GPT-6 Luna vs GLM-5.3: Modellen med öppna vikter som du fortfarande inte kan ladda ner

GLM-5.3 är den bättre modellen. Den får 45 på Artificial Analysis Intelligence Index vid maximal ansträngning mot GPT-6 Lunas 37, den matchar Mythos 5 i utvalda cybersäkerhetsutvärderingar enligt Z.ai, och den är den ledande modellen med öppna vikter på flera av de sammansatta listorna. Just nu är den dessutom ett API du hyr snarare än en modell du äger: Z.ai sköt upp släppet av vikterna med ungefär två veckor på grund av cybersäkerhetsbekymmer, och nedladdningen som ska vara hela poängen med ett flaggskepp med öppna vikter finns inte där ännu.

Den fördröjningen är historien bakom den här matchen, och den förändrar kalkylen på ett sätt som pristabellerna missar. GPT-6 Luna kom den 22 september 2026 till $0,10 per miljon indatatokens och $0,50 per miljon utdatatokens, allmänt tillgänglig, utan villkor. GLM-5.3 kom den 18 augusti 2026 till $1,40 och $4,40 — fjorton gånger Lunas indatapris och nästan nio gånger dess utdatapris — med sina vikter tillbakahållna. Så jämförelsen är inte öppen mot stängd. Det är en sluten modell du kan anropa i dag till en tiondel av kostnaden mot en öppen modell du bara kan anropa i dag, prissatt som om du köpte det du ännu inte kan få.

Två modeller, en månad isär, två väldigt olika affärer

GPT-6 Luna är den lilla nivån i OpenAI:s GPT-6-generation och släpptes tillsammans med GPT-6 Sol för $2,00/$10,00 och under flaggskeppet GPT-6 Astra för $10,00/$50,00. Den har ett kontextfönster på 1 050 000 token, en utdatagräns på 128 000 token, text- och bildinmatning samt en resonemangsstege som går från none via low, medium, high, xhigh och max – med medium som standard. OpenAI kallar den den mest effektiva modellen i familjen för fokuserat arbete med hög volym, och prislistan bekräftar det: cachad indata för $0,01 per miljon är en tiondel av ett redan lågt ocachat pris.

GLM-5.3 är Z.ais nuvarande flaggskepp för komplex mjukvaruutveckling och långsiktigt agentbaserat arbete, släppt den 18 augusti 2026. Den är text in, text ut, har ett kontextfönster på 1 miljon token med en utdatagräns på 128 000 token och resonerar alltid – det finns inget icke-resonerande läge. Z.ai beskriver en förbättring på ungefär 50 % av kodningsupplevelsen jämfört med GLM-5.2 och positionerar den för kodning i reposkala och autonomt flerstegsutvecklande. Vikterna, när de väl kommer, blir huvudnyheten; i dag är det API:et som är live.

Vad de två prislistorna faktiskt säger

En rad per dimension, båda sidorna på varje:

• Indata per 1M — GPT-6 Luna $0.10 mot GLM-5.3 $1.40

• Utdata per 1M — GPT-6 Luna $0.50 mot GLM-5.3 $4.40

• Cachad indata — GPT-6 Luna $0,01 per 1M vs GLM-5.3 $0,26 per 1M, en rabatt på 81 % på dess eget indatapris

• AA Intelligence Index — GPT-6 Luna 37 vid maximal ansträngning vs GLM-5.3 45 vid maximal ansträngning

• Poäng för standardansträngning — GPT-6 Luna 29 vid sin standardinställning medium jämfört med GLM-5.3:s alltid påslagna resonemang, mätt vid max

• Utdatatoken i indexkörningen — GPT-6 Luna 150M vs GLM-5.3 210M, mot resultattavlans median på 140M

• Kostnad för att köra indexet — GPT-6 Luna 122,39 $ mot GLM-5.3 2 503,48 $

• Kostnad per indexeringsuppgift — GPT-6 Luna cirka 0,07 USD mot GLM-5.3 cirka 0,68 USD

