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

Koniec augusta 2026 priniesol dva veľmi odlišné modely Z.ai.

GLM-5.3 je veľký text-only reasoning model pre long-horizon engineering, coding agents a rýchlo rastúce cybersecurity schopnosti. Z.ai ho oznámila 14. augusta a verejné váhy sa na Hugging Face objavili 28. augusta po oznámenom safety evaluation/hardening období.^[1][17]

GLM-5.3-Flash je výrazne lacnejší, natívne multimodálny model s novým pre-trainingom. Má 320B parametrov celkom, 18B aktívnych na token, kontext 1M, vstup text/image/video/file a verejné váhy pod MIT.^[6][8][11]

Pred premiérou bol Flash anonymne testovaný ako:

Ox Alpha

na OpenCode a OpenRouter. Z.ai tvrdí, že sa stal najpopulárnejším modelom týždňa a prevádzka bežala na čínskych AI akcelerátoroch. Popularita je vendor claim.^[6][7][19]

GLM-5.3 a Flash nie sú len veľká a malá verzia tej istej siete.

GLM-5.3:

~753B total podľa aktuálnych 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 sú prevažne Z.ai-reported. Agentické výsledky výrazne ovplyvňuje harness, tooling, context, timeout a inference budget.

Stav informácií: 31. augusta 2026.

TL;DR

Čo sa stalo v auguste?

Z.ai oznámila GLM-5.3 14. augusta.^[1]

Model používa rovnaký base model ako GLM-5.2 a Z.ai hovorí, že všetky zisky pochádzajú z post-trainingu.^[1][15]

API bolo dostupné okamžite; váhy nasledovali po dodatočnom safety hodnotení. Hugging Face uvádzal 28. augusta a dnes sú verejné.^[17][5]

Flash má novú bázu, architektúru a multimodalitu.^[6][8]

GLM-5.3 nie je len väčší Flash

GLM-5.3 cieli na maximálnu 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 podľa Z.ai novo predtrénovaný model.^[6][8]

Parametre GLM-5.3

Pôvodný GLM-5:

744B total
40B active

^[16]

Aktuálne HF/AA metadata:

753B total
40B active

^[5][10]

Keďže GLM-5.3 používa rovnakú bázu ako 5.2, 744B vs 753B berieme ako rozdiel v počítaní/metadata; pre aktuálny deployment používame 753B/40B.^[1][15]

Flash 320B/18B

320B total
18B active
45 layers

^[6][8]

Z.ai pre porovnanie uvádza GLM-4.5 355B/32B/92 layers.^[6]

1M kontext, 128K output

Oficiálne docs:

1M context
128K max output

u oboch.^[2][6]

Veľký kontext je užitočný, ale neznamená perfektnú pamäť.

Text-only vs multimodal

GLM-5.3:

Text → Text

^[2]

Flash:

Text/Image/Video/File → Text

^[6]

Flash je vhodný pre screenshots, GUI, dokumenty a visual coding. Artificial Analysis štandardizuje text+image vo svojom profile.^[11]

Sparse + linear attention

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

Cieľom je lacnejší long-context inference pri zachovaní lokálnych aj globálnych väzieb.

IndexPool

IndexPool komprimuje štyri cached indexer key vectors do jedného.^[6]

Z.ai uvádza:

3.01× nižší attention compute
4.44× nižší KV cache

oproti GLM-5.3.^[6]

Vendor claim.

mHC

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

Technika má zlepšiť scaling a information flow pri nižšom active compute.

30T multimodal corpus

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

Flash teda dostal nový pre-training, kým GLM-5.3 zostáva na GLM-5.2 base.

Ox Alpha

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

Z.ai jeho identitu potvrdzuje. Tvrdenie o popularite týždňa je vendor claim.^[7]

Zmysel stealth testu

Anonymita znižuje brand bias, ale usage ovplyvňuje cena, promotion, routing a UI. Nie je to kontrolovaný benchmark.

Post-training leap

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

Framework slime prepája 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]

Nie je to univerzálny 50% improvement.

Verejné benchmarky

Z.ai:^[3]

Z.ai-reported.

Terminal-Bench 3.0

4.6 → 28.3

^[1][3]

Veľký skok, nie 6× inteligencia. Setup používa Claude Code, max effort, veľký context a až 600 agent turns.^[3]

DeepSWE

GLM 66.9
Kimi 67.5
GPT 72.7

^[3]

GLM výrazne rastie, ale nevedie.

