GLM-5.3 voert Epoch's Cyber ECI aan met 160: de open cybergrens loopt 6–7 maanden achter

Epoch AI heeft een cijfer gehangen aan de vraag waar het debat over de veiligheid van open-weightmodellen al omheen cirkelt, en het is een rangschikking, geen waarschuwing: GLM-5.3 scoort 160,10 op de Cyber ECI van het lab, het hoogste van alle open-weightmodellen die de index volgt, boven OpenAI's GPT-5.4 en onder Anthropic's Claude Mythos Preview en OpenAI's GPT-5.5. Gelezen als een datum in plaats van een score zegt die plaatsing dat de beste vandaag openlijk downloadbare cybercapaciteit ongeveer zit waar de gesloten frontier zes tot zeven maanden geleden zat. De meting — een Data Insight die op 16 oktober werd gepubliceerd door Epoch-onderzoekers Jaeho Lee en Alexander Barry, op data met als afsluitdatum 8 oktober — is de eerste externe instantie die GLM-5.3 überhaupt op cyber rangschikt, en komt een maand nadat NIST's CAISI het model de meest cybercapabele open-weight-release tot nu toe noemde en het tegelijk ongeveer vier maanden achter de Amerikaanse frontier plaatste. De twee interpretaties delen een bron: Epoch haalt GLM-5.3's score uit drie CAISI-benchmarks, de enige cyberresultaten voor het model, dus de afstand tussen beide is een afstand van methode, niet van meting. Anthropic's Frontier Red Team had op 29 september al eigen cijfers op de vrijgegeven gewichten gezet en vond end-to-end-exploits in 50 van de 410 ExploitBench-pogingen, tegenover 56 van de 410 voor Claude Mythos Preview. Het model zelf is niet nieuw: Z.ai kondigde GLM-5.3 aan op 14 augustus, opende de API op 18 augustus tegen $1,40 / $4,40 per miljoen tokens, en zette de 743B-gewichten op 28 augustus op Hugging Face onder een aangepaste “glm-5.3”-licentie. Wat nieuw is, is dat de capaciteit waar Z.ai de lancering omheen bouwde nu een positie heeft op een openbare ranglijst en een gemeten afstand tot de frontier — terwijl Artificial Analysis dezelfde gewichten per taak prijst op $0,92 tot $8,68, afhankelijk van welk endpoint antwoordt, en Amazon Bedrock ze sinds 5 oktober aanbiedt voor in aanmerking komende zakelijke klanten. Deze pagina volgde GLM-5.3 eerst vanaf de sporen van de uitlek van 3 augustus en daarna door de lancering heen; deze herziening voegt de Cyber ECI-plaatsing toe, de methode erachter, en wat een gat van zes tot zeven maanden wel en niet zegt over het model waarnaar je daadwerkelijk zou routeren.

Van lek tot lancering

De vier sporen die op 3 augustus opdoken — een 'ZCode for GLM-5.3'-harnesspagina, een officiële documentatiepagina die ongeveer een uur bereikbaar was, een Bing-indexvermelding met de tekst 'GLM-5.3 Official Harness', en een commit die een 'glm-5.3'-vermelding met JSON Schema-ondersteuning toevoegde aan de officiële Java SDK van Z​hipu — duidden allemaal op een echte, met naam genoemde release. De 'sooooooon'-reactie van Z.ai-medeoprichter Tang Jie en de 'epic-level plus'-framing worden nu bevestigd door een daadwerkelijk product in plaats van een gerucht. Het 'ongeveer een week'-timingsignaal dat deze pagina testte — gepost op X door @teortaxesTex nadat D​eepSeek V4 Pro op 13 augustus uitkwam — bleek tot op de dag te kloppen: Z.ai kondigde GLM-5.3 op 14 augustus formeel aan onder de slogan "Built to Code. Ready for Cyber Defense." De follow-up kwam de week erna: het model ging op 18 augustus live op de bredere markt — een releasedatum die nu op modelvermeldingen van derden staat — en op 19 augustus kondigde Z.ai aan dat de API open was voor aanroepen, tegen dezelfde prijs als GLM-5.2, waarbij het model al was geïntegreerd in ZCode, AutoClaw en het G​LM Coding Plan.

Het volgende leksignaal: een multimodale processor voor GLM-5.3

De alleen-tekstframing van het vlaggenschip houdt mogelijk niet lang stand. Op 28 augustus stelt een open pull request in de sglang serving-engine ondersteuning voor multimodale processorinvoer voor GLM-5.3 voor — de processor-glue die afbeeldingspayloads omzet naar hetzelfde dynamic-resize-, pixel-, grid- en token-expansieschema dat het Miles RL-framework gebruikt, zodat training en serving identieke afbeeldingsinvoer zien. De PR is de rollout-helft van beeldgeconditioneerde reinforcement learning op GLM-5.3 in radixark/miles, en de tweede commit ervan registreert GLM-5.3-processortests in de CPU-CI van sglang. Niets hiervan is een aankondiging van Z.ai, en er is geen multimodaal GLM-5.3 uitgebracht of gebenchmarkt — het is bewijs op codeniveau, dezelfde categorie van vroeg signaal die deze pagina op 3 augustus voor het eerst volgde. Wat het zegt, is dat de vlaggenschipreeks wordt voorbereid om afbeeldingen te accepteren, in training en in de serving-stack, in plaats van het alleen-tekst-coding-en-cybermodel te blijven dat Z.ai bij de lancering beschreef. De eigen framing van Perplexity toen het GLM-5.3 eind augustus aan Computer toevoegde — “gebouwd voor langcontextuele, multimodale agent-workloads” — wijst dezelfde kant op, hoewel dat productpositionering is, geen uitgebracht multimodaal model.

Wat post-training daadwerkelijk opleverde

De architectuurclaim is het deel dat de moeite waard is om vast te pinnen, want de opvallendste concrete bewering van het lek — parameters die boven de biljoen uitstijgen — klopt niet. GLM-5.3 is geen groter model. Z.ai en medeoprichter Tang Jie zeggen allebei dat het exact dezelfde 743B Mixture-of-Experts-basis gebruikt als GLM-5.2 (ruwweg 40 miljard actieve parameters per token), hetzelfde contextvenster van 1M tokens en ruwweg 128K maximale output behoudt, en al zijn winst uit post-training haalt. Tang Jie heeft de lancering omschreven als een bewust experiment met één controlevariabele — dezelfde basis, dezelfde architectuur, hetzelfde aantal parameters, met als enige variabele een maand reinforcement learning met een lange horizon op codeerstijl-taken, en aan die maand schrijft hij de ruwweg 50% verbetering op codeergebied toe. De releasenotities van Z.ai voegen daar de onderliggende machine aan toe: meer taakomgevingen met een lange horizon, meer omgevingstypen en langere trainingsruns, gebouwd op het IndexShare-framework voor lange contexten, het SAO-framework voor asynchrone RL en het open-source slime-framework, die al GLM-5.2 voortbrachten. De technische verdieping waarnaar Z.ai linkt vanuit de aankondiging van de open weights — het onderzoeksartikel op z.ai/blog/glm-5.3 — gaat nog verder in op het recept: tientallen keren meer taakomgevingen met een lange horizon, meer omgevingstypen en trainingsruns die ver voorbij de eerste release zijn doorgetrokken, met taken die zijn opgeschaald naar meerdaagse expertworkloads op echte rekenclusters. De omschrijving van de cybercapaciteit — 'strikt beperkte programmeervaardigheid' die naar voren kwam naarmate de taakomgevingen opschaalden — is, net als de releasenotities, de eigen lezing van het bedrijf, geen onafhankelijke audit. Die framing van 'geen hertraining, alles post-training' is van de oprichter en het bedrijf zelf, en is niet onafhankelijk gecontroleerd. De omvang is de andere kop: met 743B totale parameters en slechts ongeveer 40B actief per token is GLM-5.3 licht genoeg om op een bescheiden cluster zelf te hosten en goedkoop genoeg om op volume te serveren — de positionering 'kleiner, goedkoper, open' die het commentaar op de lanceringsdag eraan toekende, en een scherp contrast met de gesloten frontier-vlaggenschepen waaraan het wordt afgemeten.

