GPT-6 Luna vs GLM-5.3: Het open-weightmodel dat je nog steeds niet kunt downloaden

GLM-5.3 is het betere model. Het scoort 45 op de Artificial Analysis Intelligence Index bij maximale inspanning, tegenover GPT-6 Luna met zijn 37, het evenaart Mythos 5 bij geselecteerde cybersecurity-evaluaties volgens Z.ai, en het is het toonaangevende open-weights-model op meerdere van de samengestelde ranglijsten. Het is bovendien op dit moment een API die je huurt in plaats van een model dat je bezit: Z.ai heeft de release van de weights met ongeveer twee weken uitgesteld vanwege zorgen over cybersecurity, en de download die eigenlijk het hele punt van een open-weights-flagship zou moeten zijn, is er nog niet.

Die vertraging is het verhaal van deze confrontatie, en ze verandert de rekensom op een manier die de prijstabellen missen. GPT-6 Luna arriveerde op 22 september 2026 tegen $0,10 per miljoen inputtokens en $0,50 per miljoen output, algemeen beschikbaar, zonder verplichtingen. GLM-5.3 arriveerde op 18 augustus 2026 tegen $1,40 en $4,40 — veertien keer Luna's inputtarief en bijna negen keer zijn outputtarief — terwijl de gewichten werden achtergehouden. De vergelijking is dus niet open tegenover gesloten. Het is een gesloten model dat je vandaag kunt aanroepen voor een tiende van de kosten, tegenover een open model dat je vandaag alleen kunt aanroepen, geprijsd alsof je het ding koopt dat je nog niet kunt hebben.

Twee modellen, een maand na elkaar, twee heel verschillende deals

GPT-6 Luna is de kleine variant van OpenAI's GPT-6-generatie, uitgebracht naast GPT-6 Sol voor $2,00/$10,00 en onder het vlaggenschip GPT-6 Astra voor $10,00/$50,00. Het heeft een contextvenster van 1.050.000 tokens, een uitvoerlimiet van 128.000 tokens, tekst- en beeldinvoer, en een redeneerladder die loopt van none via low, medium, high, xhigh tot max — met medium als standaard. OpenAI noemt het het efficiëntste model in de familie voor gericht werk met een hoog volume, en de tariefkaart bevestigt dat: gecachte invoer tegen $0,01 per miljoen is een tiende van een al laag niet-gecacht tarief.

GLM-5.3 is het huidige vlaggenschip van Z.ai voor complexe software-engineering en langdurig agentisch werk, uitgebracht op 18 augustus 2026. Het is tekst-in, tekst-uit, heeft een contextvenster van 1M tokens met een uitvoerlimiet van 128.000 tokens, en het redeneren staat altijd aan — er is geen niet-redeneermodus. Z.ai beschrijft een verbetering van ongeveer 50% in de codeerervaring ten opzichte van GLM-5.2 en positioneert het voor codeerwerk op reponiveau en autonome meerstaps-engineering. De gewichten zullen, zodra ze beschikbaar komen, het paradepaardje zijn; vandaag is de API wat live is.

Wat de twee tariefkaarten eigenlijk zeggen

Eén regel per dimensie, beide zijden op elk:

• Invoer per 1 mln. — GPT-6 Luna $ 0,10 vs. GLM-5.3 $ 1,40

• Uitvoer per 1M — GPT-6 Luna $0,50 vs GLM-5.3 $4,40

• Gecachte invoer — GPT-6 Luna $0,01 per 1 mln. vs GLM-5.3 $0,26 per 1 mln., een korting van 81% op het eigen invoertarief

• AA Intelligence Index — GPT-6 Luna 37 bij maximale inspanning vs GLM-5.3 45 bij maximale inspanning

• Score bij standaardinspanning — GPT-6 Luna 29 bij de standaard medium-instelling vs. GLM-5.3 met altijd ingeschakelde reasoning, gemeten op max

• Uitvoertokens tijdens de index-run — GPT-6 Luna 150M vs. GLM-5.3 210M, tegenover een bordmediaan van 140M

