Das Wichtigste in Kürze
- Z.ai hat GLM-5.3 vorgestellt und nennt es das stärkste Open-Weight-Modell fürs Programmieren.
- Die Basis ist unverändert: 743 Milliarden Parameter, identisch zu GLM-5.2 — alle Zuwächse kommen aus dem Nachtraining.
- Auf Terminal-Bench 3.0 springt der Wert von 4,6 auf 28,3 — und das Modell braucht dabei weniger Token.
- Die Gewichte sind noch NICHT verfügbar: Der Download soll erst gegen Ende August nachgereicht werden.
Ein Modell wird deutlich besser, ohne dass sich am Modell selbst etwas ändert. Klingt nach einem Widerspruch, ist aber genau das, was Z.ai mit GLM-5.3 vorführt — und nebenbei die spannendste Erkenntnis dieses Release.
Gleiche Basis, andere Ergebnisse
GLM-5.3 sitzt auf exakt derselben Basis wie GLM-5.2: 743 Milliarden Parameter, unverändert. Kein größeres Modell, kein neues Vortraining, kein zusätzlicher Datenberg. Sämtliche Verbesserungen stammen aus dem Nachtraining — also aus dem Feinschliff, der einem fertig trainierten Modell beibringt, wie es sich verhalten soll.
Was das bringt, ist ziemlich beeindruckend:
- Terminal-Bench 3.0: von 4,6 auf 28,3 — mehr als das Sechsfache. Dieser Test misst, ob ein Modell tatsächliche Aufgaben in einer Kommandozeile lösen kann, über viele Schritte hinweg.
- Z.ai Code Bench (hauseigener Test): 34,5 Prozent bei maximaler Anstrengung, gegenüber 23,4 Prozent bei GLM-5.2.
- Token-Effizienz: Dabei verbraucht GLM-5.3 rund 75.000 Ausgabe-Token pro Aufgabe — GLM-5.2 brauchte 96.000. Besseres Ergebnis bei weniger Verbrauch.
Der letzte Punkt ist in der Praxis fast der wichtigste. Bei Modellen, die über viele Schritte arbeiten, gehen die Kosten fast vollständig über die Ausgabe-Token. Ein Modell, das dasselbe Ziel mit einem Fünftel weniger Text erreicht, ist nicht nur schneller, sondern spürbar billiger.
Der Punkt, der Sicherheitsleute aufhorchen lässt
GLM-5.3 hat auch bei Sicherheits-Benchmarks stark zugelegt: 84,5 Prozent auf CyberGym, und auf ExploitBench mehr als eine Verdopplung gegenüber dem Vorgänger. Diese Tests messen, wie gut ein Modell Schwachstellen in Code findet — und wie gut es funktionierende Angriffe darauf bauen kann.
Das ist eine Fähigkeit mit zwei Gesichtern. Sie hilft Verteidigern, die eigenen Anwendungen abzuklopfen. Und sie hilft der Gegenseite. Z.ai gibt an, dieser Zuwachs sei nicht das eigentliche Ziel des Trainings gewesen, sondern ein Nebeneffekt der Coding-Optimierung — beim Programmieren-Lernen kommt Schwachstellen-Verständnis eben mit.
„Open Weights“ — aber noch nicht wirklich
Hier muss man genau hinschauen, weil an dieser Stelle viele Berichte schludern. Die Gewichte von GLM-5.3 sind derzeit NICHT verfügbar. Z.ai hat angekündigt, sie gegen Ende August 2026 nachzureichen, nach Abschluss der Sicherheitsprüfungen.
Bis dahin ist das Modell schlicht ein API-Produkt. Ein angekündigter zukünftiger Download ist kein Download. Wer heute mit GLM-5.3 arbeiten will, arbeitet über die Schnittstelle von Z.ai — nicht auf eigener Hardware.
Der Zugang läuft über den GLM Coding Plan, den Z.ai ab 18 Dollar im Monat anbietet, gestaffelt in die Stufen Lite, Pro und Max.
Was das für dein Homelab bedeutet — ehrlich
Kurze, unromantische Antwort: vermutlich nichts. 743 Milliarden Parameter sind keine Größe, die in einem Heimserver landet. Selbst stark quantisiert reden wir hier über mehrere hundert Gigabyte Speicherbedarf und eine Hardware-Klasse, die im Rechenzentrum steht. Wer davon träumt, das Ding neben Proxmox in eine VM zu schieben: Das wird nichts, auch wenn die Gewichte Ende August erscheinen.
Interessant ist dieses Release für dich aus einem anderen Grund: Es zeigt, wo die Reise hingeht. Wenn sich derart große Sprünge allein durch besseres Nachtraining erzielen lassen, dann gilt dasselbe Prinzip auch für die kleinen Modelle — und die laufen sehr wohl bei dir zu Hause. Die 20-, 30- und 70-Milliarden-Klasse profitiert von genau denselben Techniken. Was heute im Riesenmodell demonstriert wird, taucht erfahrungsgemäß innerhalb weniger Monate in den Größen auf, die auf eine einzelne Grafikkarte passen.
Der praktische Rat lautet deshalb: Nicht auf GLM-5.3 warten. Sondern beobachten, was die Anbieter kleiner Open-Weight-Modelle in den nächsten Wochen nachziehen.
Häufige Fragen
Kann ich GLM-5.3 lokal herunterladen?
Aktuell nicht. Z.ai hat die Gewichte angekündigt, will sie aber erst gegen Ende August 2026 nach Abschluss der Sicherheitstests veröffentlichen. Bis dahin ist das Modell nur über die API verfügbar.
Läuft ein 743-Milliarden-Modell im Homelab?
Praktisch nicht. Selbst stark quantisiert liegt der Speicherbedarf im Bereich mehrerer hundert Gigabyte. Das ist Rechenzentrums-Hardware, keine Homelab-Größe — auch nicht mit mehreren Consumer-Grafikkarten.
Was ist Terminal-Bench 3.0?
Ein Test, der misst, wie gut ein Modell echte Aufgaben in einer Kommandozeilen-Umgebung lösen kann — über viele aufeinander aufbauende Schritte hinweg. Er gilt als guter Indikator für die Eignung als Coding-Agent.
Warum wird ein Modell besser, ohne dass es größer wird?
Weil Vortraining und Nachtraining zwei verschiedene Phasen sind. Das Vortraining bringt dem Modell Weltwissen bei, das Nachtraining das Verhalten: wie es Werkzeuge aufruft, wie es Aufgaben zerlegt, wann es aufhört. Genau da liegen aktuell die größten Reserven.
Ist ein Modell mit starken Hacking-Fähigkeiten gefährlich?
Es ist zweischneidig. Dieselbe Fähigkeit, die Sicherheitsforschern beim Absichern von Software hilft, senkt auch die Einstiegshürde für Angreifer. Genau deshalb hält Z.ai die Gewichte bis zum Abschluss der Sicherheitsprüfungen zurück.