Coding en agents: de cijfers die Z.ai claimt

Op het gebied van coderen meldt Z.ai — allemaal door de leverancier gerapporteerd en niet gereproduceerd — dat Terminal-Bench 3.0 stijgt van 4,6 naar 28,3, wat Z.ai de hoogste open-weights-score op dat testharnas noemt; DeepSWE v1.1 stijgt van 46,2 naar 66,9; SWE-Marathon verdubbelt ongeveer van 19,4 naar 42,5; en Agents' Last Exam (CLI) stijgt van 23,8 naar 28,5. De eigen korte omschrijving van Tang Jie voor het resultaat, in een X-bericht doorgegeven door @dotey, was "pure post-training, coderen er ongeveer 50% op vooruit" — hetzelfde kerncijfer dat Z.ai in zijn aankondiging publiceerde. Op de interne codebench van Z.ai scoorde GLM-5.3 31,4% bij ongeveer 50K outputtokens per taak bij hoge inspanning, tegenover de 29,5% van C​laude O​pus 4.8 bij ongeveer 120K tokens — waarmee Z.ai wil zeggen dat GLM-5.3 een vergelijkbaar resultaat behaalt terwijl het veel minder outputtokens verbruikt. C​laude Fable 5 leidt die interne evaluatie nog steeds met 39,5% bij maximale inspanning, en Z.ai geeft toe dat GLM-5.3 nog steeds achterblijft bij G​PT-5.6 Sol en C​laude Fable 5 op diverse moeilijkere code-evaluaties. Beschouw dit allemaal als leverancierscijfers totdat een onafhankelijk testharnas ze reproduceert.

Cyberdefensie: de capaciteit die niemand zag aankomen

De cybersecuritycijfers waren het meest in het oog springende deel van Z.ai's aankondiging, en tot 29 september waren ze ook volledig door de leverancier gerapporteerd. Op CyberGym, een white-box benchmark voor het ontdekken en valideren van kwetsbaarheden, rapporteert Z.ai GLM-5.3 op 84,5%, een stijging van GLM-5.2's 77,2% en beter dan het M​ythos 5 (83,8%) en G​PT-5.6 Sol (83,6%) van het lab. Op ExploitBench, dat zowel root-causeanalyse als een werkende exploit vereist, rapporteert Z.ai dat GLM-5.3 meer dan verdubbelt van 24,4% naar 54,4%, hoewel M​ythos 5 (78,0%) voor blijft. Op ExploitGym rapporteert Z.ai 105 voltooide taken binnen een budget van 2 uur en 130 in 6 uur, tegenover 29 en 39 voor GLM-5.2 — opnieuw achter M​ythos 5 (181 en 247). Z.ai presenteert de cybercapaciteit als een emergente eigenschap van opgeschaalde post-training — “capaciteit bleef zich opstapelen naarmate de training opschaalde,” in de woorden van het bedrijf — in plaats van een doelbewust doel. Eén waarschuwing voordat die percentages met iets hieronder worden vergeleken: Z.ai's ExploitBench-cijfer en A​nthropic's ExploitBench-resultaat op pogingsniveau zijn verschillende runs van dezelfde openbare benchmark onder verschillende harnassen en regimes, dus de twee getallen zijn niet dezelfde meting en moeten niet naast elkaar worden gezet.

Z.ai voegt een praktijkclaim toe aan de benchmarks: bij tests met securityteams identificeerde GLM-5.3 2.436 kwetsbaarheden in 269 open-sourceprojecten, waarvan 1.097 als kritiek of hoog ingeschaald, met de oudste bevinding uit 1981 en een gemiddelde "levensduur" van 26,6 jaar. Dat is het opvallendste cijfer in de aankondiging en ook het minst onafhankelijk te controleren. Het bedrijf heeft deze capaciteit gecombineerd met een Security Disclosure Ledger voor gecoördineerde openbaarmaking, een "trusted access"-programma dat gevoelige cyberfuncties beperkt tot geverifieerde gebruikers, en een "Open Source Shield"-initiatief om belangrijke open-sourceprojecten continu te auditen. De beoordeling van Anthropic van 29 september is een directe uitdaging voor de vraag hoeveel de gating oplevert bij de downloadbare gewichten: het stelde vast dat het vrijgegeven model schadelijke verzoeken standaard weigerde, maar in 64–100% van de proeven te verslaan was met gewone technieken, en het merkt op dat ontwikkelaars binnen dagen na de release van de gewichten abliterated GLM-5.3-varianten hadden gepubliceerd. Een programma voor geverifieerde gebruikers reguleert een API; het reguleert geen bestand.

Wat Anthropic heeft gemeten, en wat het verandert

Het Frontier Red Team van Anthropic publiceerde op 29 september zijn beoordeling onder de titel “GLM-5.3 en de verspreiding van geavanceerde cybercapaciteiten”, en het is de eerste keer dat een concurrerend lab eigen cijfers heeft gegeven over het exploitatievermogen van GLM-5.3. De framing is bot: net als Claude Mythos Preview beschikt GLM-5.3 over sterke capaciteiten om autonoom end-to-end cyberexploits te bouwen, maar anders dan andere frontier-modellen is het uitgebracht zonder betekenisvolle waarborgen om misbruik te beperken. Toen het in geïsoleerde sandboxes tegen offline doelen werd uitgevoerd, ontwikkelde GLM-5.3 end-to-end exploits op ExploitBench in 50 van de 410 pogingen. Claude Mythos Preview — ongeveer vijf maanden eerder aangekondigd door Anthropic en op beperkte wijze uitgebracht via zijn Project Glasswing-programma voor vertrouwde verdedigers — deed dat in 56 van de 410. Op de interne Binary Exploitation-benchmark van Anthropic, die willekeurig 100 taken trekt uit projecten die deelnemen aan Google's OSS-Fuzz en volledige punten toekent voor een control-flow hijack, scoorde GLM-5.3 4% tegenover de 6% van Claude Mythos Preview. Het punt van Anthropic is niet dat GLM-5.3 vooroploopt, maar dat er een drempel is verschoven: eerdere modellen, waaronder Claude Opus 4.6 en GLM-5.2, slaagden in geen van die taken.

