Alle Depeschen

DepescheModelleneu

GLM-5.3: Z.ai holt den Sprung allein aus dem Post-Training – und liefert die Gewichte diesmal erst in zwei Wochen

Z.ai (Zhipu AI) hat am 14. August 2026 GLM-5.3 vorgestellt. Bemerkenswert ist weniger die Leistung als der Weg dorthin: Das Modell sitzt nach Anbieterangabe auf demselben Basismodell wie GLM-5.2, alle Zugewinne stammen ausschließlich aus erweitertem Post-Training – keine neue Architektur, kein neuer Vortrainingslauf. In Z.ais eigener Doku steht es mit 1 Mio. Token Kontext, 128 K Ausgabe und reinem Text als „Flagship Foundation Model“; die API ist als „coming soon“ markiert, Zugang gibt es zunächst über den GLM-Coding-Plan. Die offenen Gewichte, bei GLM-5.2 noch am Tag der Ankündigung da, kommen diesmal erst „in zwei Wochen“. Flankiert wird der Release von einem öffentlichen Offenlegungsregister unter cvd.z.ai, das 2.436 gefundene Schwachstellen in 269 Open-Source-Projekten ausweist – 1.097 davon als kritisch oder hoch eingestuft, 53 offengelegt, 2.383 noch unter Verschluss.

Was gesichert ist, weil es in Z.ais eigener Dokumentation steht: GLM-5.3 wird dort als „Flagship Foundation Model“ mit 1 Mio. Token Kontext und 128 K maximaler Ausgabe geführt, Ein- und Ausgabe ausschließlich Text. Der API-Zugang ist als „coming soon“ ausgewiesen; nutzbar ist das Modell zunächst für Abonnenten des GLM-Coding-Plans. Damit übernimmt GLM-5.3 die Eckdaten des Vorgängers – der 1-Mio.-Kontext war im Juni das Hauptargument von GLM-5.2 – und ändert an der Modalität nichts: Multimodalität bleibt im separaten GLM-5V.

Der eigentliche Anspruch steckt in der Trainingsmethode. Nach der Darstellung, die The Decoder und Unite.AI übereinstimmend aus Z.ais Ankündigung übernehmen, basiert GLM-5.3 auf demselben Basismodell wie GLM-5.2 – „alle Verbesserungen stammen ausschließlich aus erweitertem Post-Training“, das Unternehmen spricht von „Environment Scaling rather than architecture change“. Für ein Haus, das mit „IndexShare“ zuletzt eine architektonische Neuerung ins Schaufenster gestellt hat, ist das ein bemerkenswert anderer Anspruch: Der Zugewinn kommt nicht aus dem Modell, sondern aus dem, was man es üben lässt.

Die Zahlen dazu sind allesamt anbieter-selbstberichtet, wir geben sie als solche wieder. Auf dem Coding-Strang nennt Z.ai Terminal-Bench 3.0 mit 28,3 (GLM-5.2: 4,6), DeepSWE v1.1 mit 66,9 (46,2) und Agent’s Last Exam mit 28,5 (23,8); die viel zitierte „50 Prozent Verbesserung“ bezieht sich auf einen privaten, von Z.ai selbst betriebenen Testsatz („Z.ai Code Bench“), auf dem GLM-5.3 mit 31,4 gegen Claude Opus 4.8 und Fable 5 mit je 39,5 aber weiterhin zurückliegt. Wichtig für den Vergleich mit unserem Katalog: Terminal-Bench 3.0 ist eine neue, deutlich härtere Generation dieses Tests und hat mit dem Wert von 78 Prozent nichts zu tun, den Artificial Analysis für GLM-5.2 auf Terminal-Bench v2.1 misst – die beiden Zahlen gehören auf verschiedene Skalen und dürfen nicht gegeneinandergehalten werden.

Auf dem Cyber-Strang nennt Z.ai CyberGym mit 84,5 Prozent (GLM-5.2: 77,2) und ExploitBench mit 54,4 Prozent (24,4) und beansprucht auf CyberGym die Spitze vor jedem Modell des eigenen Vergleichssatzes. Ein Gegencheck, der ausnahmsweise trägt: Der von Z.ai selbst angesetzte Ausgangswert für GLM-5.2 auf ExploitBench, 24,4 Prozent, deckt sich fast auf den Punkt mit den 24 Prozent, die das britische AI Security Institute gemeinsam mit dem US-CAISI im Juli unabhängig für GLM-5.2 auf demselben Benchmark gemessen hat. Die Vergleichsbasis ist also zumindest nicht schöngerechnet – über den neuen Wert selbst sagt das nichts. Und Z.ai räumt an anderer Stelle Rückstand ein: Auf ExploitGym liegt Mythos 5 mit 181 beziehungsweise 247 gelösten Aufgaben deutlich vor GLM-5.3 (105 in zwei, 130 in sechs Stunden), und auf Terminal-Bench 3.0 führen GPT-5.6 Sol und Fable 5. Der Anspruch lautet „stärkstes offenes Modell“, nicht „stärkstes Modell“.

Belastbarer als jede Benchmark-Zahl ist das Register, das Z.ai mitliefert. Unter cvd.z.ai betreibt das Unternehmen ein öffentliches Offenlegungsverzeichnis, das wir selbst geöffnet haben: 2.436 erfasste Schwachstellen über 269 Open-Source-Projekte, davon 1.097 als kritisch oder hoch eingestuft (107 „Critical“, 990 „High“), 53 bereits öffentlich, 2.383 noch nicht. Der älteste erfasste Fehler stammt nach Angabe der Seite aus dem Jahr 1981. Das ist eine überprüfbare Spur statt einer Folie – mit einer Einschränkung, die wir ausdrücklich festhalten: Auf der Registerseite selbst ist kein KI-Modell als Finder ausgewiesen. Die Zuordnung dieser Funde zu GLM-5.3 stammt aus Z.ais Ankündigung und deren Rezeption, nicht aus dem Register.

⚠️ Zur Beleglage: Z.ais eigene Ankündigungsseite unter z.ai/blog/glm-5.3 ist clientseitig gerendert und liefert unserem Abrufwerkzeug eine leere Seite – wir führen sie als Adresse der Primärquelle, haben sie aber nicht gelesen. Belegt haben wir die Meldung an vier Stellen, die wir selbst geöffnet haben: Z.ais Modelldokumentation und das CVD-Register (beide Primärquellen), dazu The Decoder und Unite.AI als unabhängige Rezeptionen. Dass mehrere Rezeptionen dieselben Zahlen tragen, macht sie nicht unabhängiger – es ist ein Anbieter-Briefing, das mehrfach referiert wird. Der Katalog-Eintrag zu GLM-5.3 folgt, sobald die Gewichte draußen sind und eine unabhängige Messung vorliegt.