• Kosten voor het draaien van de index — GPT-6 Luna $122.39 vs GLM-5.3 $2,503.48

• Kosten per indextaak — GPT-6 Luna ongeveer $0,07 vs. GLM-5.3 ongeveer $0,68

• Context en uitvoer — GPT-6 Luna 1.050.000 in / 128.000 uit vs GLM-5.3 1 mln in / 128.000 uit

• Clausule voor lange context — GPT-6 Luna 2x input en cache, 1,5x output boven 272K input, het hele verzoek vs. GLM-5.3 geen gelijkwaardige clausule op de gepubliceerde kaart

• Schakelaar om redeneren uit te zetten — GPT-6 Luna van geen tot maximaal vs GLM-5.3 altijd aan, geen niet-redeneermodus

• Gewichten — GPT-6 Luna gesloten, alleen API vs GLM-5.3 open volgens toezegging, release uitgesteld

De breedsprakigheidsbelasting is het getal dat dit bepaalt

Het indexverschil van acht punten is reëel en het prijsverschil is groter, en geen van beide is het cijfer dat het meest telt. Wat het meest telt, zijn outputtokens per afgeronde taak, want dat is waar een capaciteitsvoorsprong van acht punten zichzelf wel of niet terugverdient.

De indexrun van Artificial Analysis is de zuiverste gecontroleerde vergelijking die beschikbaar is: dezelfde suite, dezelfde harness, uitgevoerd tegen beide modellen. GLM-5.3 genereerde 210 miljoen outputtokens om die te voltooien. GPT-6 Luna genereerde er 150 miljoen. Tegen een mediaan van 140 miljoen op het scorebord zijn beide nogal praatgraag — GLM-5.3 met de helft meer dan de mediaan, GPT-6 Luna met ongeveer een tiende meer. Maar de richting van dat verschil werkt cumulatief in het nadeel van Z.ai's model qua prijs: het genereert 40% meer tokens en rekent 8,8 keer zoveel per token.

Als je de twee samenvoegt, kom je uit op ongeveer $0,68 per afgeronde indextaak voor GLM-5.3, tegenover ongeveer $0,07 voor GPT-6 Luna — ruwweg een verschil van een factor tien, groter dan de ruwe verhouding op de tariefkaart, omdat het duurdere model ook het uitgebreidere is. Dat is de eerlijke vorm van deze combinatie. GLM-5.3 levert je acht indexpunten voor tien keer zoveel geld per afgeronde taak, en of dat een goede aankoop is, hangt er volledig van af of jouw werklast er een is waarin acht punten het verschil maken tussen wel en niet werken.

Voor veel productieverkeer is dat niet het geval. Voor een coding agent die aan een repo werkt op het randje van wat het model aankan, is dat vaak wel het geval, en geen enkel prijsvoordeel dicht een capaciteitskloof bij een taak die faalt.

Waarom de open gewichten het antwoord veranderen, en waarom de vertraging het terugdraait

Het standaardargument voor een open-weights-vlaggenschipmodel is dat de prijs per token tijdelijk is. Je huurt totdat je volume een aankoop rechtvaardigt, dan download je het model en worden de marginale kosten van een token elektriciteit. Volgens die redenering is de $1,40/$4,40 van GLM-5.3 niet echt veertien keer de $0,10 van GPT-6 Luna — het is een overbruggingsprijs op weg naar nul, en het goedkopere tarief van het gesloten model is een huur zonder uitweg.

Dat argument is juist, en het is momenteel opgeschort. Z.ai hield de weights ongeveer twee weken achter vanwege cybersecuritybevindingen, wat betekent dat de uitstaproute die de meerprijs rechtvaardigt nog niet bestaat. Totdat dat wel het geval is, is GLM-5.3 een getarifeerde API die per taak tien keer zo duur is als een model dat er op de algemene ranglijst vier indexpunten achter staat en op de programmeerranglijst één punt — en de koper betaalt open-weights-prijzen voor closed-weights-toegang.