In door onderzoekers aangestuurde sessies wordt de vondst concreet. Op een sandboxmachine met een lokale Linux-build van een populaire webbrowser, met minder dan een uur menselijke aandacht verspreid over een dag, vond GLM-5.3 verschillende voorheen onbekende kwetsbaarheden in de JavaScript-engine van de browser en schakelde die aaneen tot een werkende exploit — een pagina die bij bezoek willekeurige bestanden van de computer van de bezoeker uitleest, waaronder een privé-SSH-sleutel. Anthropic zegt dat het die gebreken aan de onderhouder heeft gemeld, en dat dezelfde sessie ook uitbuitbare kwetsbaarheden aan het licht bracht in draadloze en grafische stuurprogramma's en in netwerkgerichte apparaatsoftware. In een tweede sessie kreeg GLM-5.3-Flash — het kleinere, minder capabele broertje — de openbare details van een gepatchte Chrome-kwetsbaarheid (CVE-2026-11645) plus nog een andere aangereikt, en bouwde het zonder noemenswaardige sturing een betrouwbare ARM64-exploitketen die de pointer-authenticatiebeveiliging omzeilde. Dat kostte 20 minuten menselijke aandacht en acht uur modelwerk, wat Anthropic tegen de API-tarieven van Zhipu op $20,40 berekent.

De veiligheidshelft van het bericht is het deel dat een deploymentbeslissing verandert. Uit de doos weigerde GLM-5.3 elk openlijk kwaadwillig verzoek in de gesimuleerde wereld van A​nthropic, net als elk ander getest model. A​nthropic vond vervolgens eenvoudige manieren om die weigering te omzeilen, en rapporteert het percentage waarmee het model op het schadelijke verzoek inging:

• Een misleidende prompt — waarin aan het model wordt verteld dat het een autonome red-teamagent is die aan een oefening werkt: 64% van de proeven.

• Het vooraf invullen van de denk-tokens van het model, zodat het lijkt alsof het het verzoek al heeft overwogen en heeft besloten door te gaan: 92%.

• Een geabliteerde kopie van de gewichten draaien, met de weigeringen eruit gehaald: 100%.

Geen van de drie kreeg beveiligde Claude-modellen zover om dezelfde taken uit te voeren, zegt Anthropic — zijn beveiligingen blokkeerden het dekmantelverhaal, zijn API biedt geen manier om het denkproces vooraf in te vullen, en zijn gewichten worden niet gedistribueerd, waardoor de modellen helemaal niet kunnen worden geabliteerd. Die laatste asymmetrie is degene met een lange staart. Abliteratie is een standaardtechniek om weigeringen te verminderen, en omdat GLM-5.3 als downloadbare gewichten wordt geleverd, kan iedereen het toepassen: Anthropic bouwde zijn eigen geabliteerde kopie in ongeveer 2.200 GPU-uren voor ruwweg $4.400 en zegt dat een team dat de taak nog nooit had geprobeerd het zou kunnen doen. De aanpassing bracht het weigeringspercentage van GLM-5.3 van boven de 90% terug tot ongeveer 3% op JailbreakBench, 2% op HarmBench en 12% op StrongREJECT, terwijl GPQA-Diamond ongewijzigd bleef en een geteste subset van CyberGym slechts een paar procentpunten lager scoorde. Anthropic zegt dat verschillende ontwikkelaars binnen dagen na de release van het model al geabliteerde versies van GLM-5.3 openbaar hadden gemaakt, en dat het abliteren van GLM-5.3-Flash ongeveer 600 GPU-uren kostte.

Beschouw het allemaal als de metingen van één lab, niet als vaststaand feit. Anthropic gebruikte zijn eigen testomgevingen en eigen sandboxes, telde zijn eigen pogingen en publiceerde geen enkele reproductie door derden, dus niets hier is onafhankelijk gecontroleerd in dezelfde zin waarin Z.ai's eigen cijfers dat niet zijn. Wat het meer gewicht geeft dan een leveranciersclaim is de richting van de prikkel: Anthropic meet het model van een concurrent, het rapporteert de noemers, en de bevindingen sluiten aan bij NIST's Center for AI Standards and Innovation, dat GLM-5.3 op 17 september beoordeelde, het "het meest cyberbekwame open-weightmodel dat tot nu toe is uitgebracht" noemde, en het ongeveer vier maanden achter de Amerikaanse frontlinie plaatste op een aggregatie van CAISI's cyberbenchmarks — met de kanttekening dat de Amerikaanse modellen in die vergelijking werden getest met cyberbeveiligingsmaatregelen uitgeschakeld en modellen omvatten die alleen aan gecontroleerde gebruikers zijn vrijgegeven. Anthropics eigen conclusie is net zozeer een beleidsargument als een technisch argument: er staat dat een kritieke drempel in vrij toegankelijke capaciteit is overschreden, dat iedereen GLM-5.3 kan downloaden, en dat verdedigers toegang zouden moeten hebben tot modellen die minstens zo goed zijn als die welke hun tegenstanders gebruiken. Twee weken na CAISI's beoordeling mat Epoch AI dezelfde afstand op een andere manier en kwam breder uit — zes tot zeven maanden — op basis van een deel van dezelfde gegevens.

Niets hierboven verandert de mechanica van een routeringsbeslissing, het deel dat u beheert. Een deel van het verkeer naar GLM-5.3 op OrcaRouter kost het first-party tarief — $1,40 / $4,40 per miljoen tokens, doorgegeven zonder markup — en automatische failover verplaatst een workload naar GLM-5.2 of een ander bewezen model wanneer een ervan degradeert, zodat een verrassing in capaciteiten in beide richtingen een configuratiewijziging is in plaats van een herschrijving. Wat de A​nthropic-post toevoegt, is een vraag die het waard is om te stellen voordat u beveiligingsgerelateerd of gereguleerd werk erheen stuurt: het model dat u aanroept is het model waarvan de gewichten openbaar zijn, en een gehost endpoint is geen waarborg. De enterprise-route verandert die rekensom niet. De eigen vermelding van Bedrock voor GLM-5.3 rekent $1,68 / $5,28 per miljoen tokens op het wereldwijde inferentieprofiel en $1,848 / $5,808 op het Amerikaanse, 20% en 32% boven het first-party tarief van Z.ai, dus hetzelfde model aanroepen tegen de door Z.ai vermelde prijs via één sleutel blijft het goedkopere pad, terwijl een cloudcontract in plaats daarvan procurement- en compliancepostuur koopt.

Waar de open cybergrens daadwerkelijk ligt

Epoch AI's Cyber ECI is een op cyberveiligheid gerichte variant van de Epoch Capabilities Index van het lab, opgebouwd uit benchmarkresultaten van 35 cyberevaluaties en, na de update van 16 oktober, 76 modellen. Daarop noteert GLM-5.3 van Z.ai 160.10 — de hoogste open-weightscore die het lab registreert, boven GPT-5.4 van OpenAI (157.04, uitgebracht op 5 maart 2026) en onder Claude Mythos Preview van Anthropic (164.82, 7 april) en GPT-5.5 van OpenAI (162.22, 23 april). De gesloten frontier wordt aangevoerd door Claude Opus 5.5 van Anthropic (171.14) en GPT-6 Astra van OpenAI (171.03), het tweetal dat het lab aanhaalt als de frontier op 171. Binnen open weights staat GLM-5.3 boven Kimi K3 van Moonshot (157.60) en DeepSeek-V4-Pro van DeepSeek (150.35), en ruim boven zijn eigen voorgangers, GLM-5.2 (154.12) en GLM-5 (147.95). Door GLM-5.3 te plaatsen tussen de meest recente gesloten modellen die het verslaat en de vroegste die het niet verslaat, ontstaat het kopcijfer: de open cyberfrontier bevindt zich ongeveer waar de gesloten frontier zes tot zeven maanden eerder stond — een kloof die het controlepunt van 7 april van GPT-5.4 en Claude Mythos Preview respectievelijk op zeven en zes maanden brengt, afgezet tegen Epochs datacutoff van 8 oktober.

