Das leistungsstärkere GLM-5.3 – warum hat es nicht die sozialen Medien überflutet?
Am 14. August hat Zhipu AI das neue Flaggschiffmodell GLM-5.3 vorgestellt. Am 19. August wurde die API offiziell für den Aufruf freigegeben, wobei die Preisgestaltung mit der von GLM-5.2 übereinstimmt.
GLM-5.3 nutzt das Grundgerüst des Modells GLM-5.2 weiter und verbessert vor allem die Fähigkeiten in den Bereichen Codierung, langfristige Agenten und Cybersicherheit durch die Erweiterung des Nachschulungsumfangs. Derzeit ist das Modell bereits für alle Nutzer des GLM Coding Plan zugänglich und wurde auf gängigen Programmierwerkzeugen wie ZCode, Claude Code und OpenCode bereitgestellt. Die Modellgewichte werden am kommenden Freitag als Open-Source veröffentlicht.
Aus den Testergebnissen geht hervor, dass GLM-5.3 deutliche Fortschritte gemacht hat. Im neuesten umfassenden Intelligenzindex von Artificial Analysis erzielte GLM-5.3 60 Punkte, gelangte in den Bereich weltweit führender Modelle und befindet sich in derselben Klasse wie geschlossene Flaggschiffmodelle wie Claude Fable 5 und GPT-5.6 Sol und belegt gemeinsam mit Kimi K3 den ersten Platz unter den Open-Source-Modellen. Darüber hinaus gehört GLM-5.3 gemäß den von Artificial Analysis statistisch erfassten Kosten pro Aufgabe zu den kostengünstigen Modellen in derselben Leistungsklasse.
Trotz der verbesserten Modellfähigkeiten hat es nicht die gleiche Marktwirksamkeit erreicht wie die Vorgängermodelle. Als GLM-5.1 im April veröffentlicht wurde, stieg der Schlusskurs von Zhipu AI um 11,5 %; nach der Vorstellung von GLM-5.2 im Juni stieg der Aktienkurs um weitere 32,8 %. Am Tag der Veröffentlichung von GLM-5.3 fiel der Aktienkurs von Zhipu AI jedoch um 3,6 %. Die branchenweite Diskussion nach der Modellveröffentlichung blieb auch weit hinter der Aufmerksamkeit zurück, die die vorherigen Flaggschiffvorstellungen erhielten. Das Modell ist eindeutig leistungsfähiger geworden – warum ist es also nicht erneut zum Fokus des Marktes geworden?
Dieser Widerspruch bedeutet nicht, dass GLM-5.3 keine Verbesserungen erzielt hat, sondern zeigt, dass in der heutigen Zeit, in der inländische Modelle dicht aufeinander folgend iterieren und die Leistungsunterschiede schnell schrumpfen, ein führender Platz bei den Modell-Benchmarks den Markt kaum noch begeistern kann. Für Zhipu AI ist die wichtigere Frage, wie groß der differenzierte Vorteil ist, den das leistungsfähigere Modell noch bringen kann – und ob dieser Vorteil weiterhin in Produkte und Einnahmen umgewandelt werden kann.
01. Wie groß sind die Fortschritte von GLM-5.3?
Die bemerkenswerteste Veränderung von GLM-5.3 besteht darin, dass durch die Erweiterung des Nachschulungsumfangs eine deutliche Leistungssteigerung erzielt wurde. Einfach ausgedrückt: Zhipu AI hat kein größeres Grundgerüstmodell neu trainiert, sondern das vorhandene Modell in komplexeren, der echten Arbeit näheren Umgebungen wiederholt geschult, um die bereits vorhandenen Fähigkeiten weiter zu vertiefen.
Zeng Xiaojian, ein Forscher für große Modelle, teilte „AIX Finance“ mit, dass das Vortraining hauptsächlich darauf abzielt, das Wissen zu erweitern, das das Modell „gelesen hat“, während das Nachschulungs Training darauf abzielt, die Erfahrungen zu erhöhen, die das Modell „gemacht hat“. Das Modell lernt nicht nur weiteres Wissen, sondern führt auch Aufgaben in realen Umgebungen aus, erhält Rückmeldungen und passt seine Vorgehensweise an die Ergebnisse an.
