Eine generierte Titelkarte mit dem Text „Qwen 4 vs. GLM-5.5: Das Open-Weight-Modell ist das teure“, mit dem Untertitel „Das neueste GLM, das Z.ai tatsächlich bereitstellt, ist GLM-5.3, mit 15,8 Cent pro Indexpunkt gegenüber 7,6 bei Qwen4-Max“. Drei nummerierte Zeilen lauten „Indexwert 42,9 gegenüber 31,7, Artificial Analysis v5.0.1“, „Kosten pro abgeschlossener Index-Aufgabe 3,27 $ gegenüber 5,01 $“ und „Gewichte für GLM-5.3 veröffentlicht, keine für Qwen4-Max“. Eine Fußzeile lautet „Werte und Kosten pro Aufgabe gemäß Artificial Analysis Intelligence Index v5.0.1; Preise gemäß der veröffentlichten Preisliste des jeweiligen Anbieters.“ Flaches Vektor-Design auf Weiß mit blauen und cyanfarbenen Akzenten, das OrcaRouter-Zeichen unten rechts eingefügt.
Guides & Insights

Qwen 4 vs. GLM-5.5: Das Open-Weight-Modell ist das teure

Autor

jinhao.song

Veröffentlicht am

Neueste Modelle · 20Alle Modelle ansehen →
Benchmarks: Artificial Analysis · täglich aktualisiert
Zurück zu allen Beiträgen

Die Intuition bei offenen Gewichten ist, dass sie die günstige Option sind. In diesem Vergleich sind sie es nicht. GLM-5.3, das neueste G​LM, das Z.ai tatsächlich anbietet, kostet 5,01 US-Dollar für den Lauf der Artificial Analysis-Indexsuite und erzielt darin 31,7 Punkte – 15,8 Cent pro Indexpunkt. Qwen4-Max kostet 3,27 US-Dollar für 42,9 Punkte – 7,6 Cent pro Punkt. Das proprietäre Modell ist pro Einheit gemessener Fähigkeit mehr als doppelt so effizient, und es ist dasjenige, das man nicht herunterladen kann. Währenddessen GLM-5.5, das im Titel dieses Artikels genannte Modell, existiert nicht: Sowohl der Dokumentationsindex als auch die Preisseite von Z.ai enden bei GLM-5.3, und die Dokumentationspfade für 5.4 und 5.5 liefern „not found“. Was folgt, ist daher ein Vergleich mit dem G​LM, das tatsächlich ausgeliefert wird, wobei die fehlende Versionsnummer als fehlende Versionsnummer behandelt wird und nicht als Spezifikationsblatt, das man erfinden müsste.

Zuerst die Karte, die existiert

GLM-5.3 erschien am 18. August 2026 unter der GLM-5.3-Lizenz, mit veröffentlichten Gewichten und rein textlicher Eingabe. Qwen4-Max wurde am 16. November 2026 auf nutzungsbasierte Abrechnung umgestellt, proprietär, mit Bildeingabe und A​libaba Cloud als einzigem Host. Zwischen ihren Veröffentlichungsdaten liegen neunzig Tage, und sie stehen auf entgegengesetzten Seiten der Linie zwischen geschlossen und offen, die die eigentliche Achse dieses Beitrags bildet.

• Preis pro Million — GLM-5.3 1,40 $ Input / 4,40 $ Output; Qwen4-Max 1,50 $ / 4,50 $ in Singapur, 1,413 $ / 4,24 $ anderswo. Bei den Token-Sätzen ist Z.ai die günstigere Karte um 7 % und 2 %.

• Zwischengespeicherte Eingabe — GLM-5.3 0,26 $ pro Million bei einem Lesevorgang; Qwen4-Max 0,075 $, mit Cache-Schreibvorgängen zu 1,875 $ für fünf Minuten und 3,00 $ für eine Stunde. Der Cache-Lesevorgang von Qwen ist 3,5× günstiger, weshalb das Ergebnis pro Aufgabe und das Ergebnis pro Token in unterschiedliche Richtungen weisen.

• Kontext — 1.000.000 Tokens bei beiden. GLM-5.3 begrenzt die Ausgabe auf 128.000; Qwen4-Max erlaubt 131.072 ohne Denkprozess oder 262.144, geteilt zwischen Schlussfolgern und Antwort.