De kanttekeningen zijn hier belangrijker dan gewoonlijk, en Epoch vermeldt er verschillende. Alleen modellen met ten minste twee cyberbenchmarkresultaten staan überhaupt in de index — 57 van de 76 — en de 160,10 van GLM-5.3 berust op precies drie resultaten, allemaal uit NIST's CAISI-beoordeling van 17 september. Dat zijn de enige cyberresultaten die het lab voor het model heeft, wat betekent dat Epochs schatting een herfit is van door CAISI gepubliceerd bewijs in plaats van een onafhankelijke herhaling, en het cijfer van zes tot zeven maanden en de ongeveer vier maanden van CAISI verschillen omdat de benchmarksets en de vergelijking die ze maken verschillend zijn, niet omdat de twee het oneens zijn over het model. Epoch wijst er ook op dat CAISI de Amerikaanse modellen die het evalueerde niet bij naam noemde, dus schreef het lab die resultaten toe aan waarschijnlijke koplopers zoals G​PT-6 Astra en C​laude M​ythos Preview; dat de intervallen rond twee van de frontiermodellen bijna volledig overlappen, dus de ordening bovenaan de grafiek is minder vastgesteld dan de puntschattingen suggereren; en dat de herfit van oktober oudere gepubliceerde waarden verschoof, waardoor C​laude M​ythos 5 met 3,9 punten daalde en G​PT-5.6 Sol met 4,7, dus de cijfers van deze maand mogen niet zonder meer met die van vorige maand worden vergeleken. Eén conventie is het kennen waard voordat je de grafiek leest: Epoch beschouwt licenties voor beperkt gebruik en niet-commerciële licenties als open-weight, en dat is hoe GLM-5.3 überhaupt in aanmerking komt — de gewichten worden geleverd onder Z.ai's aangepaste “glm-5.3”-voorwaarden, niet onder de MIT-licentie die GLM-5.2 en GLM-5.3-Flash gebruiken.

Wat de plaatsing verandert, is minder het model dan het argument eromheen. Vóór 16 oktober betekende GLM-5.3 de sterkste open release op cybergebied noemen dat je Z.ai's eigen percentages voor CyberGym en ExploitBench aanhaalde plus de sandbox-runs van één concurrent; nu is er een positie op een publieke index met een vermelde afstand tot de frontier, en die afstand is een getal dat een lezer kan zien bewegen. Twee dingen volgen hieruit voor wie een open-weightmodel afweegt voor werk dat aan beveiliging grenst. Zes maanden achter de frontier staan is niet hetzelfde als veilig zijn: een exploit die een frontiermodel vandaag kan bouwen, is er een die een capaciteit van zes maanden oud kan bouwen zodra de methode publiek is, en de resultaten van Anthropic hierboven plaatsen deze specifieke gewichten binnen dat venster. En een ranglijst is een uitspraak over de best beschikbare gewichten, niet over het endpoint dat je verzoek beantwoordt — dezelfde gewichten die door verschillende providers worden aangeboden, verschillen al met een factor negen in kosten per taak, wat een routeringsvraagstuk is en geen capaciteitsvraagstuk.

De baseline die GLM-5.3 moest verslaan.

GLM-5.2 is het referentiepunt waar het hele verhaal op rust. Het werd in juni 2026 uitgebracht als een 743B Mixture-of-Experts-model met ongeveer 40B actieve parameters per token, een contextvenster van 1M tokens, een maximale output van 128K, een MIT-licentie en open gewichten op Hugging Face. De Intelligence Index van Artificial Analysis — gemeten door het lab, niet door Z.ai — staat nu op de herziene v4.3.2-editie, en daarin scoort GLM-5.2 (Max) 34, terwijl GLM-5.3 (Max) 45 scoort. De marge van elf punten is dezelfde afstand die deze pagina bij de lancering rapporteerde, toen de eerdere indexeditie van hetzelfde lab GLM-5.2 op 53 en GLM-5.3 op 60 had; wat is veranderd is de meetlat, niet het resultaat, en het lab markeert GLM-5.2 nu als verouderd ten gunste van zijn opvolger. De 45 van GLM-5.3 plaatst het tweede onder open-gewichtenmodellen, achter de 46 van MiMo-V2.6-Pro en één punt voor op de 44 van Kimi K3 (Max). Dat was het eerste onafhankelijke cijfer dat aan GLM-5.3 werd gekoppeld, en het komt overeen met de richting — zo niet elk detail — van Z.ai's eigen claims. Twee verdere datapunten van derden zijn sindsdien binnengekomen: eind augustus meldde Perplexity dat GLM-5.3 beter presteert dan GLM-5.2 op WANDR, zijn open benchmark voor grootschalig, op bewijs gebaseerd onderzoek — de 'brede en diepe' test waarbij een agent een grote verzameling brononderbouwde records moet samenstellen in plaats van één enkele vraag te beantwoorden. Die is van Perplexity zelf, zowel de benchmark als de claim, zonder gepubliceerde scores, dus behandel het als richtinggevend totdat er cijfers verschijnen. De tweede is de cyberbeoordeling van Anthropic van 29 september — de eerste externe meting van de specifieke capaciteit waarop Z.ai de lancering heeft gebouwd. Op het gebied van codering over een lange horizon meet de OrcaRouter-testomgeving 77,9 op Terminal-Bench 2.1, terwijl het best gerapporteerde GLM-5.2-cijfer van Z.ai 82,7 is, wat de eerste open-gewichtscores boven 80 zou zijn, maar door de leverancier gerapporteerd en niet gereproduceerd. De catalogusprijs is $1,40 per miljoen input- en $4,40 per miljoen outputtokens.

Het scorebord hierboven is de projectie uit de lekperiode die deze pagina vóór de lancering publiceerde — de rij ">1T params (naar verluidt)", de onbevestigde context en licentie, de geprojecteerde AA-index. De lancering corrigeerde de grootste cel: GLM-5.3 hergebruikt dezelfde 743B-basis als GLM-5.2, dus er is geen sprong in parameters. Het contextvenster is bevestigd op 1M, en de licentie is niet langer de open vraag die ze was — Z.ai publiceerde een aangepaste “glm-5.3”-licentie, niet de MIT-voorwaarden die GLM-5.2 en GLM-5.3-Flash gebruiken. De geprojecteerde indexcel — de eigen schatting van deze pagina van ~57–60 — was de zeldzame projectie die exact op 60 uitkwam op de index zoals die bij de lancering was; het lab heeft de index sindsdien herzien, en in de huidige v4.3.2-versie staat hetzelfde model op 45. Wat niet is veranderd, is de open vraag: wat die score doet wanneer die wordt gereproduceerd met de zelfgehoste gewichten.

