Step 5 Preview vs GLM-5.3: Um Ponto de Diferença, e Apenas Um Deles Tem um Arquivo de Licença

No quadro independente, Step 5 Preview e GLM-5.3 estão a um ponto de distância: 44 contra 45 no Artificial Analysis Intelligence Index v4.3.2, em que GLM-5.3 é pontuado como GLM-5.3 (max) e Step 5 Preview não carrega nenhum rótulo de esforço. Essa é a diferença mais apertada desta série, e também é o número menos útil da comparação. O número que decide as coisas é que GLM-5.3 tem pesos que você pode baixar hoje — publicados pela Z.ai sob uma licença personalizada que não é MIT — enquanto Step 5 Preview, anunciado pela StepFun em 20 de setembro de 2026, tem um repositório no Hugging Face contendo apenas um .gitattributes e uma data de lançamento declarada de 15 de outubro para o checkpoint BF16. O material de lançamento da StepFun descreve o modelo como um resultado open-source top-3. Ele ainda não é open source. O GLM-5.3 é, e sua licença é o que se deve ler antes de planejar em torno dele.

O que um ponto de índice realmente compra

Ambos os modelos foram submetidos às mesmas dez avaliações pelo mesmo laboratório, o que torna a comparação incomumente limpa e, ao mesmo tempo, incomumente pouco útil.

• Índice de Inteligência — Step 5 Preview 44 vs GLM-5.3 45

• Onde isso se situa — GLM-5.3 está um ponto acima do Step 5 Preview; Step 5 Preview está no mesmo nível do Kimi K3

• Parâmetros — Step 5 Preview 600B no total / 27B ativos vs GLM-5.3 753B no total / 40B ativos

• Velocidade de saída — Step 5 Preview 99,8 tokens/seg vs GLM-5.3 72,1 tokens/seg

• Tempo até o primeiro token — Step 5 Preview 2,96s vs GLM-5.3 2,99s

• Preço por 1M de tokens — Step 5 Preview $1,00 entrada / $2,70 saída vs GLM-5.3 $1,40 entrada / $4,40 saída

• Desconto de cache — Step 5 Preview 95% vs GLM-5.3 81%

• Custo por tarefa do Índice de Inteligência — Step 5 Preview $0,71 vs GLM-5.3 $2,01

• Contexto — ambos com 1M tokens; nosso catálogo lista o GLM-5.3 com um teto de saída de 131,1K, a StepFun não publicou um

• Pesos — Step 5 Preview encerrado, checkpoint BF16 agendado para 15 de outubro; GLM-5.3 publicado sob uma licença personalizada da Z.ai

Leia essas linhas em conjunto e a diferença de um ponto deixa de ser a manchete. O Step 5 Preview é 29% mais barato na entrada, 39% mais barato na saída, gera tokens 38% mais rápido e tem um desconto de cache 14 pontos maior — e o valor de custo por tarefa de indexação, que combina verbosidade e comportamento de cache em um único número, é 2,8 vezes menor. Ele faz isso com 600B no total contra os 753B do GLM-5.3, com 27B ativos contra 40B. No eixo da eficiência, não é uma disputa equilibrada; na capacidade, é o mais perto que a tabela chega.

A única linha em que o Step 5 Preview não vence é a mais difícil de corrigir: o GLM-5.3 tem um arquivo de licença e o Step 5 Preview não.

A licença é toda a diferença, e não é MIT

É fácil presumir que o principal modelo aberto de um laboratório chinês seja distribuído sob a licença MIT, porque vários o fazem. Os próprios GLM-5.2 e GLM-5.3-Flash da Z.ai trazem a licença MIT. O modelo principal GLM-5.3 não — ele é distribuído sob uma licença personalizada "glm-5.3" que permite o uso comercial sujeito a uma série de restrições. Esse é um documento materialmente diferente dos termos da MIT que seu irmão menor traz e, para uma empresa cujos advogados leem a licença antes do README, isso é uma conversa, não uma formalidade.

O Step 5 Preview ainda não tem licença nenhuma, o que é um problema diferente e não manifestamente menor. Uma licença restritiva diz-lhe o que pode fazer e deixa-o decidir se os termos são aceitáveis. Não ter licença não lhe diz nada: nenhuma concessão de uso comercial, nenhum direito de redistribuição, nenhuma permissão de fine-tuning, e nenhuma forma de avaliar se o checkpoint de 15 de outubro será utilizável para o seu produto até que ele apareça. O nome de repositório que a StepFun reservou — stepfun-ai/Step-5-Preview-BF16 — indica um formato bfloat16, que é o artefacto a partir do qual se faz fine-tuning e quantização, e não aquele que se serve. Isso diz-lhe a forma do lançamento. Não lhe diz os seus termos.

Portanto, a comparação honesta é entre uma licença que você pode ler e com a qual pode discordar, e uma licença que não existe. Para uma equipe que precisa fazer ajuste fino, hospedar por conta própria em um ambiente controlado ou lançar um produto derivado, o GLM-5.3 é o único desses dois que tem uma resposta, e a resposta é uma revisão jurídica, e não uma luz verde.

A lacuna de eficiência é a parte que se sustenta

As alegações de eficiência merecem mais ceticismo do que as alegações de benchmark, porque são mais fáceis de fazer e mais difíceis de verificar. Estas duas resistem melhor do que a maioria, e o mecanismo é visível na arquitetura.

