GLM-5.3 en GLM-5.3-Flash: benchmarks, cybercapaciteiten, Ox Alpha, open weights en vergelijking met Kimi K3, Hy4, Claude en GPT-5.6 Sol

Eind augustus 2026 bracht Z.ai twee zeer verschillende modellen uit dezelfde generatie.

GLM-5.3 is het grote text-only reasoningmodel voor long-horizon engineering, coding agents en sterk verbeterde cybersecuritycapaciteiten. Z.ai kondigde het model op 14 augustus aan; de publieke weights kwamen op 28 augustus beschikbaar na de aangekondigde safety evaluation en hardening.^[1][17]

GLM-5.3-Flash is veel goedkoper, native multimodaal en op een nieuwe basis getraind. Het model heeft 320B totale parameters, 18B actief per token, 1M context, text/image/video/file input en publieke weights onder MIT.^[6][8][11]

Voor de officiële release werd Flash anoniem getest als:

Ox Alpha

op OpenCode en OpenRouter. Z.ai zegt dat het snel het populairste model van de week werd en op Chinese AI-accelerators werd geserveerd; die populariteitsclaim is vendor-reported.^[6][7][19]

De twee modellen zijn niet simpelweg een grote en kleine versie van hetzelfde netwerk.

GLM-5.3:

~753B total volgens actuele HF/AA metadata
~40B actief
text-only
1M context
128K max output
reasoning altijd aan
custom GLM-5.3 License

Flash:

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

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

Launchbenchmarks zijn voornamelijk Z.ai-reported. Bij agents hebben harness, tools, context, timeout en inferencebudget grote invloed.

Informatiestatus: 31 augustus 2026.

TL;DR

Wat gebeurde er in augustus?

Z.ai kondigde GLM-5.3 op 14 augustus aan.^[1]

Opvallend: dezelfde base model als GLM-5.2. Volgens Z.ai komt alle winst uit post-training.^[1][15]

De API was meteen beschikbaar; weights volgden na extra safety checks. Hugging Face markeerde 28 augustus als releasepunt en de weights zijn nu publiek.^[17][5]

Flash gebruikt daarentegen een nieuwe basis, nieuwe architectuur en native multimodaliteit.^[6][8]

GLM-5.3 is niet simpelweg een grotere Flash

GLM-5.3 richt zich op maximale codingkwaliteit, terminalwerk, long-horizon agents en cyber reasoning.

Flash richt zich op lagere kosten, multimodaliteit, inference-efficiency, visual coding, office workflows en lang context.

Volgens Z.ai is Flash vanaf een nieuwe base getraind.^[6][8]

Hoeveel parameters heeft GLM-5.3?

De oorspronkelijke GLM-5-architectuur werd beschreven als:

744B total
40B active

^[16]

Actuele HF/Artificial Analysis metadata:

753B total
40B active

^[5][10]

Omdat GLM-5.3 dezelfde basis als GLM-5.2 gebruikt, behandelen we 744B vs 753B als tel-/implementatieverschil en gebruiken we 753B/40B voor actuele deployments.^[1][15]

Flash: 320B total, 18B actief

Z.ai:

320B total
18B active
45 layers

^[6][8]

Ter vergelijking: GLM-4.5 355B total, 32B active en 92 layers.^[6]

1M context en 128K output

Z.ai docs geven beide modellen:

1M context
128K maximum output

^[2][6]

Dat helpt bij grote repositories en lange agentsessies. Maar 1M context is geen perfecte 1M-token memory; retrieval moet praktisch worden getest.

Text-only versus multimodaal

GLM-5.3:

Input: Text
Output: Text

^[2]

Flash:

Input: Text, Image, Video, File
Output: Text

^[6]

Flash is dus geschikter voor screenshots, GUI's, documenten, PDF's, slides en visual coding. Artificial Analysis standaardiseert zijn eigen profiel momenteel op text+image.^[11]

Sparse + linear attention

Flash combineert sparse attention en linear attention.^[6][8]

Linear attention verwerkt meer lokale dependencies via state modeling; sparse attention haalt relevante globale context op.

Doel: lagere inferencekosten bij lange context.

IndexPool

Flash introduceert:

IndexPool

^[6]

Vier gecachte indexer-key-vectors worden naar één vector gepoold.

Z.ai claimt versus GLM-5.3:

3.01× minder attention compute
4.44× minder KV cache

^[6]

Vendor-reported, niet onafhankelijk gerepliceerd.

mHC

Flash gebruikt:

Manifold-Constrained Hyper-Connections

^[6][8]

Dit moet information flow en scaling efficiency verbeteren zodat 18B actieve parameters veel capaciteit behouden.