De bovenstaande capture is de onafhankelijke baseline waartegen de claims van GLM-5.3 worden afgemeten. GLM-5.2 stond bovenaan de open-weights-ranglijst met een Artificial Analysis Intelligence Index van 53 op de indexversie die deze pagina in augustus las. Die baseline is sindsdien herzien, net als die van alle andere modellen: op de huidige v4.3.2-index van het lab staat GLM-5.2 (Max) op 34 en GLM-5.3 (Max) op 45, een marge in dezelfde richting en ongeveer even groot, met K​imi K3 (Max) een punt achter op 44 en MiMo-V2.6-Pro voor op 46. Beide metingen zijn de eigen metingen van het lab op zijn eigen harness, en geen van beide is een leverancierscijfer.

Prijzen en beschikbaarheid

GLM-5.3 heeft dezelfde prijs als GLM-5.2: $1,40 per miljoen invoertokens en $4,40 per miljoen uitvoertokens (¥8 / ¥28 in de binnenlandse vermelding), met uitlezingen van gecachte invoer tegen $0,26 / ¥2 per miljoen. De release is gedateerd op 18 augustus in modelvermeldingen van derden, Z.ai heeft de API op 19 augustus publiekelijk geopend, en het model is bevestigd bereikbaar via de eigen API van Z.ai, ZCode, AutoClaw, het G​LM Coding Plan en een groeiende lijst van platformen van derden, en — sinds eind augustus — de Ollama-bibliotheek, waar GLM-5.3 staat vermeld als een in de cloud gehost model (glm-5.3:cloud) dat vanuit de Verenigde Staten en Europa wordt aangeboden met nul dataretentie. Perplexity Computer, het agentplatform van Perplexity voor langdurig, meerstaps werk, heeft GLM-5.3 in hetzelfde tijdsbestek toegevoegd en biedt het model nu aan voor agentworkloads. De Ollama-tag is alleen voor de cloud, geen lokale GGUF, dus het selfhostpad loopt nog steeds via de Hugging Face-gewichten; de kleinere GLM-5.3-Flash heeft nu zijn eigen bijpassende cloudvermelding op Ollama. De lekfase is voorbij: beschikbaarheid is nu een bevestigd feit, geen gerucht om te volgen. Eén gedragsverandering is belangrijk voor API-aanroepers: verzoeken vereisen nu dat "thinking" is ingeschakeld op drie inspanningsniveaus — low, high en max — zonder uitschakelaar, een breaking change voor bestaande integraties.

Amazon Bedrock biedt nu ook GLM-5.3 aan. AWS plaatste het model op 5 oktober 2026 – de lanceringsdatum op zijn eigen modelkaart – en beschrijft het daar als hetzelfde Mixture-of-Experts-ontwerp met ongeveer 40B actieve parameters per token, hetzelfde contextvenster van 1M tokens en 128K-uitvoerplafond als de first-party-API, en redenering permanent ingeschakeld met selecteerbare inspanningsniveaus. De route is geen kopie van de endpoint van Z.ai. Bedrock levert GLM-5.3 uitsluitend via cross-Region-inference: de basismodel-id (zai.glm-5.3) accepteert geen in-region on-demand-aanroepen, dus verzoeken gaan via het US-geoprofiel (us.zai.glm-5.3) of het globale (global.zai.glm-5.3), en AWS markeert in-Region-inference als niet-ondersteund in elke regio die het vermeldt, inclusief de vier Amerikaanse. Wat het toevoegt, is het AWS-oppervlak rond het model — Invoke, Converse, de OpenAI-compatibele API's Responses en Chat Completions, Guardrails, Agents, Flows, gestructureerde uitvoer, modelevaluatie, en promptcaching die standaard impliciet is of expliciet in cachepunten van ten minste 1.024 tokens met een retentietijd van ten minste 30 minuten — plus de standaard servicelagen, waarbij Priority 75% duurder is dan Standard, en Flex en Batch 50% korting krijgen. Toegang is het addertje onder het gras: in de aankondiging van AWS wordt GLM-5.3 algemeen beschikbaar op Bedrock genoemd, terwijl zowel die aankondiging als de modelkaart het beperkt tot in aanmerking komende klanten die contact opnemen met hun AWS-accountteam. De enterprise-route bestaat; die is vandaag niet selfservice. Eén getal om voorzichtig mee om te gaan bij het lezen van de eigen pagina's van AWS: de modelkaart houdt GLM-5.3 op 744B totale parameters en de bijbehorende aankondiging op 753B, terwijl Z.ai en de Hugging Face-repository 743B zeggen — hetzelfde model, drie totalen, en geen ervan onafhankelijk gemeten.

Kosten per taak, en de cache-hitratio erachter

Dezelfde prijs betekent niet dezelfde rekening, en het verschil wordt nu gemeten in plaats van afgeleid. Artificial Analysis zet GLM-5.3 (Max) op $2,01 per taak in de Intelligence Index tegen het first-party tarief, tegenover $1,47 voor GLM-5.2 (Max) — dezelfde tariefkaart van $1,40 / $4,40, een 37% hogere rekening voor één doorgang door dezelfde vaste takenreeks. Twee dingen verklaren dit, en beide staan in de eigen modelsamenvatting van het lab. Het eerste is volume: GLM-5.3 besteedt 210M outputtokens aan de Intelligence Index, tegenover een mediaan van 140M voor vergelijkbare open-weightmodellen, wat het lab zeer uitgebreid noemt, en output is de dure kant van de tariefkaart. Het tweede is tempo: 64,2 outputtokens per seconde tegenover een mediaan van 66,9, wat langzamer is dan gemiddeld en bij een lange agentrun ook meer kloktijd betekent die met dezelfde tokens wordt gekocht. Dit vervangt de schatting die deze pagina eerder bevatte, waarin GLM-5.3 op bijna $0,68 per taak en GLM-5.2 op bijna $0,44 stond op basis van ons eigen waargenomen tokengebruik. De cijfers van het lab liggen over de hele linie hoger dan die schatting en zijn de cijfers die je moet citeren: het zijn een gewogen gemiddelde over tien evaluaties bij een vast aantal taken, niet een aflezing van één workload.