Modelos esparsos de mistura de especialistas só gastam computação nos especialistas para os quais um token é encaminhado, então o número de ativados determina o comportamento em produção, enquanto o total é sobretudo uma questão de memória. Com 27B ativos contra os 40B do GLM-5.3, o Step 5 Preview está realizando aproximadamente um terço menos de trabalho por token, e as medições são as seguintes: 99,8 tokens de saída por segundo contra 72,1, e um custo por tarefa de índice de US$ 0,71 contra US$ 2,01. É a mesma história contada de três formas, e é isso que a torna crível, em vez de um único número lisonjeiro.

O desconto de cache é a linha que mais importa para a carga de trabalho para a qual ambos os modelos são vendidos. Um loop de agente que reenvia o mesmo prompt de sistema e o contexto do repositório a cada turno vive quase inteiramente dentro desse desconto, então 95% contra 81% se acumulam ao longo de uma sessão longa de uma forma que o preço de tabela não faz. Em uma mistura de 7:2:1 de acerto de cache / entrada / saída, a tarifa combinada do Step 5 Preview fica próxima de US$ 0,51 por milhão de tokens, contra a combinação materialmente mais alta do GLM-5.3 — e a diferença aumenta quanto mais tempo o loop roda.

O que ainda não é testável é se essa eficiência sobrevive em escala. A API do Step 5 Preview foi aberta no dia do lançamento, em um único endpoint. O GLM-5.3 vem carregando tráfego de produção desde meados de agosto, por muitos chamadores independentes, e um modelo com cinco semanas de carga real por trás tem modos de falha que são conhecidos por uma população grande o suficiente para que se tornem públicos. Um endpoint com poucos dias de existência não tem nada disso. Os números de eficiência são a leitura mais favorável; o histórico operacional é o mais útil.

O que você pode invocar de cada lado hoje

Esta é a única parte da comparação em que os dois não são simétricos, e vale a pena ser exato quanto a isso em vez de arredondar para "ambos estão disponíveis".

O GLM-5.3 já está disponível no OrcaRouter na z-ai/glm-5.3 página do modelo, a $1,26 de entrada e $3,96 de saída, em comparação com os $1,40 e $4,40 das tabelas da Z.ai na própria página do modelo — repassados sem nenhuma margem, então o número que você vê é a tarifa atual do provedor, e não uma que nós escolhemos. Os pesos abertos estão no Hugging Face, então o mesmo modelo pode ser acessado de três formas: nosso endpoint, a própria API da Z.ai ou o seu próprio hardware.

O Step 5 Preview não está no nosso catálogo, e não o roteamos. Ele roda na API e no Studio da própria StepFun, e esse é o único lugar onde roda até que os pesos cheguem. O que fica ao lado dele, do nosso lado, é o conjunto de modelos com os quais ele está sendo medido, atrás de uma única chave para mais de 200 modelos: GLM-5.3 com a tarifa com desconto acima, DeepSeek V4 Pro a $0,66 e $1,98, e Claude Opus 5 a $5,00 e $25,00. É isso que torna as próximas quatro semanas viáveis em vez de bloqueadas — você pode comparar o preview com um modelo de produção na mesma chave, com failover automático entre provedores sustentando o caminho de produção enquanto a curva de capacidade do preview ainda é desconhecida, e o DSL de roteamento compondo o trecho de produção em uma única chamada em vez de uma segunda integração.

Escolher entre um lead e um histórico de resultados

Se você está fazendo fine-tuning, self-hosting ou construindo um produto derivado, o GLM-5.3 é a resposta e não é nem de perto — não porque pontua um ponto a mais, mas porque é o único dos dois com uma licença para ler e um checkpoint para baixar. Reserve verba para a revisão jurídica, porque os termos personalizados não são MIT e a diferença é do tipo que aparece em uma auditoria de compras, e não em um benchmark.

Se você está chamando um modelo por API e sua carga de trabalho é texto agêntico em volume, o Step 5 Preview está à frente em tudo o que a fatura e o relógio se importam: mais barato por token, mais barato por tarefa, mais rápido de gerar e um desconto de cache mais profundo para o padrão de prefixo repetido que preenche um loop de agente. Contra um endpoint de fonte única com apenas alguns dias, sem teto de saída publicado e sem licença, o argumento para torná-lo seu padrão é um argumento sobre um benchmark, não sobre um contrato.

O que mudaria a resposta é o checkpoint de 15 de outubro. Uma licença permissiva tornaria a vantagem de eficiência algo que você pode possuir em vez de alugar, e, nesse ponto, o déficit de um ponto deixa de importar — um modelo que é 2,8 vezes mais barato por tarefa de índice e 38% mais rápido na geração não precisa vencer no agregado. Uma licença restritiva deixa o GLM-5.3 como o único do par sobre o qual você pode construir um produto, e a diferença de um ponto se torna uma trivialidade sobre dois modelos que você usaria de forma diferente de qualquer maneira.

A única especificação que vale a pena observar é o teto de saída. Ambos os fornecedores anunciam um contexto de 1M de tokens. Nosso catálogo lista o GLM-5.3 com saída máxima de 131,1K; o anúncio da StepFun cita um contexto de 1M e nenhum limite de saída, e uma configuração separada de terceiros que circulou durante o vazamento listava 350.000 de contexto com saída máxima de 64.000. Para um par de modelos vendidos com foco em trabalho agêntico de longo horizonte, esse número decide o que você pode de fato construir e, neste momento, apenas um lado deu essa resposta.