Am vergangenen Wochenende tauchte auf der Plattform OpenRouter aus dem Nichts ein anonymes KI-Modell namens »Ox Alpha« auf und dominierte sofort die Nutzungscharts. Jetzt hat das chinesische Entwicklerstudio Z.ai bestätigt, dass es sich dabei um GLM-5.3-Flash handelt.
Anonymer Start bricht Rekorde
In den vergangenen Tagen rätselte die Entwickler-Community über die Herkunft von »Ox Alpha«. Es verarbeitete innerhalb von sechs Tagen 23,2 Billionen Token auf OpenRouter und lag damit bei der Nutzung weit vor allen anderen Modellen.
Z.ai testete GLM-5.3-Flash nach eigenen Angaben absichtlich unter diesem Pseudonym, um ungefiltertes Nutzerfeedback zu sammeln.
Quelle: xai
18 Milliarden aktive Parameter
GLM-5.3-Flash verfügt insgesamt über 320 Milliarden Parameter. Durch eine Mixture-of-Experts-Architektur greift das Modell bei der Textgenerierung pro Token jedoch nur auf 18 Milliarden Parameter zu. Betreiber müssen den Speicherplatz für alle Weights zwar vorhalten, entlasten die Prozessoren bei der Verarbeitung aber deutlich.
Z.ai nutzt für das Modell eine hybride Architektur, die Linear und Sparse Attention kombiniert. Das senkt die Rechenkosten bei der Verarbeitung von langen Eingaben mit bis zu einer Million Token.
Quelle: xai
Benchmark-Ergebnisse im Detail
In den Benchmarks rückt GLM-5.3-Flash sehr nah an die teuren Spitzenmodelle heran. Beim Programmier-Benchmark DeepSWE v1.1 erreicht es 63,4 Punkte und schlägt damit sowohl Claude Opus 4.8 (58,0 Punkte) als auch DeepSeek-V4-Vision-Exp (59,3 Punkte).
Auch im AutomationBench liegt das neue Modell mit 48,8 Punkten vor der Konkurrenz von Anthropic mit 41,0%. Im Terminal-Bench 2.1 nähert sich GLM-5.3-Flash dem Opus-Modell mit 84,3 zu 85,0 Punkten stark an.
Deutlich wird der Fortschritt auch, wenn man es mit dem Vorgänger-Modell GLM 5.2 vergleicht. Dieses schlägt das neue Modell in allen Bereichen.
Quelle: xai
Preise und Wirtschaftlichkeit
Dieser Leistungssprung geht mit stark gesunkenen Betriebskosten einher. Gemessen am Artificial Analysis Intelligence Index erreicht das Modell einen Score von 57 bei Kosten von lediglich 0,045 US-Dollar pro Aufgabe. Laut Z.ai kostet der Betrieb damit nur noch ein Zehntel im Vergleich zu GLM-5.2.
Das Entwicklerstudio demonstriert mit den Zahlen auch, dass sich solche Modelle auf hardwareseitig limitierten chinesischen KI-Chips in großen Rechenzentren wirtschaftlich betreiben lassen. Dafür wurde die Inferenz-Software stark auf Bandbreiten-Optimierung getrimmt, um die Nachteile der heimischen Hardware auszugleichen.
Quelle: xai
Freigabe für lokale Hardware
Z.ai stellt die Modellgewichte unter einer offenen MIT-Lizenz auf Plattformen wie Hugging Face zur Verfügung. Für lokale Installationen unterstützt GLM-5.3-Flash Frameworks wie SGLang oder vLLM. Das Unternehmen hat das Modell zudem für alle Nutzer seines eigenen Coding Plans freigeschaltet.
Anzeige
