GLM-5.3 і GLM-5.3-Flash: бенчмарки, cyber capabilities, Ox Alpha, open weights і порівняння з Kimi K3, Hy4, Claude та GPT-5.6 Sol

Кінець серпня 2026 року приніс дві дуже різні моделі Z.ai одного покоління.

GLM-5.3 — великий text-only reasoning model для long-horizon engineering, coding agents і швидко зростаючих cybersecurity capabilities. Z.ai оголосила його 14 серпня, а публічні weights з’явилися на Hugging Face 28 серпня після анонсованого періоду safety evaluation та hardening.^[1][17]

GLM-5.3-Flash — значно дешевша, нативно multimodal модель з новою base. Вона має 320B параметрів загалом, 18B active на token, контекст 1M, input text/image/video/file і публічні weights під MIT.^[6][8][11]

До офіційної прем’єри Flash анонімно тестувався як:

Ox Alpha

на OpenCode та OpenRouter. Z.ai стверджує, що він швидко став найпопулярнішою моделлю тижня і працював на китайських AI accelerators. Твердження про популярність є vendor-reported.^[6][7][19]

GLM-5.3 та Flash — не просто велика й мала версії однієї мережі.

GLM-5.3:

~753B total за актуальними HF/AA metadata
~40B active
text-only
1M context
128K max output
reasoning завжди enabled
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 benchmarks переважно Z.ai-reported. Для agentic evals результат сильно залежить від harness, tools, context, timeout і inference budget.

Стан інформації: 31 серпня 2026 року.

TL;DR

Що сталося в серпні?

Z.ai оголосила GLM-5.3 14 серпня.^[1]

Модель використовує той самий base model, що GLM-5.2, і Z.ai прямо каже, що всі gains отримані через post-training.^[1][15]

API стала доступною відразу, weights — після додаткового safety review. Hugging Face позначав 28 серпня, і зараз ваги публічні.^[17][5]

Flash має нову base, нову architecture і native multimodality.^[6][8]

GLM-5.3 не є просто більшим Flash

GLM-5.3 фокусується на максимальній GLM coding quality, terminal tasks, long-horizon agents і cyber reasoning.

Flash — на cost, multimodality, inference efficiency, visual coding, office workflows і long context.

За Z.ai, Flash пройшов новий pre-training, а не просто distillation flagship.^[6][8]

Скільки параметрів у GLM-5.3?

Original GLM-5 architecture:

744B total
40B active

^[16]

Актуальні Hugging Face / Artificial Analysis metadata:

753B total
40B active

^[5][10]

Оскільки GLM-5.3 має ту саму base, що 5.2, ми трактуємо 744B vs 753B як різницю counting/implementation metadata і використовуємо 753B/40B для current deployment.^[1][15]

Flash: 320B total, 18B active

Z.ai:

320B total
18B active
45 layers

^[6][8]

Для порівняння GLM-4.5: 355B total, 32B active, 92 layers.^[6]

1M context і 128K output

Official docs:

1M context
128K maximum output

для обох.^[2][6]

Це корисно для великих repo, довгих agent sessions та multi-file analysis.

Але 1M context не означає 1M perfect memory.

Text-only проти multimodal

GLM-5.3:

Text → Text

^[2]

Flash:

Text/Image/Video/File → Text

^[6]

Flash краще підходить для screenshots, GUI, documents, PDF, presentations і visual coding. Artificial Analysis стандартизує text+image у власному профілі.^[11]

Sparse + linear attention

Flash поєднує sparse і linear attention.^[6][8]

Мета — дешевше обробляти long context, зберігаючи локальні й глобальні dependencies.

IndexPool

IndexPool стискає чотири cached indexer key vectors в один.^[6]

Z.ai повідомляє:

3.01× lower attention compute
4.44× lower KV cache

порівняно з GLM-5.3.^[6]

Це vendor claim.

mHC

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

Техніка має покращувати scaling та information flow при нижчому active compute.

30T multimodal corpus

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

Flash отримав новий pre-training, тоді як GLM-5.3 зберіг GLM-5.2 base.

Ox Alpha

ox-alpha був анонімним pre-release Flash на OpenCode/OpenRouter.^[6][19]

Z.ai підтверджує identity. Claim про “most popular model of the week” залишається vendor statement.^[7]

Чому stealth test цікавий?

Анонімність зменшує brand bias.

Але usage залежить також від price, promotion, routing, availability і UI. Це adoption signal, не controlled benchmark.

Post-training leap

Same GLM-5.2 base, але більше environments, tasks, compute, verifiers, RL і long-horizon training.^[1][15]

Open-source framework slime поєднує training, rollout та data generation.^[1]

+50% coding

Z.ai claim:

+50% vs GLM-5.2

на private Z.ai Code Bench.^[1][2]

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

^[1]

Це не 50% improvement на кожній coding task.

Public benchmarks

Z.ai:^[3]

Усі Z.ai-reported.