Het endpoint richt meer schade aan dan het model. Hetzelfde lab publiceert nu een kolom Cost per Task voor elke provider die het volgt op GLM-5.3 (Max) — 25 in totaal — en de kolom loopt van $0,92 bij het goedkoopste endpoint tot $8,68 bij het duurste. Dat is een spreiding van 9,4x op identieke weights, een identieke benchmark en een identieke reasoning-instelling. (De 9,4x is onze eigen berekening op de kolom die het lab publiceert; wat de pagina zelf in woorden stelt, is dat de blended prijzen per miljoen tokens variëren “tot 4,4x tussen providers” en dat de outputsnelheid met 1.152% varieert.) Niets aan die spreiding is een bevinding over capaciteiten — de Endpoint Accuracy Index van het lab, die BFCL v4-500, HLE-250 en AA-LCR-25 opnieuw tegen elk endpoint laat lopen, komt op elk endpoint dat het scoort uit op 95% of hoger, wat betekent dat wat een provider verliest een beetje nauwkeurigheid is, niet het model. Het mechanisme dat het lab noemt is caching. Kosten per taak worden berekend uit de prijzen voor input-, cache-hit-, cache-write-, reasoning- en answertokens, gedeeld door het aantal taken en gewogen naar het aandeel van elke benchmark in de index — dus een agentische of coding-lus die bij elke beurt de hele gespreksgeschiedenis opnieuw verstuurt, betaalt steeds opnieuw voor die geschiedenis, één keer per beurt, en het deel ervan dat uit de promptcache van de provider wordt geleverd, is de allerbelangrijkste hefboom op het totaal. Artificial Analysis meet dat aandeel als cache hit rate, definieert het als “het aandeel cachebare inputtokens dat uit de promptcache van de provider wordt geleverd, gemeten tijdens meerbeurtige agentische coding-sessies,” rapporteert het als een mediaan van de laatste vier weken (bijgewerkt op 26 september 2026) en zet het in een grafiek tegen de kosten per taak. De richting die het aangeeft, is degene die hier van belang is: hogere hitrates betekenen dat meer van de input wordt gefactureerd tegen de goedkopere cache-hitprijs, wat de effectieve kosten van agentisch werk verlaagt. De eigen cachekorting van GLM-5.3 is 81% bij het first-party tarief — $0,26 per miljoen gecachete input tegen $1,40 per miljoen verse input — en cache-write en opslag worden apart gefactureerd, tegen tarieven die per provider verschillen. Eén voorbehoud bij het bewijs: de hitrates per provider worden geplot in plaats van in tabelvorm weergegeven, dus de spreiding kan worden toegeschreven aan caching als mechanisme zonder een hitratecijfer voor één bepaald endpoint te claimen.

Dat is eerder een routingargument dan een prijsargument, want de variabele waarop je kunt ingrijpen is welk endpoint antwoordt, niet wat de gewichten kosten. GLM-5.3 staat op OrcaRouter voor $1,40 / $4,40 per miljoen tokens, doorgegeven tegen de eigen lijstprijs van de provider zonder enige markup, zodat de prijs of cachevoorwaarden van een provider je factuur bereiken op de dag dat ze veranderen en niet pas bij het volgende contract. Automatische failover verplaatst een workload van een degraded endpoint naar GLM-5.2 of een ander bewezen model, en de routing-DSL is de plek waar zo'n regel thuishoort. Voor een model waarvan de kosten per taak nu met een factor negen verschillen per endpoint, is de laagrisicomethode om je eigen getal te vinden een stukje echt verkeer met een failover erachter — het endpoint dat goedkoop is in de agent-loop van iemand anders is niet noodzakelijk het endpoint dat goedkoop is in de jouwe.

Build Week wordt een doorlopende serie — met 100M gratis GLM-5.3 tokens

Z.ai maakte op 21 augustus van zijn ZCode Build Week een doorlopende serie, en schreef de eer voor wat het bedrijf een golf van projecten noemt die op ZCode met GLM-5.3 zijn gebouwd, toe aan de community. Om de herlancering te markeren, gaf Z.ai 50.000 nieuwe ZCode-gebruikers elk 100 miljoen gratis GLM-5.3-tokens — wie het eerst komt, het eerst maalt, tot 23 augustus 18.00 uur Pacific Time (24 augustus, 09.00 uur Pekingse tijd) — waarbij ongebruikte tokens aan het einde van het evenement vervallen. Het aanbod en de voorwaarden zijn afkomstig van Z.ai zelf: door de leverancier gesteld, hoewel de weggeefactie sindsdien door onafhankelijke media is gemeld.

Dit is de tweede ronde van de weekendbuild. Ronde 1, op 16–17 augustus, werd binnen ongeveer een uur na de lancering opgeschort toen de vraag de capaciteit overschreed — al opgeëiste tokens bleven onaangetast, en Z.ai heeft sindsdien zijn serveringskant opgeschaald. Met 50.000 toewijzingen van elk 100 miljoen tokens is het maximaal geadverteerde weggeefpakket vijf biljoen tokens: een klantenwervingscijfer dat tevens fungeert als een live-stresstest van dezelfde serveringsinfrastructuur waar de betaalde GLM-5.3 API op draait.

Wat de lancering voor jou verandert

Voor API-aanroepers die al op GLM-5.2 zitten, is de praktische stap een wijziging van de modelnaam, niet een project: GLM-5.2 is OpenAI-compatibel en de integratie blijft werken, met de hierboven genoemde kanttekening over denkinspanning. Voor self-hosters is het wachten voorbij. De officiële zai-org/GLM-5.3-repository op Hugging Face — aangemaakt op 25 augustus en gevuld op 27–28 augustus — bevat nu de volledige 743B-flagship in 141 safetensors-shards, waarbij SGLang, vLLM, TokenSpeed, Transformers en KTransformers allemaal op de modelkaart staan vermeld als ondersteunde implementatiepaden. De licentie is de enige echte verrassing: Z.ai heeft een aangepaste "glm-5.3"-licentie verklaard, niet MIT — het leest als de MIT-verlening plus een voorwaarde dat elk model-as-a-service-bedrijf met meer dan $10 miljard omzet over de afgelopen twaalf maanden eerst Z.ai's securityreview moet doorstaan voordat het commercieel mag worden gebruikt. Onder die drempel gelden voor self-hosting en gewoon commercieel gebruik geen dergelijke beperkingen, al is het de moeite waard de exacte voorwaarden te lezen voordat u erop vertrouwt. Als de schaal van het flagship meer is dan uw cluster wil, bracht het kleinere GLM-5.3-Flash zijn gewichten op 26 augustus onder MIT uit — een afzonderlijk, van nature multimodaal model, niet het flagship. Voor Ollama-gebruikers is het flagship nu één commando verwijderd van de eigen client van de bibliotheek — ollama run glm-5.3:cloud — maar die aanroep raakt het in de cloud gehoste model dat vanuit de VS en Europa wordt geserveerd, niet een lokale pull; er is nog geen gekwantiseerde lokale tag. GLM-5.3 op uw eigen hardware draaien betekent nog steeds de Hugging Face-gewichten met een vLLM- of SGLang-achtige stack. Voor iedereen die modellen in de tier van DeepSeek V4 Pro, Qwen3.8-Max, Kimi K3, GPT-5.6 Sol en Claude Fable 5 vergelijkt, is GLM-5.3 nu een live, onafhankelijk gescoorde variabele in die ranglijst in plaats van een gerucht. Voor een zakelijke koper in plaats van een individuele ontwikkelaar is de nieuwste optie Amazon Bedrock, dat GLM-5.3 op 5 oktober heeft vermeld voor in aanmerking komende klanten — dezelfde gewichten en hetzelfde contextvenster van 1 miljoen tokens, geleverd onder een AWS-contract, tegen een adviesprijs boven die van Z.ai zelf.

