GPT-6 vs GLM 5.3: Een van deze kun je downloaden, en het prijsverschil is kleiner dan het indexverschil

De reden om GPT-6 tegenover GLM 5.3 te zetten is niet de benchmarktabel. Het is dat GLM 5.3 het enige model in deze prijsklasse is waarvan je de gewichten mee naar huis kunt nemen, en GPT-6 is een gesloten generatie waarvan de drie leden alleen via een API bereikbaar zijn. Dat verschil beslist meer inkoopvragen dan welke indexdelta dan ook, en het is ook de reden dat de twee scores niet direct vergelijkbaar zijn — wat het deel is dat de meeste gepubliceerde vergelijkingen van dit tweetal verkeerd hebben.

De twee kanten, precies

GLM 5.3 is het vlaggenschipmodel van Z.ai, uitgebracht op 18 augustus 2026, waarbij de gewichten ongeveer een week later werden gepubliceerd. Het is een model dat alleen tekst ondersteunt — geen beeldinvoer — met een contextvenster van 1.000.000 tokens en een uitvoerplafond van 128.000 tokens, door Z.ai vermeld tegen $1,40 per miljoen invoertokens en $4,40 per miljoen uitvoer, met een tarief voor gecachte invoer van $0,234 per miljoen. Het wordt aangeboden onder het model-id z-ai/glm-5.3.

GPT-6 is een generatie, geen model. GPT-6 Astra, GPT-6 Sol en GPT-6 Luna zijn drie id's op drie prijspunten, allemaal uitgebracht op 22 september 2026, allemaal multimodaal aan de invoerkant (tekst, afbeelding en bestand), allemaal met een contextvenster van bijna 1.050.000 tokens en een uitvoerplafond van 128.000 tokens. Er is geen openai/gpt-6 endpoint. Wanneer iemand in een prijsgesprek "GPT-6" zegt, bedoelen ze bijna altijd GPT-6 Sol, de middelste tier tegen $2,00 / $10,00 — dus dat is de variant die deze vergelijking gebruikt waar een enkele id nodig is.

• Gewichten — GLM 5.3 open, downloadbaar en zelf te hosten; GPT-6 gesloten, alleen API
• Invoermodaliteiten — GLM 5.3 alleen tekst; alle drie de GPT-6-niveaus accepteren tekst, afbeelding en bestand
• Invoerprijs — GLM 5.3 $1,40 per miljoen vs GPT-6 Sol $2,00 per miljoen
• Uitvoerprijs — GLM 5.3 $4,40 per miljoen vs GPT-6 Sol $10,00 per miljoen
• Gecachte invoer — GLM 5.3 $0,234 per miljoen vs GPT-6 Sol $0,20 per miljoen
• Context — GLM 5.3 1.000.000 tokens vs GPT-6 Sol 1.050.000 tokens
• Stap voor lange verzoeken — GLM 5.3 heeft er geen op zijn gepubliceerde kaart; GPT-6 Sol herprijst het hele verzoek boven 272.000 invoertokens naar $4,00 / $15,00
• Licentie — GLM 5.3 wordt uitgebracht onder Z.ai's eigen open licentie; GPT-6 heeft geen licentiebestand omdat er niets te licentiëren valt

Let op de kanttekening bij de prijsregel, want die is terecht en deze blog is dit al eerder tegengekomen: een OrcaRouter-modelpagina loopt niet altijd gelijk met de eigen tariefkaart van de leverancier, en specifiek bij GLM 5.3 vermeldt onze catalogus $1.26 / $3.96, terwijl het gepubliceerde cijfer van Z.ai $1.40 / $4.40 is. Waar de twee van elkaar afwijken, citeer je in de lopende tekst het cijfer van de leverancier — wat de opsommingstekens hierboven doen — en beschouw je het cijfer op de pagina als de eigen waarde van die pagina. Beide zijn legitiem; het zijn alleen niet hetzelfde getal.

Waarom de indexvergelijking een waarschuwingslabel nodig heeft

Hier zit de valkuil. Op de Artificial Analysis Intelligence Index scoort GLM 5.3 44,8 en GPT-6 Sol scoort 47,6 — 2,8 punten verschil. Dat lijkt bijna een gelijkspel tussen een gesloten model en een open model tegen ongeveer een vijfde van de prijs van de output, en het is de zin waarbij de meeste vergelijkingen van dit tweetal stoppen.