• Gewichte — GLM-5.3 veröffentlicht, unter eigener Lizenz; Qwen4-Max keine, ein einziger Host des Anbieters. Das ist der ganze Unterschied, und alles Folgende ergibt sich daraus.

• Modalität — Qwen4-Max verarbeitet Text und Bilder; GLM-5.3 ist Text rein, Text raus. Wenn Ihre Pipeline Screenshots oder PDFs einspeist, endet der Vergleich hier.

• Reasoning-Steuerung — GLM-5.3 lässt Reasoning immer aktiviert, mit den Aufwandsstufen low, high und max, Standard ist max; Qwen4-Max bietet low, high und xhigh, Standard ist high.

• Trainingsherkunft — Z.ai beschreibt GLM-5.3 als dasselbe Basismodell wie GLM-5.2, verbessert durch Post-Training statt durch ein neues Pretraining. Das ist gut zu wissen, wenn man seine Ergebnisse mit denen eines Modells mit einer neuen Architektur vergleicht.

A generated two-column scoreboard titled 'Qwen4-Max vs GLM-5.3 - the scoreboard'. The Qwen4-Max column reads index score 42.9, cost per index task $3.27, cents per index point 7.6, input per million $1.50, output per million $4.50, hallucination rate 28.4%. The GLM-5.3 column reads index score 31.7, cost per index task $5.01, cents per index point 15.8, input per million $1.40, output per million $4.40, hallucination rate 38.9%. A footer reads 'Scores and per-task cost per Artificial Analysis Intelligence Index v5.0.1; prices per each vendor's published rate card.' The OrcaRouter mark is composited bottom right.

Sieben Cent gegenüber sechzehn, erklärt

Die Differenz bei den Kosten pro Punkt ist kein Preisartefakt. Die 5,01 US-Dollar pro Aufgabe bei GLM-5.3 setzen sich aus 4,49 US-Dollar Input und 0,52 US-Dollar Output zusammen – 90 % Input, und 4,13 US-Dollar dieses Inputs entfallen auf Cache-Lesevorgänge. Die 3,27 US-Dollar bei Qwen4-Max sind 2,80 US-Dollar Input und 0,47 US-Dollar Output, davon 1,12 US-Dollar Cache-Lesevorgänge und 1,67 US-Dollar Cache-Schreibvorgänge. Beide Modelle geben also fast nichts für die Tokens aus, die sie generieren, und fast alles für das erneute Lesen von Kontext.

Der Unterschied liegt darin, wie viel Kontext jedes von ihnen verbraucht, um zu einer Antwort zu gelangen. GLM-5.3 liest in der gesamten Suite 10,3 Milliarden Eingabe-Token und gibt 135 Millionen Ausgabe-Token aus; Qwen4-Max liest 9,9 Milliarden und gibt 127 Millionen aus. Nahezu identisches Volumen. Der Abstand von neunzehn Punkten bei der Bewertung ist daher ebenfalls keine Frage des Volumens – es ist einfach so, dass ein Modell bei den Aufgaben besser ist, und der Kostenunterschied pro Aufgabe kommt von der Cache-Preisgestaltung, wo sich ein Lesevorgang zu 0,075 US-Dollar gegenüber einem zu 0,26 US-Dollar über zehn Milliarden Token hinweg summiert.

Das ist der Mechanismus, den man mitnehmen sollte: Bei Benchmark-Läufen mit langem Kontext bestimmt der Cache-Lese-Tarif – nicht der beworbene Eingabe-Tarif – die Rechnung. Ein Modell mit 1,40 $ Eingabe und 0,26 $ Cache-Lese-Tarif kann pro Aufgabe mehr kosten als ein Modell mit 1,50 $ Eingabe und 0,075 $ Cache-Lese-Tarif.

Wo die neunzehn Punkte liegen

• Terminal-Bench 4.0 — Qwen4-Max 48,5 %, GLM-5.3 41,9 %. Sieben Punkte, der knappste Abstand unter den Agentic-Suites.

• FrontierCode 2.0 — 26,5 % gegenüber 21,6 %. Fünf Punkte; beide Modelle sind hier absolut betrachtet schwach.