Er is een secundair punt dat het noemen waard is. De vertraging is geen schandaal; het is een leverancier die een bevinding over capaciteiten serieus neemt, en een model dat goed is in het vinden van kwetsbaarheden is precies het soort model dat een lab voorzichtig moet zijn met het vrijgeven als downloadbaar bestand. Maar het betekent wel dat de releasedatum van de gewichten nu de allerbelangrijkste datum in deze vergelijking is, en die is niet gepubliceerd. Een team dat op een horizon van twaalf maanden tussen deze twee modellen kiest, kiest tussen een model waarvan de voorwaarden volgende maand kunnen veranderen en een model waarvan de voorwaarden dat niet kunnen — en slechts één van die twee is dienovereenkomstig geprijsd.

Het migratieoppervlak is klein.

Beide modellen bieden een OpenAI-compatibel chat completions-oppervlak, beide hebben een contextvenster van de 1M-klasse en beide beperken de uitvoer tot 128.000 tokens, dus het overzetten tussen beide is eerder een configuratiewijziging dan een herschrijving. De verschillen die echt gaan bijten, zijn gedragsmatig in plaats van structureel.

De long-contextclausule van GPT-6 Luna is de dure: verzoeken boven 272.000 inputtokens worden voor het hele verzoek gefactureerd tegen tweemaal het input- en cachetarief en 1,5x het outputtarief, dus een aanroep van 300.000 tokens kost het dubbele van wat hetzelfde werk in tweeën gesplitst kost. De gepubliceerde kaart van GLM-5.3 bevat geen equivalente clausule, wat bij echt grote afzonderlijke verzoeken het prijsverschil aanzienlijk verkleint en het kan omkeren bij een outputintensieve taak.

De reasoning-configuratie werkt juist de andere kant op. Bij GLM-5.3 staat redeneren altijd aan en je kunt het niet uitzetten, wat een harde beperking is voor alles wat latentiegevoelig is — een classifier of een router kan het niet gebruiken. GPT-6 Luna biedt none, low, medium, high, xhigh en max, en de standaard is medium, waar het 29 scoort in plaats van 37. Die ene parameter is het verschil tussen dat GPT-6 Luna acht indexpunten achter het model van Z.ai staat en zestien punten achter, en een team dat migreert zonder die expliciet in te stellen, draait de tweede configuratie terwijl het denkt de eerste te hebben gekocht.

GLM-5.3 staat op OrcaRouter tegen de lijstprijs van Z.ai, met pass-through-prijzen waarbij een tariefwijziging van een leverancier dezelfde dag nog aan onze kant wordt doorgevoerd in plaats van te wachten tot een reseller opnieuw onderhandelt — wat ongebruikelijk belangrijk is voor een model waarvan het belangrijkste cijfer naar verwachting verandert zodra de gewichten beschikbaar komen. GPT-6 Luna staat op het moment van schrijven niet in onze catalogus en is alleen bereikbaar via OpenAI's eigen API. Een team dat beide draait, wat hier de rationele opzet is gezien hoe verschillend de twee aan de randen zijn, gebruikt één sleutel voor GLM-5.3 naast wat het al voor OpenAI gebruikt, en verplaatst verkeer tussen een classificator van vijf cent en een codeeragent op reposchaal door een route te wijzigen in plaats van een deployment.

De oproep

Gebruik GPT-6 Luna voor alles wat door programma's wordt geconsumeerd en grootschalig is. Classificatie, extractie, routering, bulk-samenvatting, de binnenste lus van een agent. Voor $0,10/$0,50, met gecachte invoer voor een cent en Batch tegen de helft van het standaardtarief, is het per afgeronde taak een orde van grootte goedkoper dan GLM-5.3, en het gat van acht punten in de index zal niet zichtbaar zijn in je eval. Stel de effort-parameter expliciet in en houd je lange aanroepen onder 272.000 tokens.

Kies GLM-5.3 wanneer de taak de moeilijke is en het antwoord belangrijker is dan de factuur. Software-engineering op reposchaal, autonoom werk in meerdere stappen, alles waarbij acht indexpunten het verschil vormen tussen het voltooien en het falen van een taak. De breedsprakigheid is een echte belasting en de tienvoudige taakkosten zijn reëel, maar een model dat afmaakt is goedkoper dan een model dat opnieuw geprobeerd moet worden.

En let op de gewichten. De dag dat Z.ai de download van GLM-5.3 publiceert, is de dag dat het centrale gegeven van deze vergelijking verandert, en het is de enige datum op deze pagina die nog niet op de kalender staat.