
Claude Opus 5.5 vs. GLM-5.4: Das billige Token ist nicht die billige Aufgabe
- OrcaNEUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 pro 1 Mio. Tokens · 182 tok/s
- tencentNEUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 pro 1 Mio. Tokens · 364 tok/s
- GoogleNEUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 pro 1 Mio. Tokens · 87 tok/s
- AnthropicNEUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 pro 1 Mio. Tokens · 148 tok/s
- orcaNEUOrca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 pro 1 Mio. Tokens · 93 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 pro 1 Mio. Tokens · 135 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 pro 1 Mio. Tokens · 82 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 pro 1 Mio. Tokens · 118 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 pro 1 Mio. Tokens · 110 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 pro 1 Mio. Tokens · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenz
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 pro 1 Mio. Tokens · 211 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenz
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 pro 1 Mio. Tokens · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenz
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 pro 1 Mio. Tokens · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenz
Der teuerste Fehler bei der Modellauswahl besteht darin, Preislisten statt erledigte Aufgaben zu vergleichen. Claude Opus 5.5 kostet 4 US-Dollar pro Million Input-Tokens und 20 US-Dollar pro Million Output-Tokens. GLM-5.3 – das Modell, das Z.ai tatsächlich ausliefert und nach dem jeder sucht, der „GLM-5.4“ eingibt – kostet 1,40 US-Dollar und 4,40 US-Dollar. Auf dem Preisschild kostet das chinesische Open-Weights-Modell etwa ein Fünftel. Bei der eigenen Messung von Artificial Analysis, was die Erledigung einer Aufgabe kostet, schrumpft die Lücke auf 2×. Dieses Schrumpfen, nicht die Preisliste, ist die Geschichte dieses Vergleichs.
Zuerst der Name. GLM-5.4 existiert nicht. Der Dokumentationsindex von Z.ai führt GLM-5.3 und GLM-5.3-Flash als die aktuellen Textmodelle, die Hugging-Face-Organisation des Labors hat kein Repository mit „5.4“ im Namen, und eine Volltextsuche auf dem Hub am 19. November liefert nichts. Die Zahl ist ein Suchbegriff, kein Release. GLM-5.3 wurde im August 2026 veröffentlicht – laut dem Veröffentlichungsdatum von Artificial Analysis am 18. August, wobei die Gewichte ab dem 25. August auf dem Hub verfügbar sind – und es ist das Modell, auf das sich jede der folgenden Aussagen bezieht.
Was GLM-5.3 ist und was es kostet
GLM-5.3 ist Z.ai’s Open-Weights-Text-Flaggschiff. Es nutzt dasselbe Basismodell wie GLM-5.2, wobei sämtliche Verbesserungen aus dem Post-Training stammen – deshalb bleiben Lizenz und Architektur unverändert, und deshalb konzentrieren sich die Verbesserungen auf genau zwei Bereiche: komplexes Coding und langfristige agentische Arbeit. Es bietet einen Kontext von 1 Mio. Tokens, maximal 128 K Ausgabe, reine Texteingabe und ein Reasoning, das sich nicht abschalten lässt – drei Effort-Stufen, low, high und max, standardmäßig max.

• Preis — Claude Opus 5.5 $4.00 Eingabe / $20.00 Ausgabe / $0.20 Cache-Lesevorgang vs. GLM-5.3 $1.40 / $4.40.
• Gewichte — nur geschlossene API vs. offene Veröffentlichung im Apache-Stil auf Hugging Face, herunterladbar und selbst hostbar.
• Kontext — 1M Token bei beiden, 128K maximale Ausgabe bei beiden.
• Aufwandssteuerung — Opus 5.5 nutzt adaptives Denken, das sich nicht deaktivieren lässt, standardmäßig medium im Vergleich zu GLM-5.3, dessen Reasoning stets aktiv ist, standardmäßig max.
• Intelligenz-Index — 59,1 gegenüber 31,7 in der Revision v5.0.1, eine Differenz von 27,4 Punkten.
• Kosten pro Index-Aufgabe — 10,04 $ vs. 5,01 $, eine 2-fache Differenz, nicht die 4,5-fache, die das Etikett nahelegt.
• Modalität — Text- und Bildeingabe vs. nur Text.
Warum ein 4,5-facher Preisvorteil zu einem 2-fachen Kostenvorteil wird
Artificial Analysis hat beide Modelle durch dieselbe Index-Suite laufen lassen und die Tokens gezählt, die jedes davon verbraucht hat. Claude Opus 5.5 erzeugte über die Suite hinweg 218M Ausgabe-Tokens. GLM-5.3 erzeugte 135M. Das ist nicht die Richtung, die die meisten erwarten – das teure Modell ist hier das wortreichere –, aber das Verhältnis, auf das es ankommt, ist das zum Preis, und der 1,6× Token-Vorteil von GLM-5.3 reicht nicht annähernd aus, um seinen 4,5× Vorteil pro Token in der anderen Richtung auszugleichen.