Het argument op de lanceerdag rond GLM-5.3 is dat de codeerfrontier is geconvergeerd: voor de meeste alledaagse taken, zo gaat het verhaal, kunnen maar weinig gebruikers G​PT-5.6 Sol, C​laude Fable 5, K​imi K3, GLM-5.2 en Qwen3.8-Max betrouwbaar van elkaar onderscheiden. Als die convergentie echt is, zijn de beslissende factoren niet langer pure capaciteit maar prijs, openheid en overstapkosten — precies het hoekje dat GLM-5.3 afbakent met $1,40 / $4,40 per miljoen op een self-hostbare 743B-basis waarvan de beloofde gewichtsrelease van 28 augustus nu is gearriveerd. Of codeermodellen werkelijk uitwisselbaar zijn, is een mening, geen benchmark; de prijzen, het aantal parameters en de gewichtdatum zijn dat niet.

Wat routing betreft, is GLM-5.3 op 18 augustus live gegaan op OrcaRouter — dezelfde dag dat het model op de bredere markt live ging — tegen de first-party catalogusprijs van $1.40 / $4.40 per miljoen, zonder enige opslag doorberekend. De onderstaande screenshot toont de pagina van GLM-5.2, die er precies zo uitziet als GLM-5.3 nu: dezelfde prijs, dezelfde 1M-token context, dezelfde maximale output van 128K. Een deel van het echte verkeer naar GLM-5.3 routeren met automatische failover naar GLM-5.2 of een ander bewezen model is een configuratiewijziging, geen herschrijving — dezelfde sleutel, geen tweede contract. Als het nieuwe model slechter presteert op jouw workload, valt de router terug voordat een pagina wordt geladen, en krijg je een kwaliteitssignaal op je eigen verkeer in plaats van een slide van de leverancier. Voor een model waarvan de vlaggenschipclaims nog grotendeels door de leverancier worden gerapporteerd, is dat de manier met weinig risico om het zelf te ondervinden.

Wat nu te kijken

• De open-weightrelease is nu officieel: Z.ai bevestigde dit op 28 augustus, verklaarde het vlaggenschip open en wees naar de Hugging Face-gewichten en een technische deep-dive. De verrassing is de licentie — aangepaste “glm-5.3”-voorwaarden in plaats van de MIT-voorwaarden die GLM-5.2 en GLM-5.3-Flash gebruiken — dus lees de exacte voorwaarden voordat je het zelf host. De beoordeling van Anthropic op 29 september is de eerste externe toets van wat de waarborgen van de release waard zijn: er bleek dat de ingebouwde weigeringen te omzeilen zijn met een dekmantelverhaal, een vooraf ingevulde gedachte of een geablitereerde kopie, en geablitereerde varianten circuleerden al dagen nadat de gewichten waren verschenen.

• Of er een lokale GGUF-tag op Ollama volgt. De bibliotheek vermeldt GLM-5.3 momenteel als alleen-cloud; een gekwantiseerde lokale tag zou het self-host pad terugbrengen tot één enkel commando voor Ollama-gebruikers, terwijl de cloud-tag een tweede aangeboden route blijft.

• Of de cyberkloof van zes tot zeven maanden kleiner wordt of standhoudt. Epoch AI rangschikt GLM-5.3 nu als eerste onder open-weightmodellen met 160,10 op zijn Cyber ECI, zes tot zeven maanden achter een gesloten frontiermodel op 171 — maar dat cijfer berust op drie CAISI-benchmarks, de enige cyberresultaten die het lab voor het model heeft, en de refit van oktober heeft de scores van oudere modellen al met enkele punten doen verschuiven. Een tweede databron, of een derde partij die Z.ai's eigen harnesses opnieuw uitvoert, zou de eerste controle zijn die niet tot CAISI te herleiden is. De beoordeling van Anthropic van 29 september blijft de andere onafhankelijke lezing, en die stelde vast dat de ingebouwde weigeringen te omzeilen waren met een dekmantelverhaal, een vooraf ingevulde gedachte of een geablitereerde kopie.

• Of Perplexity's WANDR-claim cijfers bevat. Dat GLM-5.3 GLM-5.2 verslaat op WANDR is Perplexity's eigen benchmark en eigen test, en er zijn geen scores gepubliceerd — een onafhankelijke run zou de eerste controle door een derde partij zijn van de agentische onderzoeksprestaties van het model.

• Waar de index uitkomt op een zelfgehoste kopie. De 45 wordt gemeten tegen een geserveerd endpoint; de zelfgehoste versie — nu downloadbaar, met licentievoorwaarden bijgevoegd — is degene die teams daadwerkelijk opnieuw zullen uitrollen en die onafhankelijke labs opnieuw zullen benchmarken. Het lab heeft deze index al eens opnieuw vastgesteld, dus verwacht dat het cijfer opnieuw zal verschuiven.

• De aangekondigde prijsverhoging van D​eepSeek V4 Flash, die het prijskader bepaalt waaraan GLM-5.3 wordt afgemeten, en hoe de kosten per taak van de gesloten frontier zich daartoe verhouden: G​PT-5.6 Sol (max) staat op 47 op de index tegenover de 45 van GLM-5.3, waarbij het lab Sol als verouderd bestempelt ten gunste van G​PT-6 Sol.

Of de momenteel lopende Build Week-serie gezond blijft onder de vraag — Ronde 1 stortte binnen een uur in, en de opzet van de serie maakt elke volgende ronde een nieuwe belastingstest van de capaciteit waar de betaalde API van afhankelijk is.

• Of het multimodale lek uitmondt in een uitgebracht model. Het sglang-processorwerk is bewijs op coderingsniveau dat de vlaggenschipreeks wordt voorbereid op beeldinvoer, en Perplexity's pitch over 'multimodale agent-workloads' voor Computer wijst in dezelfde richting — maar dat is positionering, geen uitgebracht model, en er is geen multimodale GLM-5.3 aangekondigd of gebenchmarkt. Kijk uit naar een modelkaart, een documentatiepagina of gewichten voordat je het als echt beschouwt.

• Of de enterprise-drempel van Bedrock opengaat. In de aankondiging van AWS wordt GLM-5.3 algemeen beschikbaar genoemd op Bedrock, terwijl de modelkaart het beperkt tot in aanmerking komende klanten die contact opnemen met hun AWS-accountteam, en in-regio-inference wordt helemaal niet ondersteund — elk verzoek gaat over regio's heen, hetzij binnen het geografische profiel voor de VS, hetzij via het mondiale profiel. Niet de regiolijst, maar de drempel bepaalt welke ondernemingen het deze maand kunnen aanroepen.

Veelgestelde vragen

Is GLM-5.3 een groter model dan GLM-5.2?

Nee. Z.ai en medeoprichter Tang Jie zeggen beiden dat GLM-5.3 dezelfde Mixture-of-Experts-basis met 743 miljard parameters gebruikt als GLM-5.2, met hetzelfde contextvenster van 1M tokens en ongeveer 40 miljard actieve parameters per token. Alle gerapporteerde verbeteringen komen uit post-training — Tang Jie omschrijft de verandering als één maand reinforcement learning over een lange horizon, bovenop de ongewijzigde basis — en niet uit een toename van het aantal parameters, wat het gerucht uit de leaktijdperk over een basis boven één biljoen direct corrigeert. Die architectuurclaim blijft die van de oprichter en het bedrijf zelf, en is niet onafhankelijk gecontroleerd.

Wanneer zullen de open gewichten van GLM-5.3 beschikbaar zijn?

