Chinesisches KI-Modell GLM-5.3-Flash läuft ohne Nvidia und kostet einen Bruchteil der Konkurrenz

Z.ais neues Modell GLM-5.3-Flash  bietet ein starkes Preis-Leistungs-Modell mit deutlichen Schwächen und einen bemerkenswerten Infrastruktur-Aspekt.

GLM-5.3-Flash ist laut Z.ai das erste nativ multimodale Modell der GLM-5-Serie. Es verfügt über 320 Milliarden Gesamtparameter, von denen nur 18 Milliarden aktiv sind, steht unter MIT-Lizenz und bietet ein Kontextfenster von einer Million Token. Die Gewichte sind auf Hugging Face verfügbar.

Nach Messungen von Artificial Analysis erreicht das Modell mit maximalem Reasoning-Aufwand 57 Punkte im Intelligence Index. Damit liegt es nur drei Punkte hinter dem größeren GLM‑5.3 (60) und gleichauf mit GPT-5.6 Terra sowie Muse Spark 1.2.

Entscheidend ist der Preis: Die Kosten pro Aufgabe im Index betragen 0,09 US-Dollar gegenüber 0,68 US-Dollar bei GLM-5.3, also rund das 7,5-Fache weniger. Damit sitzt das Modell laut Artificial Analysis auf der Pareto-Grenze aus Intelligenz und Kosten und reiht sich ein in eine Reihe chinesischer Modelle, die zuletzt starken Preisdruck auf westliche Anbieter ausüben.

Auf der API von Z.ai kostet GLM-5.3-Flash 0,15 US-Dollar pro Million Input-Token und 0,50 US-Dollar pro Million Output-Token, gut zehn Prozent des Preises von GLM-5.3. Bei agentischen Aufgaben zieht das Modell mit dem größeren Bruder gleich: Auf GDPval-AA v2 erreicht es einen Elo-Wert von rund 1770, ebenbürtig mit GLM-5.3 und Grok 4.6, und liegt damit nur hinter Claude Opus 5. Weniger token-effizient ist es dennoch, laut Artificial Analysis entfielen etwa 90 Prozent der verbrauchten Output-Token auf Reasoning.

Chinesische Chips statt Nvidia

Vor dem Start testete Z.ai das Modell anonym als "ox-alpha" auf OpenCode und OpenRouter, wo es zum populärsten Modell der Woche wurde. Interessanterweise lief der gesamte Traffic dabei laut Z.ai auf chinesischen KI-Chips.

Laut SemiAnalysis wurden dabei 100 Billionen Token pro Tag ausgeliefert, eine Kapazität, die bislang nur Frontier-Laboren zugetraut wurde. Z.ai beziffert Hardware-Effizienz und Kosten pro Token als vergleichbar mit gängigen Nvidia-GPUs. SemiAnalysis wertet dies als weiteren Test für den "CUDA-Moat", nach den jüngsten Ergebnissen von OpenAIs neuem Chip.

CUDA ist Nvidias Programmierschicht zwischen KI-Software und Grafikkarte. Sie ist seit fast 20 Jahren gewachsen, und praktisch jedes KI-Framework ist auf sie zugeschnitten. Wer auf andere Chips wechselt, muss diese Arbeit neu machen: Rechenoperationen neu programmieren, Speicherzugriffe anpassen, Engpässe finden. Genau daran sind Nvidia-Konkurrenten bisher gescheitert, ihre Chips waren auf dem Papier schnell, in der Praxis aber schlecht ausgelastet.

Z.ai baute deshalb eine eigene Auslieferungssoftware auf Basis von SGLang und zerlegte die Verarbeitung in einzeln skalierbare Stufen. Nach eigenen Angaben verdreifachte das Team so den Durchsatz gegenüber dem ersten Versuch auf derselben Hardware. Bei der Optimierung half ein Agent auf Basis von GLM-5.3.