30T multimodale pretrainingtokens

Z.ai noemt:

30T-token multimodal corpus

^[6][8]

GLM-5.3 behoudt de GLM-5.2-basis en verbetert via post-training; Flash krijgt nieuwe pretraining.

Ox Alpha was Flash

Voor de officiële naam draaide:

ox-alpha

op OpenCode en OpenRouter.^[6][19]

Z.ai bevestigt dat dit GLM-5.3-Flash was. “Populairste model van de week” blijft een vendor claim.^[7]

Waarom is de stealthtest interessant?

Een anonieme naam vermindert merkbias.

Maar gebruik hangt ook af van prijs, promotie, routing, UI en beschikbaarheid. Het is dus een adoption-signal, geen gecontroleerde kwaliteitstest.

De sprong komt uit post-training

GLM-5.3 houdt dezelfde base als GLM-5.2.^[1][15]

Z.ai schaalde environments, task diversity, post-training compute, long-horizon tasks, verifiers, reinforcement learning en automatische environment generation.

Het open-source framework slime verbindt training, rollout en data generation.^[1]

Wat betekent +50% coding?

Z.ai claimt:

+50% vs GLM-5.2

^[1][2]

Dit verwijst naar private Z.ai Code Bench.

Max effort:

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

^[1]

Niet 50% beter op iedere programmeertaak.

Publieke benchmarks

Z.ai:^[3]

Allemaal Z.ai-reported.

Terminal-Bench 3.0

4.6 → 28.3

van GLM-5.2 naar 5.3.^[1][3]

Dat is geen “6× intelligenter”. De harness gebruikt onder andere Claude Code 2.1.207, max effort, grote context en tot 600 agent turns.^[3]

DeepSWE

GLM-5.3 66.9
Kimi K3 67.5
GPT-5.6 Sol 72.7

^[3]

Grote verbetering, maar geen eerste plaats.

Terminal-Bench 2.1

GLM 88.2
Kimi 88.3
GPT 88.8
Fable 88.0

^[3]

Vrijwel gelijk.

Agents' Last Exam

GLM 28.5
GPT 28.6
Kimi 27.6

^[3]

Opnieuw kleine verschillen.

CyberGym

GLM-5.3 84.5%
GPT-5.6 Sol 83.6%
Fable 5 83.8%
Kimi K3 80.0%
GLM-5.2 77.2%

^[1][3]

CyberGym start met white-box source code. Het is geen directe simulatie van willekeurige live attacks.

ExploitBench

GLM-5.3 54.4%
GLM-5.2 24.4%
Kimi K3 32.2%
Opus 4.8 40.0%
Fable 5 78.0%
GPT-5.6 Sol 76.5%

^[1][3]

GLM springt sterk, closed frontier blijft hoger.

ExploitGym

2h/6h completed tasks:

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

^[3]

Z.ai normaliseert tijd op model-throughput. Het is dus een specifieke methodologie.

2.436 vulnerability findings

Z.ai rapporteert:

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

^[1][2]

Ledger:

53 publiek
2,383 embargo
107 critical
990 high
1,286 medium
53 low

^[1]

Dit zijn vendor operational data, geen onafhankelijk CVE-register.

Cybercapaciteit vraagt governance

Defensieve toepassingen: secure code review, triage, controlled reproduction, SAST augmentation, patch analysis, fuzzing en threat modeling.

Gebruik sandboxing, network isolation, logging, approval gates en minimale credentials.

Flash-benchmarks

Z.ai:^[7][8]

De kern is de kwaliteit/prijs-verhouding.

Flash vs Opus 4.8 op private Code Bench

Flash 29.0
Opus 4.8 29.5

^[6]

Private vendorbenchmark, dus geen bewijs van algemene gelijkwaardigheid.

Artificial Analysis: 60 vs 57

GLM-5.3 max 60
Flash 57

^[10][11][12]

First-party API-metingen:

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

^[10][11][20]

Flash betekent dus niet automatisch hogere tokens/s; voordeel zit vooral in kosten, active compute en multimodaliteit.

API-prijzen

Z.ai:^[9]

GLM-5.3:
$1.40 input
$0.26 cached
$4.40 output

Flash list:
$0.15 / $0.03 / $0.50

Flash promo t/m 9 september:
$0.075 / $0.015 / $0.25

per 1M tokens.

OpenRouter biedt beide modellen ook aan en kan andere pricing/routing hebben.^[18][19]

“One-tenth the price”

Flash is op list price ongeveer:

9.3× goedkoper input
8.8× goedkoper output

^[9]

“Ongeveer een tiende” is dus redelijk. End-to-end task cost hangt ook af van reasoning en tool calls.