Unterstützt wird diese Runde des Nachschulungs Trainings durch eine zuvor entwickelte Trainingsmethode. IndexShare senkt vor allem die Berechnungskosten für lange Kontexte; SAO ermöglicht den Eintritt in das Training nach Abschluss einer einzelnen Aufgabe, ohne darauf warten zu müssen, dass alle Aufgaben einer Charge abgeschlossen sind; das Slime-Framework trennt die beiden Schritte der Aufgabenausführung durch das Modell und der Aktualisierung des Modells anhand der Ergebnisse, um Leerlauf von Rechenleistung zu reduzieren, der durch unterschiedliche Zeitaufwände verschiedener Aufgaben entsteht.
Zeng Xiaojian gab ein Beispiel: Angenommen, von 100 Agentenaufgaben sind 80 in zehn Minuten erledigt, 15 benötigen eine halbe Stunde und die letzten 5 laufen zwei Stunden. Bei herkömmlichen Trainingsmethoden muss die gesamte Charge von Aufgaben abgeschlossen sein, bevor der nächste Schritt ausgeführt werden kann. Die bereits abgeschlossenen Aufgaben müssen auf die langsamsten 5 warten, sodass teure GPUs ungenutzt bleiben. Das neue Framework wartet nicht mehr darauf, dass alle Aufgaben gleichzeitig „die Prüfung abgeben“, wodurch die Wartezeit reduziert und die Auslastung der Rechenleistung verbessert wird.
Nach der Verbesserung der Trainingseffizienz müssen dem Modell noch genügend „Übungsaufgaben“ zur Verfügung stehen. GLM-5.3 verfügt über einen Prozess zur automatischen Generierung von Trainingsumgebungen. Der Research Agent sucht Aufgaben aus der echten Arbeit, der Judge Agent führt diese Aufgaben dann selbst aus, um zu bestätigen, dass die Aufgabe tatsächlich abgeschlossen werden kann; das System prüft zudem, ob das Modell Bewertungslücken ausnutzt, um Abkürzungen zu nehmen. Man kann es so verstehen, dass die KI selbst Aufgaben erstellt, ausprobiert und prüft, bevor die qualifizierten Aufgaben in das Training aufgenommen werden.
Nachdem wir diese grundlegende Voraussetzung verstanden haben, schauen wir uns genauer an, in welchen Bereichen GLM-5.3 Fortschritte erzielt hat.
Die Wirkung dieser Methode zeigt sich zuerst in der Programmierfähigkeit. Aus den Ergebnissen der Benchmark-Tests geht hervor, dass die Projekte, bei denen GLM-5.3 eine deutliche Steigerung verzeichnete, hauptsächlich mit langfristiger Softwareentwicklung, Terminalbedienung und automatisierten Aufgaben zusammenhängen. Beispielsweise stieg der Wert bei DeepSWE v1.1, das auf langfristige Softwareentwicklung abzielt, von 46,2 Punkten bei dem Vorgängermodell auf 66,9 Punkte. Dies zeigt, dass GLM-5.3 komplexe Aufgaben besser von Anfang bis Ende durchführen kann. Es ist in der Lage, ein unbekanntes Projekt zu verstehen, selbst Probleme zu lokalisieren, Werkzeuge aufzurufen, Code zu modifizieren und die Korrekturen anhand der Testergebnisse weiter vorzunehmen.
Der eigene Code-Bench von Zhipu AI unterstreicht dies ebenfalls. Bei diesem Test wird das Modell direkt in eine lokale Entwicklungsumgebung versetzt, wobei Aufgaben mit unterschiedlichen Schwierigkeitsgraden festgelegt werden. Bei höchstem Schwierigkeitsgrad erzielte GLM-5.3 mit durchschnittlich etwa 75.000 ausgegebenen Tokens eine Erfolgsquote von 34,5 %, während GLM-5.2 etwa 96.000 Tokens benötigte und nur eine Quote von 23,4 % erreichte.
Zeng Xiaojian ist der Ansicht, dass die gestiegene Abschlussquote bei gleichzeitig gesunkenem Token-Verbrauch mehr Aufmerksamkeit verdient als ein reiner Anstieg der Benchmark-Punkte. Dies zeigt, dass das Modell gelernt hat, effektiver zu arbeiten, anstatt die Ergebnisse durch längere Denkzeiten zu erzwingen.
Die Erfahrungen des unabhängigen Entwicklers Li Ran bestätigen diese Veränderung. Er ist der Meinung, dass GLM-5.3 im Vergleich zu GLM-5.2 deutliche Fortschritte gemacht hat, wobei der Goal-Modus von ZCode die Funktion ist, die ihn am meisten beeindruckt hat. Nach Vorgabe eines Ziels treibt das Modell die Aufgabe kontinuierlich voran, prüft und validiert sie bis zum Abschluss – die Zuverlässigkeit langer Aufgaben ist höher als bei dem Vorgängermodell.
