GLM-5.3 a GLM-5.3-Flash: benchmarky, cyber schopnosti, Ox Alpha, open weights a srovnání s Kimi K3, Hy4, Claude a GPT-5.6 Sol

Konec srpna 2026 přinesl dva velmi odlišné modely Z.ai.

GLM-5.3 je velký text-only reasoning model pro long-horizon engineering, coding agents a rychle rostoucí cybersecurity schopnosti. Z.ai jej oznámila 14. srpna a veřejné váhy se na Hugging Face objevily 28. srpna po oznámeném safety evaluation/hardening období.^[1][17]

GLM-5.3-Flash je výrazně levnější, nativně multimodální model s novým pre-trainingem. Má 320B parametrů celkem, 18B aktivních na token, kontext 1M, vstup text/image/video/file a veřejné váhy pod MIT.^[6][8][11]

Před premiérou byl Flash anonymně testován jako:

Ox Alpha

na OpenCode a OpenRouter. Z.ai tvrdí, že se stal nejpopulárnějším modelem týdne a provoz běžel na čínských AI akcelerátorech. Popularita je vendor claim.^[6][7][19]

GLM-5.3 a Flash nejsou jen velká a malá verze stejné sítě.

GLM-5.3:

~753B total podle aktuálních HF/AA metadata
~40B active
text-only
1M context
128K max output
reasoning vždy zapnutý
custom GLM-5.3 License

Flash:

320B total
18B active
native multimodal
1M context
128K max output
sparse + linear attention
MIT

^{[2][6][10][11]}

Launch benchmarky jsou hlavně Z.ai-reported. Agentické výsledky zásadně ovlivňuje harness, tooling, context, timeout a inference budget.

Stav informací: 31. srpna 2026.

TL;DR

Co se stalo v srpnu?

Z.ai oznámila GLM-5.3 14. srpna.^[1]

Model používá stejný base model jako GLM-5.2 a Z.ai říká, že všechny zisky pocházejí z post-trainingu.^[1][15]

API bylo dostupné okamžitě; váhy následovaly po bezpečnostním hodnocení. Hugging Face uváděl 28. srpna a dnes jsou veřejné.^[17][5]

Flash má novou bázi, architekturu a multimodalitu.^[6][8]

GLM-5.3 není jen větší Flash

GLM-5.3 míří na maximální coding kvalitu, terminal tasks, long-horizon agents a cyber reasoning.

Flash na cenu, multimodalitu, inference efficiency, visual coding, office workflow a long context.

Flash je podle Z.ai nově předtrénovaný model.^[6][8]

Parametry GLM-5.3

Původní GLM-5:

744B total
40B active

^[16]

Aktuální HF/AA metadata:

753B total
40B active

^[5][10]

Protože GLM-5.3 používá stejnou bázi jako 5.2, jde zřejmě o rozdíl v počítání/metadata; pro aktuální deployment používáme 753B/40B.^[1][15]

Flash 320B/18B

320B total
18B active
45 layers

^[6][8]

Z.ai pro srovnání uvádí GLM-4.5 355B/32B/92 layers.^[6]

1M kontext, 128K output

Oficiální docs:

1M context
128K max output

u obou.^[2][6]

Velký kontext je užitečný, ale neznamená perfektní paměť.

Text-only vs multimodal

GLM-5.3:

Text → Text

^[2]

Flash:

Text/Image/Video/File → Text

^[6]

Flash je vhodný pro screenshots, GUI, dokumenty a visual coding. Artificial Analysis standardizuje text+image ve svém profilu.^[11]

Sparse + linear attention

Flash kombinuje sparse a linear attention.^[6][8]

Cílem je levnější long-context inference při zachování lokálních i globálních závislostí.

IndexPool

IndexPool komprimuje čtyři cached indexer key vectors do jednoho.^[6]

Z.ai uvádí:

3.01× nižší attention compute
4.44× nižší KV cache

proti GLM-5.3.^[6]

Vendor claim.

mHC

Flash používá Manifold-Constrained Hyper-Connections.^[6][8]

Technika má zlepšit scaling a information flow při nižším aktivním compute.