GLM-5.3 vs Kimi K3

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

^[3]

Geen universele winnaar.

GLM-5.3 vs Hy4

Tencent: 163 experts, 203 engineeringtasks.^[13][14]

Hy4 2.99
Kimi 2.94
GLM 2.92

Hy4 vs GLM:

46.8% wins
12.8% ties
40.4% losses

^[14]

Tencent-interne evaluatie, geen universele ranglijst.

GLM-5.3 vs GPT-5.6 Sol

Z.ai:^[3]

TB3.0 28.3 vs 34.6
DeepSWE 66.9 vs 72.7
ExploitBench 54.4 vs 76.5
ExploitGym 6h 130 vs 293
HLE+Tools 62.5 vs 64.5

GLM is iets hoger op CyberGym en AutomationBench. Gemengd beeld.

En Claude Opus 5?

De launchtabel vergelijkt vooral Opus 4.8 en Fable 5, niet Opus 5.^[3]

Dus er is geen basis voor:

GLM-5.3 > Claude Opus 5

Open weights en licenties

Flash:

MIT

^[8][11]

GLM-5.3:

custom GLM-5.3 License

^[4]

De licentie geeft brede commerciële rechten, maar MaaS-operators met meer dan $10B aggregate revenue in 12 opeenvolgende maanden moeten vóór commercieel gebruik een Z.ai security review passeren.^[4]

Self-hosting

Officiële routes:

vLLM
SGLang
Transformers
Docker Model Runner

en andere frameworks.^[3][8]

GLM-5.3 repo:

~756 GB
141 safetensors shards

^[5]

Flash is compute-efficiënter maar nog steeds groot.

Chinese AI-chips en 3× serving

Z.ai zegt dat Flash/Ox Alpha op Chinese accelerators draaide.^[6][7]

Technieken:

Tensor Parallelism
ReplaySSM
W8A8
INT8/FP8/BF16 cache
Layer Split
Encode–Prefill–Decode disaggregation

Vendor claim:

3× end-to-end serving
vs initial baseline op dezelfde hardware

^[6][7]

Onafhankelijke validatie blijft nodig.

Welk model kiezen?

GLM-5.3 voor maximale GLM-codingkwaliteit, terminal agents, text reasoning en security analysis.

Flash voor kosten, vision, screenshots, documenten, video/file, 1M context en MIT.

Andere modellen wanneer de eigen POC een betere:

cost per successful task

oplevert.

POC-checklist

Kwaliteit

• Echte interne taken.
• Zelfde harness.
• Test pass rate.
• Task completion.
• Regressies.
• Out-of-scope changes.
• Lange sessies.
• Recovery.
• Tool calling.
• Structured output.

Reasoning

• low, high, max vergelijken.
• Reasoning kan niet uit.
• Reasoning tokens meten.
• Total output meten.
• End-to-end latency meten.
• max niet overal gebruiken.

Long context

• 32K testen.
• 128K testen.
• 256K testen.
• 1M testen.
• Retrieval accuracy.
• Instruction loss.
• Grote repos.
• Cross-file dependencies.
• KV cache/concurrency.
• 1M is geen perfect geheugen.

Flash multimodal

• Screenshots.
• Documenten.
• Charts.
• OCR-like workflows.
• GUI verification.
• Video.

Security

• Sandbox cyber.
• Network beperken.
• Tool calls loggen.
• Approval gates.
• Production secrets scheiden.
• Credentials minimaliseren.
• Patches valideren.
• Model niet als autonome securityautoriteit gebruiken.

Licentie en operations

• GLM-5.3 License lezen.
• MaaS >$10B-clausule controleren.
• MIT Flash controleren.
• Provider data policy.
• Processing region.
• Retention.
• Cache hit rate.
• Cost per successful task.
• Fallback model.
• Flashprijs na promo monitoren.

POLPROG-oordeel

GLM-5.3 is vooral interessant omdat dezelfde GLM-5.2-basis via post-training veel verder is gebracht.^[1][15]

Terminal-Bench 3.0: 4.6 → 28.3
DeepSWE: 46.2 → 66.9
ExploitBench: 24.4 → 54.4

^[1][3]

Flash kiest:

320B total
18B active
multimodal
1M context
MIT
lage API-prijs

en scoort onafhankelijk 57 bij Artificial Analysis versus 60 voor GLM-5.3 max.^[10][11][12]

Voor veel producten kan Flash daardoor interessanter zijn dan het flagship.

De juiste vraag is:

welk model levert de beste cost per successful task met voldoende kwaliteit, veiligheid en latency?