GPT-6 Sol Pro vs GLM 5.3: Vad en öppenviktslicens faktiskt ger dig

GPT-6 Sol Pro och GLM 5.3 är de två halvorna av en genuin klyvning i hur man köper en resonemangsmodell, och licensen är där klyvningen ligger. GPT-6 Sol – leverantörens modell som konfigurationen gpt-6-sol-pro kör, allmänt tillgänglig sedan den 22 september 2026 för 2,00 USD per miljon indatatoken och 10,00 USD per miljon utdatatoken – är ett slutet API. Du hyr den. GLM 5.3, företagets flaggskepp, som nådde API:et den 18 augusti 2026 och publicerade sina vikter i början av september, kostar 1,26 USD in och 3,96 USD ut per miljon token på vår egen modellsida, och du kan ladda ner den.

Den här artikeln kommer inte att argumentera för att ett av dem är korrekt. Den kommer att vara exakt när det gäller vad nedladdningen faktiskt ger dig, eftersom svaret är snävare än vad diskursen om öppna vikter vanligtvis antyder, och den del som är genuint värdefull är inte den del som folk vanligtvis hänvisar till.

Vad varje prisrad säger

Båda är leverantörslistor – OpenAI:s och Z.ai:s egna siffror, som skickas vidare oförändrade av plattformarna som är värdar för dem.

• Indata — GPT-6 Sol $2,00 per miljon tokens mot GLM 5.3 $1,26 per miljon tokens

• Utdata — GPT-6 Sol $10.00 per miljon tokens mot GLM 5.3 $3.96 per miljon tokens

• Cachad indata – GPT-6 Sol $0.20 per miljon tokens jämfört med GLM 5.3 med 90 % rabatt på dess icke-cachade pris, vilket är samma andel av ett mindre tal

• Cache-skrivning — GPT-6 Sol $2,50 per miljon tokens vid en enda TTL mot GLM 5.3:s cacheskrivningsnivå, vilket är där de två prislistorna slutar vara direkt jämförbara eftersom leverantörerna mäter skrivningar olika

• Prissättning för lång kontext — GPT-6 Sol omprissätter en begäran som överstiger dess indatatroskel till ett högre pris för hela begäran; GLM 5.3:s 1M-tokenfönster debiteras enligt sina standardpriser hela vägen igenom

• Kontextfönster — GPT-6 Sol 1 050 000 tokens vs GLM 5.3 1 000 000 tokens

• Maximal utdata — GPT-6 Sol 128 000 tokens vs. GLM 5.3 128 000 tokens

• Indatamodaliteter — GPT-6 Sol text och bild mot GLM 5.3 endast text

• Vikter — GPT-6 Sol stängda, ingen nedladdning vs GLM 5.3 publicerade på Hugging Face under Z.ai:s egen GLM-5.3-licens

På listpriser är GLM 5.3 ungefär 1,6× billigare på input och 2,5× billigare på output. Det är en verklig skillnad och den är inte avgörande. Raden som förändrar beslut är den sista.

Vad licensen faktiskt säger, och vad den inte säger

Det är här diskussionen om öppna vikter vanligtvis går fel. Påståendet ”det är öppna vikter, så du är skyddad mot leverantörsrisk” är sant i en specifik bemärkelse och falskt i en annan, och skillnaden är värd att reda ut.

Vikterna för GLM 5.3 är publicerade. Licensen är Z.ai:s egen GLM-5.3-licens, inte MIT — den tidigare generationen, GLM-5.2, var MIT, och förändringen är hela historien. Den nya licensen tillåter kommersiell användning och finjustering. Den lägger till ett villkor: en leverantör av modell-som-tjänst med mer än 10 miljarder dollar i intäkter under vilken tolvmånadersperiod som helst måste klara en säkerhetsgranskning från Z.ai innan den erbjuder modellen som tjänst.

Det villkoret berättar vad licensen är till för. Det är inte en begränsning som riktar sig till dig. Den riktar sig till en handfull hyperscalers som annars skulle kunna sälja vidare Z.ai:s arbete som sin egen produkt utan att bidra till det. Om du kör GLM 5.3 i din egen produkt, eller finjusterar det på dina egna data, eller tillhandahåller det till dina egna användare, berör klausulen inte dig.

Vad det innebär är att licensen är ett leverantörskontrollerat dokument snarare än ett oåterkalleligt beviljande. MIT kan inte revideras. En anpassad licens kan revideras för framtida versioner, och villkoren du accepterade för 5.3 är inte ett löfte om vad Z.ai än numrerar som nästa version. Det är en mindre risk än ”leverantören kan avveckla modellen” — vikterna du laddade ner slutar inte fungera — men det är inte ingenting, och ingen jämförelsesida för öppna vikter nämner det.

Den genuint värdefulla delen av nedladdningen är snävare och mer konkret än slagordet: det är att den checkpoint du utvärderade är den checkpoint du serverar, permanent, oavsett vad leverantörens roadmap eller prislista gör härnäst. Det är en reproducerbarhetsgaranti, inte en kostnadsgaranti.

Vad den oberoende dokumentationen visar

Artificial Analysis är den neutrala testram som båda modellerna förekommer i, och den lade om basen för sitt index den 7 september 2026 – bytte ut ett terminalbenchmark mot ett annat och viktade om komponenten för privata uppgifter. Den ombaseringen är anledningen till att den mest citerade GLM 5.3-siffran i omlopp har tagits ur bruk: modellen publicerades vid 60 i det tidigare indexet och visar 45 i det nuvarande, och förändringen är ett byte av testram snarare än ett byte av modell.