30T multimodal corpus

Z.ai uvádí 30T-token multimodal pretraining corpus.^[6][8]

Flash tedy dostal nový pre-training, zatímco GLM-5.3 zůstává na GLM-5.2 base.

Ox Alpha

ox-alpha byl anonymní pre-release Flash na OpenCode/OpenRouter.^[6][19]

Z.ai jeho identitu potvrzuje. Tvrzení o popularitě týdne je vendor claim.^[7]

Smysl stealth testu

Anonymita snižuje brand bias, ale usage ovlivňuje cena, promotion, routing a UI. Není to kontrolovaný benchmark.

Post-training leap

Stejná base GLM-5.2, více environments, tasks, compute, verifiers, RL a long-horizon training.^[1][15]

Framework slime propojuje training, rollout a data generation.^[1]

+50% coding

Z.ai claimuje +50% na private Z.ai Code Bench.^[1][2]

GLM-5.3 34.5%, ~75K output tokens
GLM-5.2 23.4%, ~96K

^[1]

Nejde o univerzální 50% improvement.

Veřejné benchmarky

Z.ai:^[3]

Z.ai-reported.

Terminal-Bench 3.0

4.6 → 28.3

^[1][3]

Velký skok, ne 6× inteligence. Setup používá Claude Code, max effort, velký context a až 600 agent turns.^[3]

DeepSWE

GLM 66.9
Kimi 67.5
GPT 72.7

^[3]

GLM výrazně roste, ale nevede.

Terminal-Bench 2.1

GLM 88.2
Kimi 88.3
GPT 88.8
Fable 88.0

^[3]

Prakticky těsná skupina.

Agents' Last Exam

GLM 28.5
GPT 28.6
Kimi 27.6

^[3]

Opět malý rozdíl.

CyberGym

GLM 84.5%
GPT 83.6%
Fable 83.8%
Kimi 80.0%
GLM-5.2 77.2%

^[1][3]

White-box benchmark, ne přímá simulace libovolného live attack.

ExploitBench

GLM 54.4%
GLM-5.2 24.4%
Kimi 32.2%
Opus 40.0%
Fable 78.0%
GPT 76.5%

^[1][3]

GLM skok velký, closed frontier dál vede.

ExploitGym

GLM 105/130
Kimi 36/70
Fable 181/247
GPT 216/293

pro 2h/6h.^[3]

Čas je normalizován podle throughputu modelu.

2 436 nálezů

Z.ai uvádí:

2,436 findings
269 projektů
1,097 critical + high

^[1][2]

Ledger: 53 public, 2,383 embargo, 107 critical, 990 high, 1,286 medium, 53 low.^[1]

Vendor operational data.

Cyber governance

Defenzivně může pomoci s code review, triage, patch analysis, fuzzing a threat modeling.

Nutný sandbox, network isolation, logging, approval gates a minimální credentials.

Flash benchmarky

Z.ai:^[7][8]

Hlavní výhoda: price/performance.

Flash vs Opus 4.8 private benchmark

Flash 29.0
Opus 4.8 29.5

^[6]

Soukromý benchmark Z.ai není důkaz obecné parity.

Artificial Analysis: 60 vs 57

GLM-5.3 max 60
Flash 57

^[10][11][12]

Aktuálně:

GLM ~66.5 token/s, ~1.6s TTFT
Flash ~45–49 token/s, ~1.5s TTFT

^[10][11][20]

Flash tedy neznamená nejvyšší output speed; výhodou je cena a compute.

API ceny

Z.ai:^[9]

GLM: $1.40 input / $0.26 cache / $4.40 output
Flash list: $0.15 / $0.03 / $0.50
Flash promo: $0.075 / $0.015 / $0.25

Promo do 9. září. OpenRouter nabízí oba modely s možnými odlišnostmi provider pricing.^[18][19]

One-tenth price

Flash je listově asi 9.3× levnější na input a 8.8× na output.^[9]

Marketing „zhruba desetina“ je rozumný, task cost závisí na reasoning a tools.