Terminal-Bench 2.1

GLM 88.2
Kimi 88.3
GPT 88.8
Fable 88.0

^[3]

Prakticky tesná skupina.

Agents' Last Exam

GLM 28.5
GPT 28.6
Kimi 27.6

^[3]

Opäť malý rozdiel.

CyberGym

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

^[1][3]

White-box benchmark, nie priama simulácia ľubovoľného 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 veľký, closed frontier ďalej vedie.

ExploitGym

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

pre 2h/6h.^[3]

Čas je normalizovaný podľa throughputu modelu.

2 436 nálezov

Z.ai uvádza:

2,436 findings
269 projektov
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

Defenzívne môže pomôcť s code review, triage, patch analysis, fuzzing a threat modeling.

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

Flash benchmarky

Z.ai:^[7][8]

Hlavná výhoda: price/performance.

Flash vs Opus 4.8 private benchmark

Flash 29.0
Opus 4.8 29.5

^[6]

Súkromný Z.ai benchmark nie je dôkaz všeobecnej parity.

Artificial Analysis: 60 vs 57

GLM-5.3 max 60
Flash 57

^[10][11][12]

Aktuálne:

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

^[10][11][20]

Flash teda neznamená najvyšší 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. septembra. OpenRouter ponúka oba modely s možnými odlišnosťami provider pricing.^[18][19]

One-tenth price

Flash je listovo asi 9.3× lacnejší na input a 8.8× na output.^[9]

Marketing „zhruba desatina“ je rozumný, task cost závisí od 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]

Žiadny univerzálny víťaz.

GLM vs Hy4

Tencent: 163 expertov, 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]

Interný 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 vedie tesne CyberGym a AutomationBench. Zmiešaný obraz.

Claude Opus 5?

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

Nemožno z nej tvrdiť GLM-5.3 > Claude Opus 5.

Licencie

Flash je MIT.^[8][11]

GLM-5.3 má custom license.^[4]

Umožňuje široké komerčné použitie, ale MaaS subjekt s viac než $10B agregovaného revenue za 12 po sebe idúcich mesiacov musí pred komerčným použitím prejsť Z.ai security review.^[4]

Self-hosting

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

GLM repo má približne:

756 GB
141 safetensors shards

^[5]

Čínske AI čipy a 3× serving

Z.ai hovorí, že Flash/Ox Alpha bežal na čínskych accelerators.^[6][7]

Uvádza Tensor Parallelism, ReplaySSM, W8A8, hybrid cache, Layer Split a EPD disaggregation a claimuje 3× end-to-end serving performance oproti počiatočnému baseline na rovnakom hardware.^[6][7]

Vendor claim.

Čo vybrať?

GLM-5.3 pre maximálny GLM coding, terminal agents, text reasoning a security.

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

Ostatné modely, ak vlastný POC dá lepší:

cost per successful task

POC checklist

Kvalita

• Reálne tasky.
• Rovnaký harness.
• Test pass rate.
• Task completion.
• Regresie.
• Out-of-scope changes.
• Dlhé sessions.
• Recovery.
• Tool calling.
• Structured output.

Reasoning

• low, high, max.
• Reasoning nemožno vypnúť.
• Reasoning tokens.
• Total output.
• Latency.
• max nie vždy.

Long context

• 32K.
• 128K.
• 256K.
• 1M.
• Retrieval accuracy.
• Instruction loss.
• Veľké repo.
• Cross-file dependencies.
• KV cache/concurrency.
• 1M nie je perfektná pamäť.

Flash multimodal

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

Security

• Sandbox.
• Network limit.
• Tool logs.
• Approval gates.
• Oddeliť secrets.
• Minimum credentials.
• Validovať patch.
• Model nie je autonómna security autorita.

Licencia a prevádzka

• 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 najmä post-training skok rovnakej base ako GLM-5.2.^[1][15]

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

^[1][3]

Flash ponúka 320B/18B, multimodalitu, 1M context, MIT a veľmi nízku cenu. Artificial Analysis mu dáva 57 oproti 60 GLM-5.3 max.^[10][11][12]

Pre veľa produktov môže byť Flash praktickejší.

Rozhodovať by mal vlastný cost per successful task, nie jeden leaderboard.