Dit is geen geldige aftrekking. Artificial Analysis rangschikt open-weights-modellen alleen tegen andere open-weights-modellen van dezelfde grootteklasse, en propriëtaire modellen over een propriëtaire band met een gemengde prijsverhouding van 3:1 tussen input en output. De 44,8 van GLM 5.3 is een open-weightsscore. De 47,6 van GPT-6 Sol is een score binnen de propriëtaire band. Ze bevinden zich op verschillende schalen, en het verschil ertussen is geen maat voor capaciteit. Dezelfde kanttekening geldt voor de twee cijfers op de OrcaRouter-catalogusvermeldingen, waar beide bovenstaande getallen vandaan komen.

Wat je over die lijn heen kunt vergelijken, is kostenadministratie en de tariefkaarten, en op de tweede plaats de rijen waarvoor dezelfde evaluatie op dezelfde manier wordt uitgevoerd. Lees verder op beide pagina's:

• AA Coding Index — GLM 5.3 74,8 vs GPT-6 Sol 60,0
• GPQA Diamond — GLM 5.3 91,7
• Humanity's Last Exam — GLM 5.3 42,3 vs GPT-6 Sol 47,9
• Terminal-Bench 2.1 — GLM 5.3 83,9
• Terminal-Bench 4.0 — GLM 5.3 41,9 vs GPT-6 Sol 43,9
• τ-bench bankieren — GLM 5.3 50,3
• SciCode — GLM 5.3 59,0 vs GPT-6 Sol 57,6
• Recall bij lange context — GLM 5.3 79,7 vs GPT-6 Sol 83,7

Lees dit als een vorm in plaats van als een scoreverschil: GLM 5.3 is sterk op de agentic- en coding-evaluaties — τ-bench banking en SciCode hellen beide zijn kant op, en zijn Coding Index ligt ver boven die van Sol — terwijl GPT-6 Sol de rijen voor long-context recall en Humanity's Last Exam bezet. Geen van beide interpretaties is een eindoordeel. Het zijn twee verschillende sets sterke punten, gemeten door een derde partij, op een model dat je kunt downloaden en een model dat je niet kunt downloaden.

Wat zijn open weights hier eigenlijk waard?

De reden waarom je om de licentie van GLM 5.3 zou moeten geven, is niet ideologie. Het is dat drie specifieke dingen ophouden leveranciersbeslissingen te zijn zodra de gewichten jou toebehoren.

Het eerste is dataresidentie. Een zelfgehoste GLM 5.3 draait waar u hem plaatst, en geen gegevensverwerkingsovereenkomst bepaalt wat uw netwerk verlaat. GPT-6 heeft geen gelijkwaardige optie — de enige manier om het aan te roepen is via een API, en de gegevens gaan ergens naartoe waar u geen controle over hebt. Voor een gereguleerde workload is dit vaak de hele beslissing, en het is een beslissing die de index nooit vastlegt.

De tweede is de prijscurve. Een API-tariefkaart is een getal van een leverancier dat de leverancier kan aanpassen; de gepubliceerde GPT-6-tarieven worden door de leverancier als permanent in plaats van promotioneel gepresenteerd, maar dat is een uitspraak over intentie, niet een contract. Eigen gewichten hebben een vaste kostenpost die niet meer met tokens meeschaalt, en het omslagpunt is een functie van jouw volume en niet van iemands prijsbeslissing. Daarom is de kaart van $1.40 / $4.40 niet echt de vergelijking — de vergelijking is $1.40 / $4.40 tegenover je eigen hardware, afgeschreven over je eigen verkeer.

Het derde is de faalmodus. Een gehost model kan worden afgeschaft, aan snelheidslimieten worden onderworpen of verslechteren door een wijziging in de serving. GLM 5.3 is sinds 18 augustus aanroepbaar, met een openbaar checkpoint erachter; als Z.ai iets verandert waar je het niet mee eens bent, staat het checkpoint waartegen je hebt gevalideerd nog op schijf.

De kosten van die vrijheid zijn ook reëel, en het is de moeite waard ze ronduit te benoemen. GLM 5.3 ondersteunt alleen tekst, dus voor een workload die schermafbeeldingen of pdf's in het model invoert, is er aan de open-weights-kant van deze vergelijking helemaal geen weg. Zelf contexten van 1.000.000 tokens serveren is geen klusje voor op een laptop. En het model dat je downloadt, is het model waarvoor jij verantwoordelijk bent — evaluatie, veiligheidsfiltering, uptime en upgrades worden allemaal jouw verantwoordelijkheid, en dat is een reëel engineeringbudget dat de API-prijs niet omvat.

Waar GPT-6 zijn meerprijs verdient

Daar staat tegenover dat de argumenten voor de gesloten zijde beperkter zijn dan de prijs doet vermoeden, maar ze zijn niet leeg.

