erste Generation der GLM-5-Reihe, die alle drei Modalitäten ohne Tokenisierer der zweiten Stufe integriert.

Das Unternehmen präsentiert den Preis als das Hauptunterscheidungsmerkmal. Z.ai gibt an, dass die Kosten pro Token des 5.3-Flash etwa zehnmal niedriger sind als die des GLM 5.2 und dass die Reduzierung auf die neue Sparsity-Routine zurückzuführen ist, die auf das Routing der Experten angewendet wird. Der praktische Beweis findet sich im OpenRouter, wo das Modell in der kostenlosen Basis während der Einführungswoche erscheint, eine Praxis, die das Unternehmen auch mit dem GLM 4.5 im letzten Jahr wiederholt hat, bevor es zu kostenpflichtigem Einsatz überging.

Wo es gegen geschlossene Konkurrenten schlägt

Das Benchmark, das Z.ai in der Ankündigung hervorgehoben hat, ist das Terminal-Bench 2.1, das die Durchführung von Terminalaufgaben in einer kontrollierten Umgebung misst. Das GLM-5.3-Flash erreichte 84,3, gegenüber 85,0 des Claude Opus 4.8. Im DeepSWE, einem Test für Softwaretechnik mit der Korrektur von echtem Code in GitHub-Repositories, erzielte das Modell 63,4 und lag damit vor dem Opus 4.8 und dem DeepSeek V4 Vision Exp. Im AutomationBench, einem Test für autonome Ausführung von SaaS-Workflows, erreichte es 48,8, ebenfalls höher als das Opus 4.8 und das GPT-5.6 Terra.

Die Interpretation dieser Zahlen ist nicht, dass das Flash besser ist. Es ist vielmehr so, dass der Abstand im Kostenverhältnis pro Benchmark gewachsen ist. Ein Score, der nahe beim Opus 4.8 liegt, zu einem Bruchteil des Preises, wird für Cloud-Anbieter, die Infrastruktur von Drittanbietern betreiben, und für Gateways wie OpenRouter, die nach API-Aufruf und pro Million Tokens abrechnen, unvermeidlich.

Was sich für den CIO in London und São Paulo ändert

Die MIT-Lizenz ist von Bedeutung. In Jurisdiktionen, die unter das europäische AI-Gesetz fallen, dessen Transparenzvorschriften am 2. August in Kraft traten, gilt die Kennzeichnungspflicht für KI-generierte Inhalte für den Betreiber des Modells, nicht für den Ersteller der Gewichte, was es europäischen Banken und Beratungsunternehmen ermöglicht, das GLM-5.3-Flash in einer eigenen Umgebung zu betreiben, ohne bei Anthropic oder OpenAI Beschaffungen vornehmen zu müssen. Die Nutzung von offenen Modellen durch europäische Banken hat mit den vorherigen Generationen des GLM bereits zugenommen, und die permissive Lizenz beseitigt die letzte rechtliche Hürde für den Unternehmenseinsatz.

In Brasilien hat die praktische Wirkung zwei Dimensionen. Die erste betrifft die Compliance. Offene Modelle, die lokal in der Cloud gehostet werden, passen mit weniger Reibung in die Anforderungen der Zentralbank und der ANPD hinsichtlich der Rückverfolgbarkeit von Trainingsdaten in Finanzdienstleistungen. Ein Modell unter MIT mit auf Hugging Face veröffentlichten Gewichten erfüllt das Rückverfolgbarkeitskriterium, ohne dass ein NDA des Anbieters erforderlich ist. Der zweite Punkt betrifft den Markt der Integratoren. Die Big 4 und lokale Beratungen wie CI&T und Falconi nutzen bereits Pipelines über offene Modelle, und der gesunkene Kosten pro Token des 5.3-Flash drückt den Mindestpreis für die Fine-Tuning-Verträge, die diese Firmen verlangen.

Wo das Argument schwach wird

Es gibt eine gegenteilige Lesart, die es wert ist, festgehalten zu werden. Z.ai veröffentlicht ausgewählte Benchmarks, und der Unterschied zwischen der Marketing-Zahl und dem Verhalten in der Produktion unter realer Last neigt dazu, signifikant zu sein, so wie es beim GLM 4.5 im ersten Monat nach der Verfügbarkeit der Fall war. Eine hohe Punktzahl im Terminal-Bench garantiert nicht, dass das Modell in Fenstern von 800.000 Tokens kohärent bleibt, was eine gängige Verwendung von Code-Agenten in veralteten Datenbanken ist. Und das Fenster von 1 Million Tokens, obwohl es das größte aller bisher offenen Modelle ist, ist weiterhin durch die Kosten des KV-Caches begrenzt, was in der Praxis die Nutzung in Echtzeit einschränkt.

Der Kritikpunkt am GLM-5.3-Flash betrifft nicht das Modell selbst. Es ist die Übertragung des Vergleichs. Was Z.ai geliefert hat, ist ein offenes, günstiges und leistungsfähiges Modell für die meisten unternehmerischen Anwendungen, mit einem Kontextfenster, das praktisch niemand noch gut zu nutzen weiß. Ob Anthropic und OpenAI mit Preisen reagieren, ist eine Entscheidung, die jetzt aus dem Labor in das Board übergeht.