Ein weiterer noch auffälligerer Verbesserungsbereich ist die Cybersicherheit. Bei ExploitBench, das die Fähigkeit zur Schlussfolgerung bei der Nutzung von Sicherheitslücken prüft, stieg die Quote von GLM-5.3 von 24,4 % beim Vorgängermodell auf 54,4 %, was einer mehr als Verdoppelung entspricht. Sicherheitsaufgaben verlangen von dem Modell nicht nur, Code zu verstehen, sondern auch zu beurteilen, wo Sicherheitslücken verborgen sind und wie sie ausgelöst werden können – dies stellt höhere Anforderungen an das Codeverständnis, den Werkzeugaufruf und die langfristige Planung.
Diese Fähigkeit wird bereits in realen Projekten eingesetzt. Laut offiziellen Angaben von Zhipu AI nutzt das Unternehmen seit GLM-5.2 gemeinsam mit mehreren inländischen Sicherheitsinstitutionen das Modell, um kontinuierlich Sicherheitslücken in realen Projekten zu finden. Bis zur Veröffentlichung von GLM-5.3 wurden nach Prüfung, Auswahl und Duplikatentfernung durch Experten insgesamt 2436 Sicherheitslücken entdeckt, die 269 Projekte abdecken. Darunter befinden sich 1097 mittelhohe und hochriskante Probleme, wobei einige Sicherheitslücken bereits seit Jahrzehnten existieren.
Zusammengefasst besteht der Unterschied von GLM-5.3 gegenüber dem Vorgängermodell darin, dass die Programmierfähigkeit vollständigeren technischen Aufgaben näher kommt, die Stabilität bei langen Aufgaben verbessert wurde und die Fortschritte im Bereich der Cybersicherheit besonders deutlich sind.
Ob ein Modell wettbewerbsfähig ist, muss im Vergleich zu Konkurrenzmodellen aus derselben Zeit bewertet werden. Wir haben die neuesten Flaggschiffmodelle von Alibaba, Moonshot AI und DeepSeek als Referenz ausgewählt. Einerseits wurden diese Modelle kürzlich aktualisiert, andererseits gehören Codierung, Agenten und langfristige Aufgaben zu den gemeinsamen Schwerpunktbereichen, in die alle investieren.
Allein anhand der Ergebnisse hat GLM-5.3 tatsächlich viele erste Plätze erreicht, wobei der Vorteil im Bereich der Cybersicherheit am deutlichsten ist; Codierung und langfristige Agenten gehören ebenfalls zur ersten Leistungsgruppe, aber im Vergleich zu Kimi K3 und DeepSeek V4 Pro gibt es keine deutlichen Unterschiede.
Schauen wir uns die Stärken der anderen Anbieter an: DeepSeek V4 Pro verfügt weiterhin über Vorteile bei der umfassenden Leistung und Preisgestaltung; Kimi K3 konkurriert fast auf Augenhöhe mit GLM-5.3 bei langfristiger Softwareentwicklung und bietet gleichzeitig native Multimodalität mit einer vollständigeren Fähigkeitsabdeckung; Obwohl Qwen3.8-Max bei einigen Benchmarks keine Spitzenplätze belegt, verfügt es über das Ökosystem von Alibaba und eine bessere Grundlage bei der Umsetzung in Unternehmens-Workflows und Anwendungen.
Daher ist GLM-5.3 tatsächlich leistungsfähiger geworden, hat aber noch keinen Vorteil erreicht, den inländische Flaggschiffmodelle aus derselben Generation kurzfristig nur schwer einholen können.
02. Neue große Modellveröffentlichungen erzielen kaum noch „Hit“-Status
Warum hat die verbesserte Leistungsfähigkeit von GLM-5.3 keine gleich große Verbreitung erreicht?
Ein direkter Grund ist, dass die gewählte Upgraderichtung relativ „spezialisiert“ ist. Die beiden Hauptbereiche dieser Aktualisierung sind zum einen die Programmierfähigkeit, die vor allem Entwickler bedient, und zum anderen die Cybersicherheit, deren Zielgruppe hauptsächlich Sicherheitsforscher und Unternehmenskunden sind. Die Fähigkeiten sind praktisch, aber die Zielgruppen sind relativ begrenzt.