Rechnen Sie so, wie es ein Budget tun würde. Bei einer Aufgabe, bei der beide Modelle gleich viele Tokens verbrauchen, ist GLM-5.3 4,5× günstiger. In der Praxis verbraucht GLM-5.3 etwa 0,62 Tokens für jedes Token, das Opus 5.5 verbraucht, sodass das effektive Verhältnis vor Berücksichtigung der Eingabetokens bei nahezu 2,8× liegt, und der gemessene Wert pro Aufgabe von 5,01 $ gegenüber 10,04 $ bringt es auf 2×. Immer noch eine echte Ersparnis – ungefähr die Hälfte –, aber die Hälfte ist eine andere Entscheidung als ein Fünftel. Ein Team, das auf Basis des Listenpreises budgetiert hat und eine 2×-Rechnung bekommt, wird den falschen Business Case aufgestellt haben.
Es gibt einen Sekundäreffekt, der erwähnenswert ist, weil er mehr als ein Team überrascht hat: Das Reasoning von GLM-5.3 ist standardmäßig auf max gesetzt. Eine Migration, die nur die Modell-ID austauscht und die Reasoning-Standardeinstellung unangetastet lässt, erhält die teuerste und langsamste Konfiguration des Modells – und genau daher rührt die Ausführlichkeit. Der Migrationshinweis von Z.ai selbst stellt ausdrücklich klar, dass das Deaktivieren von Reasoning nicht mehr unterstützt wird und dass low bewusst gesetzt werden muss.
Die Fähigkeitslücke ist real, und sie ist nicht einheitlich.
Ein Indexabstand von 27 Punkten klingt disqualifizierend, und für allgemeine Wissensarbeit ist er das fast auch. Doch die Zahlen je Benchmark trennen die beiden Modelle entlang einer Linie, die mehr zählt als der Gesamtwert. Alle folgenden Zahlen stammen von Artificial Analysis, gleicher Harness, beide auf ihrer höchsten Aufwandsstufe.
• Terminal-Bench 4.0 — 59,6 % vs. 41,9 %. Eine Differenz von 18 Punkten bei agentischer Terminal-Arbeit.
• FrontierCode-AA 2.0 — 46,4 % vs. 21,6 %. Opus 5.5 ist mehr als doppelt so hoch wie GLM-5.3.
• Terminal-Bench-Science 0.1 — 59,0 % vs. 9,5 %. Die größte Differenz auf der Rangliste – und ein Kantersieg.
• HLE-Diamond — 67,9 % vs. 17,9 %.
• AA-Omniscience — 48,1 bei 65,5 % Genauigkeit vs. 6,0 bei 32,3 % Genauigkeit.
• GDPval-AA v2.1 — 1866 Elo vs. 1655, die mit 211 Punkten engste Differenz des Sets.
• ITBench-SRE — {{1}}38,2 % gegenüber 46,1 %{{/1}}, einer der wenigen Bereiche, in denen GLM-5.3 gewinnt.
• LCR (Reasoning mit langem Kontext) — 84,7 % vs. 79,7 %.
Das Muster ist, dass GLM-5.3 bei Langkontext-Reasoning und bei Site-Reliability-Aufgaben durchhält und bei wissenschaftslastiger Terminalarbeit und Wissensabruf zusammenbricht. Wenn Ihre Workload aus Dokumentenanalyse über einen langen Kontext besteht, überzeichnet der 27-Punkte-Gesamtwert den Unterschied. Wenn es agentisches Coding in unbekannten Repositories ist – womit beide Anbieter werben –, untertreibt der Gesamtwert den Unterschied.
Die von Z.ai veröffentlichte Anbietertabelle vergleicht Opus 4.8, nicht Opus 5.5.
Was man wissen sollte, bevor man einer beliebigen GLM-versus-Claude-Zahl vertraut, die man in einem Diagramm findet. Die Modellkarte von Z.ai für GLM-5.3 enthält eine Benchmark-Tabelle mit einer Spalte „Opus 4.8“ und einer Spalte „Fable 5 (w/ fallback)“. Claude Opus 5.5, fünf Wochen nach GLM-5.3 veröffentlicht, taucht darin nicht auf. Das ist keine Unehrlichkeit – die Tabelle wurde erstellt, als 5.3 herauskam, und Opus 5.5 existierte noch nicht –, aber es bedeutet, dass der Vergleich, nach dem die meisten suchen, von keinem der beiden Anbieter jemals veröffentlicht wurde, und die einzigen verfügbaren Zahlen aus demselben Harness die unabhängigen oben sind.