På den aktuella resultattavlan får GPT-6 Sol 48 poäng vid maximal insats till $1.06 per indexuppgift. GLM 5.3 får 45 poäng till $2.01 per indexuppgift. Tre punkters indexavstånd är den ärliga sammanfattningen, och det kommer med en ovanlig vändning: i detta par är den billigare modellen den slutna. GPT-6 Sol kostar ungefär hälften så mycket per slutförd uppgift, vilket är motsatsen till antagandet som de flesta jämförelser av öppna vikter utgår från.

Två ytterligare förbehåll bör fogas.

• Rankningen för öppna vikter är ett kategoriresultat, inte ett generellt. GLM 5.3:s placering är lika mycket ett uttalande om fältet nedladdningsbara modeller som om GLM 5.3.

• De flesta av de benchmark-siffror som cirkulerar för GLM 5.3 är Z.ai:s egna. De oberoende siffrorna är indexpoängen och kostnaden per uppgift; siffrorna för Terminal-Bench, DeepSWE och cyberkapacitet på modellkortet är körda av leverantören och bör märkas så när de citeras.

En poäng till GLM:s fördel som siffran per uppgift underskattar: det billigare syskonet. GLM 5.3 Flash är en modell med 320 miljarder parametrar och 18 miljarder aktiva parametrar, MIT-licensierad, till $0.15 in och $0.50 ut per miljon tokens, och den får 42 i samma index till $0.25 per uppgift. Det är en fjärdedel av GPT-6 Sols kostnad per uppgift för sex indexpoäng, och det är modellen i den här jämförelsen som faktiskt ligger på indexets kostnadseffektivitetsfront.

Kostnadsargumentet för egen hosting är svagare än kostnadsargumentet mot den.

Det är frestande att rama in nedladdningen som en kostnadsfråga. Med $1,26 och $3,96 per miljon tokens är API:et redan tillräckligt billigt för att en mixture-of-experts-modell med 753 miljarder parametrar inte uppenbart är billigare att köra själv — och GLM 5.3 är en 753B MoE, vilket inte är en distribution på en enda GPU under något kvantiseringsschema som bevarar dess beteende. Brytpunkten är en fråga om utnyttjandegrad, och för de flesta team är det ärliga svaret att den aldrig infinner sig.

Anledningen att välja nedladdningen är den som licensavsnittet antyder: kontroll över var inferensen sker. Att hosta själv besvarar en fråga om datalokalisering genom var du kör modellen snarare än genom vad en leverantörs avtal säger, och för reglerade arbetsbelastningar är det den enda versionen av svaret som håller. Det möjliggör också finjustering på proprietär data utan att någon data lämnar din infrastruktur, vilket ett slutet API inte erbjuder till något pris.

Om inget av dessa gäller dig är API:et rätt val och licensen är irrelevant. Det är en legitim slutsats, och det är den de flesta team bör komma fram till.

Där ett routningslager ändrar matematiken

GLM 5.3 finns i OrcaRouters katalog till 1,26 USD för input och 3,96 USD för output per miljon tokens, med ett kontextfönster på 1 000 000 tokens, en utdatagräns på 128 000 tokens, en p50-tid till första token på 3,99 sekunder mätt på vår egen modellsida. Leverantörens listpriser förs vidare med inget påslag ovanpå, så en prisändring från Z.ai slår igenom hos oss samma dag som den slår igenom hos dem.

GPT-6 Sol är inte en av våra rutter, så inget här är ett påstående om dess pris via oss.

Anledningen till att en enda slutpunkt spelar roll i just den här specifika jämförelsen är att de två modellerna inte är så mycket substitut som nivåer. GLM 5.3 är endast för text; GPT-6 Sol tar bilder. GLM 5.3 är nedladdningsbar; GPT-6 Sol är det inte. Inget av detta är ett prisbeslut, och inget av dem avgörs av ett benchmark. Vad ett team faktiskt vill ha här är en nyckel som kan nå den billiga textmodellen för volymen och en annan modell för de anrop som behöver vision, utan ett andra kontrakt, ett andra SDK och en andra uppsättning hastighetsbegränsningar. Det är ett routingproblem, och beteendet vid redundans spelar roll av samma anledning som alltid – den billiga nivån som din pipeline är beroende av bör inte vara den nivå som slår ut hela pipelinen.

Beslutsregeln

• Storskaligt textarbete på en känd kvalitetsnivå — GLM 5.3. Tre indexpunkter under GPT-6 Sol vid ungefär 40 % av utdatahastigheten, med samma kontextfönster och samma utdatatak.

• Allt som behöver läsa en bild – GPT-6 Sol, eller ingendera av dessa. GLM 5.3 tar inte emot bilder i API:et, och ingen prisfördel överlever en modalitet som du inte kan använda.

• Reglerade data, eller en arbetsbelastning du måste kunna återskapa om två år — GLM 5.3, självhostad från den publicerade checkpointen. Inte för att det är billigare, utan för att checkpointen är fast och frågan om dataresidens besvaras av din egen infrastruktur.

• Finjustering på proprietär data — GLM 5.3. Ett slutet API erbjuder ingen motsvarighet oavsett pris.

• Ett team utan krav på hemvist och utan finjusteringsplan — GPT-6 Sol, och behandla licensen som en icke-fråga. Det är en genuin icke-fråga för er, och att låtsas något annat är hur argument för öppna vikter förlorar trovärdighet.

Licensen är inte en kostnadshävstång. Den är en styrhävstång, och den är värd exakt lika mycket som kontrollen är värd för dig — vilket för vissa team är hela beslutet och för andra inte är någonting alls.