Dies steht im Widerspruch zu den Erwartungen der Nutzer vor der Veröffentlichung von GLM-5.3. Zuvor hat Tang Jie, Gründer von Zhipu AI, auf X die Erwartungen der Nutzer an das neue Modell abgefragt – Multimodalität und visuelle Fähigkeiten waren die am häufigsten genannten Wunschrichtungen. Der Grund ist leicht verständlich: Heutzutage befassen sich immer mehr Agentenaufgaben nicht nur mit Text. Für die Erstellung von Webseiten muss man Screenshots betrachten, für die Änderung von UI muss man Entwurfsdokumente verstehen, Analyseberichte können Diagramme und PDFs enthalten, und selbst beim Schreiben von Code muss man häufig Anpassungen basierend auf der Seitenansicht vornehmen.
Li Ran erwähnte, dass viele Entwicklungsaufgaben sich kaum vollständig in Worten beschreiben lassen, insbesondere Seitendesign und kreative Codierung. Mit visuellen Fähigkeiten kann das Modell direkt „das Ergebnis betrachten“, ohne dass Anforderungen wiederholt in Text übersetzt werden müssen. In seiner praktischen Nutzung ist GLM-5.3 bei regulären Code-Aufgaben gut zu bedienen, sein Niveau liegt über dem von Kimi K3 und leicht unter dem von GPT-5.6 Sol – aber bei Szenarien wie Spielgenerierung und kreativer Codierung, die auf visuellen Rückmeldungen angewiesen sind, ist das Erlebnis eher durchschnittlich, es kam sogar schon vor, dass die generierten Seitenschaltflächen schief ausgerichtet waren.
Eine noch größere Veränderung besteht darin, dass die Neuheit neuer Modelle durch den dichten Veröffentlichungsrhythmus schnell verbraucht wird. Allein bei Zhipu AI wurde GLM-5.1 im April veröffentlicht, GLM-5.2 im Juni aktualisiert und GLM-5.3 folgte am 14. August – die Firma behält im Grunde einen Rhythmus von einer Flaggschiff-Iteration alle zwei Monate bei. Die Konkurrenz bleibt natürlich nicht untätig: Mitte Juli wurde Kimi K3 bereitgestellt, Anfang August folgte Qwen3.8-Max, und Mitte August erschien die offizielle Version von DeepSeek V4 Pro.
Quelle / KI-generiert
In weniger als einem Monat wurden vier aufeinanderfolgende inländische Flaggschiffmodelle vorgestellt. Ein Modell erreicht gerade durch Benchmarks einen Spitzenplatz, wenige Wochen später übertrifft es bereits eine neue Version.
Mit der gestiegenen Veröffentlichungsfrequenz sinkt der Wert des „ersten Platzes“. In den vergangenen zwei Jahren war es für ein Unternehmen leicht, zu einem Branchen-Hot-Thema zu werden, wenn es plötzlich eine ausländische Flaggschiffmarke in einer Kernfähigkeit einholte oder sogar übertraf. Heutzutage haben die führenden inländischen Modelle bereits ein ähnliches Leistungsniveau erreicht. Zhipu AI hat die Codierfähigkeit diesmal weiter vorangebracht, die nächste Generation von Kimi könnte die langfristige Softwareentwicklung weiter stärken, und DeepSeek kann durch gutes Nachschulungs Training auch schnell bei Agentenaufgaben aufholen. Das Zeitfenster für einen Vorsprung wird inzwischen in Wochen gemessen.
Hinter der Angleichung der Fähigkeiten steht, dass alle Unternehmen dasselbe Problem lösen. Für Codierung werden bessere Trainingsumgebungen und hochwertige Codedaten benötigt, für Agenten werden längere Aufgabenverläufe und Werkzeugaufruf-Training benötigt, für Multimodalität muss das Verständnis von Informationen wie Bildern und Videos ergänzt werden. Nachdem ein Unternehmen einen wirksamen Weg validiert hat, investieren Konkurrenten schnell in Rechenleistung, Daten und technische Ressourcen. Das Ergebnis ist, dass alle Seiten um die beste Codierleistung wetteifern, Agenten betonen, lange Kontexte erweitern und Multimodalität ergänzen. Die Verbesserungsrichtungen von GLM-5.3 befinden sich genau in dem Bereich mit dem größten Wettbewerb.
Die Hürde für einen „Hit“ ist dadurch höher