Ze zijn uit. De officiële zai-org/GLM-5.3-repository op Hugging Face — aangemaakt op 25 augustus, met de gewichtsbestanden gepusht op 27–28 augustus — bevat nu het volledige 743B-vlaggenschip, precies op de 28 augustus-datum die Z.ai sinds de lancering aanhield — een release die Z.ai zelf op 28 augustus aankondigde, waarbij het de gewichten open verklaarde en verwees naar de Hugging Face-repository en een diepgaande technische analyse. De licentie is nu ook vermeld: een aangepaste "glm-5.3"-licentie, niet de MIT-voorwaarden die GLM-5.2 en GLM-5.3-Flash gebruiken — grofweg een MIT-toekenning met een beveiligingsbeoordelingsvoorwaarde voor grote MaaS-aanbieders, dus lees de exacte voorwaarden voordat u erop vertrouwt. Z.ai heeft afzonderlijk gezegd dat gevoelige cyberfuncties worden beperkt tot een programma voor "trusted access" met geverifieerde gebruikers.

Hoe moet ik de benchmarkcijfers behandelen?

Splits de lijst in drie categorieën. Z.ai's eigen cijfers — de coderingssprongen (Terminal-Bench 3.0 op 28,3, DeepSWE v1.1 op 66,9, SWE-Marathon op 42,5) en de cyberresultaten (CyberGym 84,5%, ExploitBench 54,4%) — komen uit de aankondiging van het bedrijf en blijven door de leverancier gerapporteerd totdat een onafhankelijke harness ze reproduceert. De onafhankelijke categorie is nu het zwaartepunt: Artificial Analysis' Intelligence Index — 45 voor GLM-5.3 (Max) op de huidige v4.3.2-vintage, tegenover 44 voor K​imi K3 (Max) en 34 voor GLM-5.2 (Max) — de Cost per Task-kolom per endpoint voor hetzelfde model, die uiteenloopt van $0,92 tot $8,68 bij de 25 providers die het volgt, de metingen van A​nthropic's Frontier Red Team op ExploitBench (50 van 410 end-to-end exploits) en zijn interne binary-exploitation-benchmark (4% volledige control-flow hijacks), NIST's CAISI-beoordeling van 17 september, en Epoch AI's Cyber ECI, gepubliceerd op 16 oktober, die GLM-5.3 op 160,10 zet — de eerste onder open-weight modellen en zes tot zeven maanden achter de gesloten frontier op 171, hoewel die schatting rust op drie CAISI-benchmarks en Epoch's eigen caveats rond modelidentificatie en intervallen. Perplexity's bewering dat GLM-5.3 GLM-5.2 verslaat op WANDR valt in een geheel eigen derde categorie — andermans benchmark, andermans bewering, geen scores gepubliceerd. De onafhankelijke cijfers zijn de cijfers om af te wegen tegen die van Z.ai, en de kosten- en cachecijfers zijn de eigen metingen van het lab van zijn eigen harness, in plaats van leveranciersoutput.

Waarom kost het zoveel meer om GLM-5.3 bij sommige providers te draaien dan bij andere?

Omdat de kosten per taak worden gedomineerd door hoeveel van het gesprek een provider vanuit zijn promptcache kan bedienen, en verschillen in tokenprijzen daar bovenop komen. Artificial Analysis berekent het cijfer op basis van input-, cachehit-, cachewrite-, reasoning- en antwoordtokenprijzen, gedeeld door het aantal taken en gewogen naar het gewicht van elke benchmark in de Intelligence Index. Agentische en coding-workloads sturen bij elke beurt de volledige gespreksgeschiedenis opnieuw mee, dus het cachebare deel van de prompt wordt herhaaldelijk gefactureerd, en het aandeel dat een provider uit cache levert in plaats van tegen de volledige inputprijs is de grootste enkele hefboom op het totaal. Cachewrite en cacheopslag worden apart gefactureerd tegen providerspecifieke tarieven. Bij GLM-5.3 (Max) loopt de resulterende kolom van $0,92 tot $8,68 over de 25 endpoints die het lab volgt — ruwweg 9x bij identieke gewichten en een identieke benchmark — en daarom is het endpoint, niet het model, de kostenbeslissing.

Kan ik GLM-5.3 lokaal draaien via Ollama?

{{1}}Nog niet.{{/1}} GLM-5.3 staat vermeld in de Ollama-bibliotheek, maar alleen als een cloud-gehost model — {{2}}glm-5.3:cloud{{/2}}, aangeboden vanuit de Verenigde Staten en Europa met nul gegevensbewaring. Er is geen lokale GGUF-tag, dus vandaag roept {{3}}ollama run glm-5.3:cloud{{/3}} het gehoste model aan in plaats van een kopie naar je machine te halen. Het self-host pad blijft de Hugging Face-gewichten met een vLLM- of SGLang-stijl stack, en de cloud-tag is een tweede serverroute voor lezers die Ollama al gebruiken.

De lek was echt, de lancering bevestigde de naam, de framing en de timing — en twee maanden later is de cybercapaciteit die Z.ai het middelpunt van zijn aankondiging maakte, gemeten door twee externe instanties en gerangschikt door een derde. Het Frontier Red Team van Anthropic plaatst GLM-5.3 binnen een paar pogingen van Claude Mythos Preview op het gebied van end-to-end exploitontwikkeling, noemt het model ongewoon capabel voor een open release, en voegt de bevinding toe die belangrijker is voor iedereen die het inzet: de waarborgen zijn echt maar oppervlakkig, en de gewichten zijn downloadbaar, dus weigeringen zijn een configuratie in plaats van een garantie. CAISI van NIST bereikte een vergelijkbaar oordeel vanuit de andere richting — het beste open-weight cybermodel tot nu toe, ongeveer vier maanden achter de Amerikaanse frontier. Epoch AI heeft dat oordeel nu omgezet in een plaatsing: 160,10 op zijn Cyber ECI, eerste onder open-weight modellen, boven OpenAI's GPT-5.4 en zes tot zeven maanden achter Anthropic's Claude Opus 5.5 en OpenAI's GPT-6 Astra op 171 — een getal dat uiteindelijk is gebaseerd op drie CAISI-benchmarks, en daar eerlijk over is. Artificial Analysis levert de vierde externe meting, en het is een kostenmeting: $2,01 per Intelligence Index-taak tegen het first-party tarief, en ergens tussen $0,92 en $8,68 voor dezelfde taak, afhankelijk van welk endpoint antwoordt. De leverancierscijfers zijn nog steeds leverancierscijfers, de licentie is nog steeds custom, en de vraag of de flagship-lijn multimodaal wordt, is nog steeds open. Wat is veranderd, is dat de afstand tussen open en gesloten cybercapaciteit niet langer iets is dat een lezer op goed vertrouwen moet aannemen — het is een gepubliceerd getal met een methode die je kunt inspecteren. De goedkoopste manier om erachter te komen wat het model doet met jouw werk is nog steeds een stukje echte traffic met een failover naar iets bewezen.

De gedocumenteerde AI-incidenten en agentstoringen achter open-weightmodellen in deze categorie zijn verzameld in het OrcaRouter AI Incident Archive, waarin elke vermelding zijn eigen bronnen, ernst, zekerheidsgraad en betwistingsmarkering bevat.