Multimodale invoer is het concrete punt. Alle drie de GPT-6-varianten accepteren afbeeldingen en bestanden native, en GLM 5.3 accepteert geen van beide. Een pipeline die een grafiek, een schermafbeelding of een gescand document leest en er in dezelfde call over redeneert, kan niet worden gebouwd op GLM 5.3 zoals gepubliceerd.

Langetermijnrecall is de tweede. GPT-6 leidt op die rij met vier punten voorsprong op GLM 5.3, en het is de rij die bepaalt of een zeer grote context daadwerkelijk bruikbaar is of slechts geaccepteerd wordt. Een venster van 1.000.000 tokens dat het midden van het document kwijtraakt, is een groter venster dan een venster van 100.000 tokens dat dat niet doet.

En de generatie heeft meer dan één prijspunt. De Sol-kaart van $2,00 / $10,00 is degene die meestal met GLM 5.3 wordt vergeleken, maar GPT-6 Luna staat op $0,10 / $0,50 — een orde van grootte onder het invoertarief van GLM 5.3 en bijna negen keer onder het uitvoertarief ervan — en GPT-6.1 Sol, uitgebracht op 29 september, scoort 51,8 op dezelfde index tegen de prijs van Sol. Als de vraag puur "goedkoopste competente token" is, heeft de GPT-6-generatie een antwoord dat GLM 5.3 niet heeft.

Ze samenvoegen, wat het antwoord is waar de meeste teams op uitkomen

De praktische conclusie van deze vergelijking is dat ze niet exclusief is. GLM 5.3 trekt al zeer grote volumes — de OrcaRouter-catalogus registreerde ruwweg 1,9 miljard tokens die er in een periode van zeven dagen naartoe werden gerouteerd, tegenover ongeveer 2,1 miljoen voor GPT-6 Sol — wat typerend is voor een open-weightmodel met een goedkoop outputtarief wanneer teams er bulkwerk naartoe schuiven. Het verkeer van GPT-6 in hetzelfde venster is geconcentreerd op de hogere tiers, waar het werk van het soort is dat de multimodale input of het premiummodel nodig heeft.

Beide zijn live routes in dezelfde catalogus op OrcaRouter: één API voor meer dan 200 modellen, aangeroepen via een OpenAI-compatibel endpoint, waarbij de lijstprijs van de provider met 0% opslag wordt doorgegeven, zodat een prijswijziging van de leverancier dezelfde dag nog aan onze kant live staat in plaats van pas bij je volgende factureringscyclus. Dat is in deze specifieke vergelijking belangrijker dan gewoonlijk, want de hele prijsvraag rond GLM 5.3 heeft een variabele factor — het cataloguscijfer en het leverancierscijfer verschillen al ongeveer 10% van elkaar — en een pass-through-route betekent dat je wordt gefactureerd tegen het cijfer van de leverancier in plaats van tegen een opslag die dat verbergt.

De routing-DSL is wat de splitsing expliciet maakt: stuur het omvangrijke verkeer voor uitsluitend tekstclassificatie en -extractie naar GLM 5.3 en het multimodale of langetermijnrecall-werk naar een GPT-6-tier, per verzoek in plaats van per kwartaal, en laat automatische failover beide kanten dekken. De kwestie open-weights-versus-API is niet langer een alles-of-niets-architectuurkeuze en wordt een routeringsregel die je volgende week kunt wijzigen.

De uitspraak, die een vraag is over jouw beperkingen.

Als je zelf kunt hosten, doorvoer op schaal voor uitsluitend tekst nodig hebt, of een dataresidentievereiste hebt waaraan een API niet kan voldoen, dan is GLM 5.3 het antwoord, en het prijsverschil is groot genoeg om het serveerwerk te bekostigen. Als je beeld- en bestandsinvoer nodig hebt, als het terughalen uit lange contexten cruciaal is, of als je er geen zin in hebt om zelf een model te draaien, dan is GPT-6 het antwoord, en met de meerprijs koop je iets specifieks in plaats van een merk.

Wat geen van beide antwoorden is: "GPT-6 scoort 2,8 punten hoger". Die aftrekking is niet beschikbaar, omdat de twee cijfers uit verschillende peergroepen op hetzelfde scorebord komen — en een vergelijking die daarop is gebouwd, zou een getal aanhalen alsof het iets meet wat het niet meet. De tariefkaarten zijn te vergelijken. De licentiepositie is te vergelijken, in die zin dat ze sterk verschilt. De indexrijen zijn dat niet.