GLM vs Kimi K3

TB2.1 88.2 vs 88.3
DeepSWE 66.9 vs 67.5
TB3.0 28.3 vs 17.4
Automation 48.2 vs 46.7
ExploitBench 54.4 vs 32.2

^[3]

Žádný univerzální vítěz.

GLM vs Hy4

Tencent: 163 expertů, 203 tasks.^[13][14]

Hy4 2.99
Kimi 2.94
GLM 2.92

Hy4 vs GLM 46.8% wins / 12.8 ties / 40.4 losses.^[14]

Interní Tencent workload.

GLM vs GPT-5.6 Sol

TB3.0 28.3 vs 34.6
DeepSWE 66.9 vs 72.7
ExploitBench 54.4 vs 76.5
ExploitGym6h 130 vs 293
HLE+Tools 62.5 vs 64.5

^[3]

GLM vede těsně CyberGym a AutomationBench. Smíšený obraz.

Claude Opus 5?

Z.ai launch table obsahuje především Opus 4.8 a Fable 5, ne Opus 5.^[3]

Nelze z ní tvrdit GLM-5.3 > Claude Opus 5.

Licence

Flash je MIT.^[8][11]

GLM-5.3 má custom license.^[4]

Umožňuje široké komerční použití, ale MaaS subjekt s více než $10B agregovaného revenue za 12 po sobě jdoucích měsíců musí před komerčním použitím projít Z.ai security review.^[4]

Self-hosting

Podpora zahrnuje vLLM, SGLang, Transformers a Docker Model Runner.^[3][8]

GLM repo má přibližně:

756 GB
141 safetensors shards

^[5]

Čínské AI čipy a 3× serving

Z.ai říká, že Flash/Ox Alpha běžel na čínských accelerators.^[6][7]

Uvádí Tensor Parallelism, ReplaySSM, W8A8, hybrid cache, Layer Split a EPD disaggregation a claimuje 3× end-to-end serving performance proti počátečnímu baseline na stejné hardware.^[6][7]

Vendor claim.

Co vybrat?

GLM-5.3 pro maximální GLM coding, terminal agents, text reasoning a security.

Flash pro cenu, vision, dokumenty, video/file, 1M context a MIT.

Ostatní modely, pokud vlastní POC dá lepší:

cost per successful task

POC checklist

Kvalita

• Reálné tasky.
• Stejný harness.
• Test pass rate.
• Task completion.
• Regrese.
• Out-of-scope changes.
• Dlouhé sessions.
• Recovery.
• Tool calling.
• Structured output.

Reasoning

• low, high, max.
• Reasoning nelze vypnout.
• Reasoning tokens.
• Total output.
• Latency.
• max ne vždy.

Long context

• 32K.
• 128K.
• 256K.
• 1M.
• Retrieval accuracy.
• Instruction loss.
• Velké repo.
• Cross-file dependencies.
• KV cache/concurrency.
• 1M není perfektní paměť.

Flash multimodal

• Screenshots.
• Dokumenty.
• Charts.
• OCR-like workflow.
• GUI verification.
• Video.

Security

• Sandbox.
• Network limit.
• Tool logs.
• Approval gates.
• Oddělit secrets.
• Minimum credentials.
• Validovat patch.
• Model není autonomní security autorita.

Licence a provoz

• GLM license.
• MaaS >$10B.
• MIT Flash.
• Data policy.
• Processing region.
• Retention.
• Cache hit.
• Cost per successful task.
• Fallback.
• Cena po promo.

Verdikt POLPROG

GLM-5.3 je významný hlavně post-training skok stejné base jako GLM-5.2.^[1][15]

TB3.0 4.6 → 28.3
DeepSWE 46.2 → 66.9
ExploitBench 24.4 → 54.4

^[1][3]

Flash nabízí 320B/18B, multimodalitu, 1M context, MIT a velmi nízkou cenu. Artificial Analysis mu dává 57 proti 60 GLM-5.3 max.^[10][11][12]

Pro mnoho produktů může být Flash praktičtější.

Rozhodovat by měl vlastní cost per successful task, ne jeden leaderboard.