• Kontext och output — GPT-6 Luna 1 050 000 in / 128 000 out vs GLM-5.3 1M in / 128 000 out

• Långkontextklausul — GPT-6 Luna: 2x indata och cache, 1,5x utdata över 272K indata, hela begäran, mot GLM-5.3 som inte har någon motsvarande klausul på det publicerade kortet

• Omkopplare för att stänga av resonemang — GPT-6 Luna: från ingen till max mot GLM-5.3 alltid på, inget läge utan resonemang

• Vikter — GPT-6 Luna stängd, endast API vs GLM-5.3 öppen enligt åtagande, lansering försenad

Mångordighetsskatten är talet som avgör detta

Indexgapet på åtta punkter är verkligt och prisskillnaden är större, och ingen av dem är den siffra som betyder mest. Den siffra som betyder mest är utdatatokens per slutförd uppgift, för det är där ett kapacitetsövertag på åtta punkter antingen betalar sig eller inte.

Artificial Analysis indexkörning är den renaste kontrollerade jämförelsen som finns: samma svit, samma testramverk, körd mot båda modellerna. GLM-5.3 genererade 210 miljoner utdatatokens när den slutförde den. GPT-6 Luna genererade 150 miljoner. Jämfört med resultattavlans median på 140 miljoner är båda pratsamma — GLM-5.3 med hälften igen över medianen, GPT-6 Luna med ungefär en tiondel. Men skillnadens riktning förstärks till Z.ai:s modells nackdel när det gäller pris: den avger 40 % fler tokens och tar 8,8 gånger så mycket betalt för var och en.

Slår man ihop de två landar kostnaden per slutförd indexuppgift på cirka $0,68 för GLM-5.3 mot cirka $0,07 för GPT-6 Luna – en skillnad på ungefär tio gånger, större än det råa prislisteförhållandet, eftersom den dyrare modellen också är den mer mångordiga. Det är den ärliga bilden av den här kombinationen. GLM-5.3 ger dig åtta indexpoäng för tio gånger pengarna per slutfört jobb, och huruvida det är ett bra köp beror helt och hållet på om din arbetsbelastning är en där åtta poäng är skillnaden mellan att fungera och inte.

För en stor del av produktionstrafiken är det inte. För en kodande agent som arbetar i ett repo vid gränsen för vad modellen kan göra, är det ofta det, och ingen prisfördel, oavsett hur stor, överbryggar ett kapacitetsgap på en uppgift som misslyckas.

Varför de öppna vikterna ändrar svaret, och varför fördröjningen ändrar det tillbaka

Standardargumentet för ett flaggskepp med öppna vikter är att priset per token är tillfälligt. Man hyr tills ens volym motiverar ett köp, sedan laddar man ner modellen och marginalkostnaden för en token blir el. Enligt det argumentet är GLM-5.3:s $1,40/$4,40 egentligen inte fjorton gånger GPT-6 Lunas $0,10 — det är ett bropris på väg mot noll, och den slutna modellens billigare taxa är en hyra utan utväg.

Det argumentet är korrekt, och det är för närvarande vilandeställt. Z.ai höll tillbaka vikterna i ungefär två veckor på grund av cybersäkerhetsfynd, vilket innebär att den utträdesväg som motiverar premien ännu inte finns. Tills den gör det är GLM-5.3 ett mätarbaserat API med tio gånger kostnaden per uppgift jämfört med en modell som ligger fyra indexpoäng bakom det på den allmänna resultattavlan och en poäng bakom på kodningsresultattavlan – och köparen betalar priser för öppna vikter för åtkomst till stängda vikter.