• HLE Diamond — 44,9 % gegenüber 17,9 %. 27 Punkte und die größte einzelne Abweichung im Vergleich.

• Allwissenheit — 27,7 gegenüber 6,0, mit Halluzinationsraten von 28,4 % bzw. 38,9 %. GLM-5.3 ist sowohl weniger genau als auch weniger geneigt, sich zu enthalten, was die schlechtestmögliche Kombination ist.

• {{1}}Teilwerte für Fähigkeiten{{/1}} — Qwen4-Max liegt in allen fünf Kategorien vorn, die beide Modelle ausweisen: Ingenieurwesen 50,1 gegenüber 37,6, Finanzen und Rechnungswesen 54,1 gegenüber 42,1, Recht 49,6 gegenüber 35,8, Strategie und Betrieb 56,9 gegenüber 47,4 und Wirtschaft 51,3 gegenüber 37,3.

Nichts in dieser Liste ist nah genug dran, um darüber zu streiten. Die interessante Frage ist nicht, ob Qwen4-Max besser ist, denn das ist offensichtlich der Fall.

A headless-browser screenshot of the Artificial Analysis page for GLM-5.3, captured 17 November 2026 in English, showing Z.ai's mark, the label Open weights model, Released August 2026, the heading GLM-5.3: Intelligence, Performance & Price Analysis, a rank strip reading Intelligence #3 of 29, Performance #21 of 27, Cost #28 of 28 and Verbosity #23 of 29, a statistics row giving a 61.448-second time to first answer token, 87 output tokens per second, $1.40 input and $4.40 output per million tokens, an 81% cache discount, 10.3 billion input tokens and an output-to-input ratio of 1.312%, and the summary paragraph describing the model as among the leading open-weight models in intelligence but particularly expensive against other open-weight models of similar size, notably slow per task and very verbose, with text input, text output and a 1M-token context window.

Das eine, was Qwen4-Max nicht kann

Jede der obigen Zeilen ist ein Vergleich der Leistungsfähigkeit, und Leistungsfähigkeit ist der falsche Bezugsrahmen, wenn eines der beiden Modelle mit nach Hause genommen werden kann. Z.ai veröffentlicht die Gewichte von GLM-5.3 unter seiner eigenen Lizenz; Alibaba veröffentlicht nichts für Qwen4-Max und nennt einen einzigen Host. Dieser Unterschied verändert drei Dinge, die kein Benchmark misst.

• Kontinuität — ein von Ihnen gehostetes Modell antwortet weiterhin, wenn sich die Preisseite eines Anbieters ändert, eine Region abgekündigt wird oder eine Abkündigungsmitteilung eintrifft. Qwen4-Max hat dafür einen Präzedenzfall vom 25. November 2026: Der Preview-Bezeichner wurde neun Tage nach der allgemeinen Verfügbarkeit zurückgezogen, und jede Konfiguration, die noch auf qwen4-max-preview zeigte, funktionierte nicht mehr.

• Kostenkurve — die Grenzkosten von GLM-5.3 werden zu deiner GPU-Auslastung. Bei anhaltend hohem Volumen liegt das in der Regel unter dem API-Tarif; bei schubartigem geringem Volumen ist es schlechter. Die Schwelle ist eine Auslastungsrechnung, keine Frage der Modellqualität.

• Kontrolle — Fine-Tuning, Quantisierung, Kernel-Auswahl und die Möglichkeit nachzuvollziehen, was das Modell tut. Nichts davon gibt es für Qwen4-Max.

Dagegen betrachtet: Das offene Modell ist neunzehn Indexpunkte schwächer, schlechter darin, auf eine Antwort zu verzichten, und blind für Bilder. Für eine Greenfield-Bereitstellung ist dieser Kompromiss unattraktiv. Für ein System, das bereits um einen selbst gehosteten Inferenz-Stack herum aufgebaut ist – bei dem die Alternative zu GLM-5.3 nicht Qwen4-Max, sondern das vorherige GLM ist –, ist die Lizenz das ausschlaggebende Merkmal, und die Punktedifferenz ist ein Preis, den man für das Geschäft zahlt.