Die eigenen Zahlen von Z.ai enthalten tatsächlich eine Behauptung, die es verdient, ernst genommen zu werden, denn sie deutet auf die echte Stärke des Open-Weights-Modells hin: Bei CyberGym, seinem Benchmark zur Entdeckung von Schwachstellen, erzielt GLM-5.3 84,5 gegenüber 78,1 bei Opus 4.8. Die Modellkarte beschreibt den Zuwachs als „emergent“ – die Cyber-Fähigkeit skalierte schneller, als das Team erwartet hatte, während das Post-Training skaliert wurde – und die Exploitation-Benchmarks mehr als verdoppeln sich gegenüber GLM-5.2. Anthropic veröffentlichte am 29. September eine Analyse der Cyber-Fähigkeiten von GLM-5.3, was Anbieter normalerweise nicht zu einem Open-Weights-Release eines Konkurrenten tun. Wenn Ihre Arbeit defensive Sicherheitstools betrifft, ist das die eine Achse, auf der das offene Modell tatsächlich vorne liegt, und es ist zugleich die Achse, auf der die offenen Gewichte am meisten zählen: Sie können den Klassifikator auf Ihrer eigenen Infrastruktur betreiben, statt exploit-nahe Prompts an die API von jemand anderem zu schicken.
Wo die offenen Gewichte die Entscheidung tatsächlich verändern
Alles oben ist ein Leistungs- und Kostenvergleich, und in beiderlei Hinsicht gewinnt Claude Opus 5.5 für die meisten Arbeiten. Der Grund, warum GLM-5.3 trotzdem eingesetzt wird, ist keiner von beiden: Es ist die Tatsache, dass ein Modell der 5.3-Familie heruntergeladen wird, hinter Ihrem eigenen Gateway läuft und Ihr Netzwerk nie verlässt.
Drei konkrete Situationen, in denen das 27 Indexpunkte aufwiegt. Regulierte Daten, die eine Jurisdiktionsgrenze nicht überschreiten dürfen, wo die Wahl GLM-5.3 oder nichts lautet. Hochvolumige Klassifizierung, bei der ein 300M-Parameter-Fine-Tuning der Basis das allgemeine Modell bei Ihren Labels zu einem Bruchteil der Kosten pro Aufruf schlägt. Und cybernahes Tooling, wo der Benchmark-Vorteil und die Anforderung an Self-Hosting in dieselbe Richtung weisen.
Für alles Übrige lautet die ehrliche Empfehlung, die Routing-Entscheidung günstig zu halten. Beide Modelle laufen über einen einzigen OrcaRouter-Schlüssel — anthropic/claude-opus-5.5 und z-ai/glm-5.3 — zu 0 % Aufschlag auf den Listenpreis des Anbieters, was auf der Z.ai-Seite mehr ins Gewicht fällt als auf der Anthropic-Seite, weil Z.ai diese Produktlinie 2026 zweimal neu bepreist hat. Leiten Sie die hochvolumigen Durchläufe mit geringem Risiko an GLM-5.3 und die Planungsschleife an Opus 5.5, und lassen Sie das Failover den Fall abdecken, in dem der Anbieter der günstigen Stufe einen schlechten Nachmittag hat. Die Routing-DSL macht daraus eine Konfigurationsänderung statt zweier Integrationen, und die gemischte Pro-Aufgabe-Zahl ist diejenige, die ins Budget gehört, statt eines der beiden Stickerpreise.

Die Antwort, mit geklärtem Namen
Claude Opus 5.5 ist das bessere Modell für agentisches Coding, wissenschaftsintensive Terminalarbeit und alles, bei dem Recall zählt. Es kostet pro abgeschlossener Aufgabe etwa doppelt so viel wie GLM-5.3, nicht viereinhalbmal so viel, und für die von beiden Anbietern beworbenen Workloads ist der Unterschied den Aufpreis wert.
GLM-5.3 ist die richtige Wahl, wenn die Gewichte Ihnen gehören müssen, wenn die Arbeitslast aus Long-Context-Reasoning oder Triage im Bereitschaftsdienst besteht oder wenn es um Cyberverteidigung geht. Es ist ein echtes, frontiernahes offenes Modell zu einem wirklich niedrigen Preis, und seine größte Schwäche – Science-Terminal-Arbeit bei 9,5 % – ist eng genug, dass eine arbeitslastspezifische Evaluierung Ihnen an einem Nachmittag sagt, ob sie für Sie relevant ist.
GLM-5.4, das Modell im Titel, ist nicht Teil der Entscheidung. Es ist eine Versionsnummer, hinter der keine Veröffentlichung steht, und wenn Z.ai es ausliefert, muss es die oben genannte Rechnung schlagen.
In diesem Artikel verglichen3
Aus diesem Artikel erkannt · Benchmarks: Artificial Analysis · täglich aktualisiert