Terminal-Bench 3.0

4.6 → 28.3

^[1][3]

Великий стрибок, але не “6× smarter”. Setup використовує Claude Code, max effort, великий context і до 600 agent turns.^[3]

DeepSWE

GLM 66.9
Kimi 67.5
GPT 72.7

^[3]

GLM сильно прогресує, але не лідирує.

Terminal-Bench 2.1

GLM 88.2
Kimi 88.3
GPT 88.8
Fable 88.0

^[3]

Практично дуже тісна група.

Agents' Last Exam

GLM 28.5
GPT 28.6
Kimi 27.6

^[3]

Знову мінімальні розриви.

CyberGym

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

^[1][3]

White-box benchmark, а не пряма симуляція довільних live attacks.

ExploitBench

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

^[1][3]

GLM робить великий стрибок, але closed frontier попереду.

ExploitGym

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

для 2h/6h.^[3]

Час нормалізується за model throughput, тож methodology специфічна.

2 436 vulnerability findings

Z.ai вказує:

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

^[1][2]

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

Це vendor operational data, не незалежний CVE database.

Cyber governance

Defensive use cases: secure code review, vulnerability triage, patch analysis, fuzzing, threat modeling.

Потрібні sandbox, network isolation, logs, approval gates, separated secrets і minimum credentials.

Flash benchmarks

Z.ai:^[7][8]

Ключова перевага — price/performance.

Flash vs Opus 4.8 private benchmark

Flash 29.0
Opus 4.8 29.5

^[6]

Private Z.ai benchmark не доводить загальну parity з Claude.

Artificial Analysis: 60 vs 57

GLM-5.3 max 60
Flash 57

^[10][11][12]

Current first-party API measurements:

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

^[10][11][20]

Тому “Flash” не означає highest tokens/s; advantage — cost, active compute і multimodality.

API pricing

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 до 9 вересня. OpenRouter також пропонує обидві моделі, але provider pricing/routing може відрізнятися.^[18][19]

One-tenth price

Flash за list price приблизно 9.3× дешевший input і 8.8× output.^[9]

Marketing “about one-tenth” reasonable; task cost залежить від reasoning і 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]

Немає universal winner.

GLM vs Hy4

Tencent: 163 experts, 203 engineering 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]

Це internal 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 трохи вище в CyberGym та AutomationBench. Mixed picture.

Claude Opus 5?

Z.ai launch table переважно включає Opus 4.8 і Fable 5, а не Opus 5.^[3]

Тому вона не доводить GLM-5.3 > Claude Opus 5.

Licenses

Flash:

MIT

^[8][11]

GLM-5.3:

custom GLM-5.3 License

^[4]

Ліцензія дає широкі commercial rights, але MaaS entity з понад $10B aggregate revenue за будь-які 12 consecutive months має пройти Z.ai security review до commercial use.^[4]

Self-hosting

Підтримуються vLLM, SGLang, Transformers, Docker Model Runner та інші frameworks.^[3][8]

GLM repo:

~756 GB
141 safetensors shards

^[5]

Flash менший по active compute, але hardware requirements все одно високі.

Chinese AI chips і 3× serving

Z.ai каже, що Flash/Ox Alpha працював на Chinese AI accelerators.^[6][7]

Згадані Tensor Parallelism, ReplaySSM, W8A8, hybrid cache, Layer Split, EPD disaggregation.

Vendor claim:

3× end-to-end serving
vs initial baseline on same hardware

^[6][7]

Потрібна independent validation.

Що обрати?

GLM-5.3 для maximum GLM coding, terminal agents, text reasoning і security.

Flash для cost, vision, documents, video/file, 1M context і MIT.

Інші models, якщо internal POC дає кращий:

cost per successful task

POC checklist

Quality

• Реальні internal tasks.
• Same harness.
• Test pass rate.
• Task completion.
• Regressions.
• Out-of-scope changes.
• Long sessions.
• Recovery.
• Tool calling.
• Structured output.

Reasoning

• low, high, max.
• Reasoning cannot be disabled.
• Reasoning tokens.
• Total output.
• Latency.
• Не використовувати max всюди.

Long context

• 32K.
• 128K.
• 256K.
• 1M.
• Retrieval accuracy.
• Instruction loss.
• Large repo.
• Cross-file dependencies.
• KV cache/concurrency.
• 1M не є perfect memory.

Flash multimodal

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

Security

• Sandbox.
• Network limits.
• Tool logs.
• Approval gates.
• Separate secrets.
• Minimum credentials.
• Validate patches.
• Model не є autonomous security authority.

License & operations

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

Висновок POLPROG

GLM-5.3 важливий передусім як великий post-training leap тієї самої base, що GLM-5.2.^[1][15]

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

^[1][3]

Flash пропонує 320B/18B, multimodality, 1M context, MIT і низьку API price. Artificial Analysis оцінює його в 57 проти 60 GLM-5.3 max.^[10][11][12]

Для багатьох продуктів Flash може бути практичнішим за flagship.

Вирішувати має власний cost per successful task, а не один leaderboard.