Warum das offene Modell das teure ist – in einem Satz

Weil offene Gewichte die Kosten vom Token-Zähler in das Engineering-Budget verschieben – und das Engineering-Budget steht auf keiner Tarifkarte. GLM-5.3 auf Ihrer eigenen Hardware aufzusetzen bedeutet Kapazitätsplanung, einen Serving-Stack, den Sie patchen können, und ein Evaluations-Harness, das gut genug ist, um festzustellen, ob Ihre Bereitstellung mit der Referenz übereinstimmt – Kosten, die die Differenz von 3,27 US-Dollar pro Aufgabe bei jedem Volumen übersteigen, das ein einzelnes Team betreibt. Die 15,8 Cent pro Indexpunkt sind die sichtbare Zahl; die unsichtbare ist größer, und sie wird einmal gezahlt, egal ob Sie tausend oder eine Million Anfragen bedienen.

Diese Rechnung kippt im großen Maßstab – und sie kippt noch stärker, wenn Fine-Tuning nötig ist. Fine-Tuning ist die eine Anforderung, die ein offenes Modell nicht nur günstiger, sondern zur einzigen Option macht, und kein noch so großer Index-Vorsprung von Qwen4-Max kann das ersetzen.

Aufrufen desjenigen, der routbar ist

GLM-5.3 ist in unserem Katalog als z-ai/glm-5.3 zu Z.ais Listenpreis, 1,26 $ pro Million für Input und 3,96 $ pro Million für Output, ohne Aufschlag — also dieselben Tarife, die Z.ai veröffentlicht, einschließlich jeglicher Änderungen, die Z.ai daran vornimmt. Qwen4-Max ist nicht in unserem Katalog; eine qwen4-Kennung gibt not-found zurück, und seine Route ist Alibabas Model Studio API und mehrere Drittanbieter-Plattformen. Das nächstgelegene Qwen-Modell, das wir anbieten, ist qwen/qwen3.8-max zu 2,00 $ und 6,00 $.

Das ergibt eine praktische Vorgehensweise für alle, die das stärkere Modell ohne einen zweiten Vertrag wollen: Lassen Sie die Evaluierung auf z-ai/glm-5.3 über den Endpunkt laufen, den Sie bereits haben, und wenn der Abstand von neunzehn Punkten für Ihren Anwendungsfall fatal ist, kalkulieren Sie Qwen4-Max anhand Ihres eigenen Token-Mixes statt anhand des Index. Die Werte pro Aufgabe in diesem Beitrag sind aus einem Benchmark-Harness mit ungewöhnlich starkem Cache-Verkehr modelliert; eine Produktions-Workload mit kurzen Prompts und langen Ausgaben wird die Lücke zwischen $5.01 und $3.27 stark verkleinern, weil bei keiner der beiden Rechnungen nennenswerte Ausgabekosten anfallen.

A headless-browser screenshot of the OrcaRouter model page for GLM-5.3, captured 17 November 2026 in English, showing the identifier z-ai/glm-5.3, the byline Z.ai dated 2026-08-18, a max output of 128K, input listed as text, output listed as text, and a p50 time-to-first-token reading.

Was wir sehen müssten

Ein GLM-5.5 würde diesen Vergleich neu aufsetzen, und derzeit gibt es keine Spur davon – keinen Dokumentationspfad, keine Preiszeile, keine Modellkennung auf den eigenen Seiten von Z.ai mit Stand 17. November 2026. Falls es erscheint, lauten die Fragen, ob Z.ai die Gewichte veröffentlicht wie bei 5.3, ob es Bildeingabe hinzufügt und ob es das Enthaltungsverhalten behebt, denn diese letzte Zahl (38,9 %) ist es, die es schwer macht, GLM-5.3 für jegliche ungeprüfte Nutzung zu empfehlen – noch vor der Index-Lücke.

Die ehrliche Zusammenfassung ist unterdessen kontraintuitiv und kurz. Das offene Modell kostet mehr pro Punkt, schneidet in jedem gemessenen Benchmark schlechter ab und bleibt genau für eine Art von Käufer die richtige Wahl: für denjenigen, dessen Einschränkung eine Lizenz ist und nicht ein Benchmark.

In diesem Artikel verglichen4

Aus diesem Artikel erkannt · Benchmarks: Artificial Analysis · täglich aktualisiert