Det finns en andra ordningens poäng som är värd att nämna. Fördröjningen är inte en skandal; det är en leverantör som tar ett fynd om kapacitet på allvar, och en modell som är bra på att hitta sårbarheter är precis den typ av modell som ett labb bör vara försiktigt med att släppa som en nedladdningsbar fil. Men det innebär att släppdatumet för vikterna nu är det enskilt viktigaste datumet i den här jämförelsen, och det är inte publicerat. Ett team som väljer mellan dessa två modeller på en tolv månaders horisont väljer mellan en modell vars villkor kan ändras nästa månad och en modell vars villkor inte kan ändras — och bara en av dem är prissatt därefter.

Migreringsytan är liten

Båda modellerna exponerar ett OpenAI-kompatibelt chat completions-gränssnitt, båda har ett kontextfönster i 1M-klassen och båda begränsar utdata till 128 000 token, så en port mellan dem är närmare en konfigurationsändring än en omskrivning. De skillnader som verkligen kommer att ställa till problem är beteendemässiga snarare än strukturella.

GPT-6 Lunas klausul för lång kontext är den dyra: förfrågningar över 272 000 indatatoken debiteras till dubbla indata- och cachepriserna och 1,5 gånger utdatapriset för hela förfrågan, så ett anrop på 300 000 token kostar dubbelt så mycket som samma arbete delat i två. GLM-5.3:s publicerade modellkort innehåller ingen motsvarande klausul, vilket vid riktigt stora enskilda förfrågningar minskar prisskillnaden avsevärt och kan vända den vid ett utdatatungt jobb.

Resonemangskonfigurationen drar i motsatt riktning. GLM-5.3 resonerar alltid på och ger dig inget sätt att stänga av det, vilket är en hård begränsning för allt latenskänsligt – en klassificerare eller en router kan inte använda den. GPT-6 Luna erbjuder none, low, medium, high, xhigh och max, och standardvärdet är medium, där den får 29 i stället för 37. Just den parametern är skillnaden mellan att GPT-6 Luna ligger åtta indexpunkter efter Z.ai:s modell och att ligga sexton efter, och ett team som migrerar utan att ställa in den uttryckligen kör den andra konfigurationen medan de tror att de köpte den första.

GLM-5.3 finns på OrcaRouter till Z.ai:s listpris, med genomströmningsprissättning som lägger en leverantörsprisändring på vår sida samma dag i stället för att vänta på att en återförsäljare omförhandlar — vilket spelar större roll än vanligt för en modell vars huvudsiffra förväntas röra sig när vikterna landar. GPT-6 Luna finns inte i vår katalog i skrivande stund och nås via OpenAIs eget API. Ett team som kör båda, vilket är den rationella uppsättningen här med tanke på hur olika de två är i ytterkanterna, kör en nyckel för GLM-5.3 tillsammans med vad det än redan använder för OpenAI, och flyttar trafik mellan en klassificerare för fem cent och en kodagent i reposkala genom att ändra en rutt i stället för en driftsättning.

Samtalet

Välj GPT-6 Luna för allt som konsumeras av program och har hög volym. Klassificering, extrahering, routning, bulksammanfattning, en agents inre loop. Till $0,10/$0,50, med cachad indata för en cent och Batch till halva standardpriset, är den en storleksordning billigare per slutförd uppgift än GLM-5.3, och gapet på åtta punkter i indexet kommer inte att synas i din utvärdering. Ange parametern effort uttryckligen och håll dina långa anrop under 272 000 tokens.

Ta GLM-5.3 när uppgiften är den svåra och svaret betyder mer än fakturan. Programvaruutveckling i reposkala, autonomt flerstegsarbete, allt där åtta indexpoäng är skillnaden mellan att en uppgift slutförs och att en uppgift misslyckas. Mångordigheten är en verklig börda och den tiofaldiga uppgiftskostnaden är verklig, men en modell som blir klar är billigare än en modell som måste köras om.

Och håll koll på vikterna. Dagen då Z.ai publicerar nedladdningen av GLM-5.3 är dagen då jämförelsens centrala faktum förändras, och det är det enda datumet på den här sidan som ännu inte finns i kalendern.