GLM-5.3 API-Leitfaden 2026: 1M Kontext und 8x Preis

GLM-5.3 wurde am 14. August 2026 veröffentlicht und ist auf diesem Gateway jetzt unter der Modell-ID glm-5.3 mit einem Kontextfenster von 1 Million Tokens verfügbar. Die Abrechnung entspricht GLM-5.2: ein einheitlicher 8x-Multiplikator und ungefähr 3,2 CNY pro Million Tokens. Das Gateway führt für GLM-5.3 keinen 37,5x-Tarif.

Laut Z.ai nutzt GLM-5.3 dasselbe Basismodell wie GLM-5.2. Die Verbesserungen stammen aus einem Post-Training mit Schwerpunkt auf komplexer Programmierung, lang laufenden Agenten und neu entstehenden Cyberfähigkeiten. Dieser Leitfaden trennt die offiziellen Aussagen und Benchmarks von Z.ai klar von den Routing- und Preisdaten dieses Gateways. Die veröffentlichten Werte sind keine unabhängigen Tests dieser Website.

Testen Sie zuerst mit einer kleinen Anfrage: Prüfen Sie die aktuellen Modellpreise oder beginnen Sie auf der API-Kaufseite. Verfügbarkeit, Ausgabegewichtung und das Kontobuch zum Anfragezeitpunkt bleiben maßgeblich.

Die wichtigsten Daten zu GLM-5.3

Merkmal	Verifizierte Information
Offizielle Veröffentlichung	14. August 2026
API-Modell-ID	glm-5.3
Kontextfenster	1 Million Tokens
Gateway-Multiplikator	Einheitlich 8x, wie bei glm-5.2
Gateway-Richtpreis	Etwa 3,2 CNY pro Million Tokens
Thinking-Parameter	thinking.type: "enabled"
Reasoning Effort	low, high oder max; offizieller Standard ist max
Hauptanwendungen	Komplexe Programmierung, lang laufende Agenten, Terminalarbeit und Cyberforschung
Kompatible Formate	Der Gateway-Katalog führt OpenAI- und Anthropic-Formate auf
Bildeingabe	Auf diesem Gateway nicht bestätigt; Unterstützung nicht voraussetzen

Zuletzt am 14. August 2026 geprüft. Kontrollieren Sie vor einem Produktionseinsatz erneut die aktuelle Preisseite und den Modellkatalog.

Quelle: offizielle GLM-5.3-Veröffentlichung von Z.ai. Die Werte sind vom Anbieter veröffentlichte Evaluationsergebnisse und keine unabhängigen Tests dieser Website.

Was hat sich von GLM-5.2 zu GLM-5.3 geändert?

GLM-5.3 ist kein Ersatz auf Basis eines größeren Grundmodells. Nach Angaben von Z.ai verwendet es dieselbe Basis wie GLM-5.2 und erzielt seine Verbesserungen durch Post-Training. Entscheidend ist daher, wie zuverlässig das Modell schwierige Aufgaben abschließt, nicht nur seine Größe.

Vergleich	GLM-5.2	GLM-5.3
Basismodell	GLM-5.2-Basis	Identisch mit GLM-5.2
Wichtigste Änderung	Bestehende allgemeine, Programmier- und Agentenfähigkeiten	Stärkeres Post-Training für komplexe Programmierung und lange Aufgaben
Kontextfenster	1 Million Tokens	1 Million Tokens
Gateway-Multiplikator	8x	8x
Gateway-Richtpreis	Etwa 3,2 CNY/M Tokens	Etwa 3,2 CNY/M Tokens
Thinking-Konfiguration	Auf der aktiven Route prüfen	Thinking erforderlich; low/high/max als Effort

Wenn GLM-5.2 in der Produktion bereits zuverlässig arbeitet, ist eine neue Versionsnummer allein kein Grund für eine sofortige Komplettmigration. Vergleichen Sie beide Modelle auf denselben Repositories und mit identischen Tool-Berechtigungen, Zeitlimits, Reasoning-Effort-Stufen und Abnahmebefehlen auf einem kleinen Teil des Traffics.

Wie sind die offiziellen Benchmarks von Z.ai einzuordnen?

Z.ai bezeichnet GLM-5.3 als sein stärkstes Coding-Modell, das für eine Open-Weight-Veröffentlichung vorgesehen ist, und meldet mehrere deutliche Verbesserungen. Am 14. August 2026 waren die Gewichte noch nicht veröffentlicht, sondern für ungefähr zwei Wochen nach dem Start angekündigt. Die Aussagen stammen vom Anbieter und sind kein unabhängiges Ergebnis. Ausgewählte Daten der Veröffentlichung:

Vom Anbieter veröffentlichter Benchmark	GLM-5.2	GLM-5.3
Terminal Bench 3.0	4.6	28.3
DeepSWE v1.1	46.2	66.9
Agents' Last Exam	23.8	28.5
CyberGym	77.2	84.5
ExploitBench	24.4	54.4
ExploitGym 2h / 6h	29 / 39	105 / 130

Diese Zahlen stammen aus der Veröffentlichung von Z.ai und nicht aus einer unabhängigen Wiederholung durch diese Website. Agenten-Frameworks, Tool-Zugriff, Reasoning-Budgets und Benchmark-Versionen können sich zwischen Modellen unterscheiden. Deshalb lassen sich die Abstände nicht direkt in eine Erfolgsquote für Ihr Repository umrechnen. Z.ai meldet außerdem eine Verbesserung um 50 % gegenüber GLM-5.2 im eigenen internen Code Bench. Das zeigt die Optimierungsrichtung des Anbieters, ist aber kein neutrales Leaderboard-Ergebnis.

Diagramm aus dem internen Code Bench von Z.ai. Ergänzen Sie vor der Wahl eines Produktionsmodells Abnahmetests auf Repository-Ebene.

Was bedeutet „Emergent Cyber Capabilities“?

Z.ai betont, dass GLM-5.3 längere Abläufe zur Entdeckung und Validierung von Schwachstellen bearbeiten kann, wenn Code, Terminalzugriff und Feedback verfügbar sind. Das kann für autorisierte Sicherheitsprüfungen, CTF-Umgebungen, die Validierung von Abhängigkeitsupdates und interne Red-Team-Arbeit nützlich sein. Es ist keine Erlaubnis, Systeme ohne Autorisierung zu testen.

Beschränken Sie bei Sicherheitsagenten Zieldomains, Repositories, Zugangsdaten, ausgehenden Netzwerkverkehr und ausführbare Befehle auf einen ausdrücklich genehmigten Umfang. Behalten Sie menschliche Freigaben für Datenlöschung, Berechtigungsänderungen, Produktivbereitstellungen und externe Netzwerkaktionen bei. Höhere Fähigkeiten erfordern eine bessere Sandbox, vollständige Audit-Logs und eine zuverlässige Stoppfunktion.

Offizielles Diagramm von Z.ai zu Cyberfähigkeiten. Es beschreibt die vom Anbieter veröffentlichte Entwicklungsrichtung und ist keine Empfehlung für nicht autorisierte Tests.

GLM-5.3-Preis: hier identisch mit GLM-5.2

Dieses Gateway weist glm-5.3 und glm-5.2 derzeit denselben einheitlichen 8x-Multiplikator zu, mit einem Richtpreis von ungefähr 3,2 CNY pro Million Tokens. GLM-5.3 ist nicht mit 37,5x gelistet, und der Multiplikator ändert sich nicht bei längeren Prompts.

Die Angaben 8x und 3,2 CNY sind Abrechnungsbedingungen dieses Gateways und nicht der Listenpreis der direkten Z.ai-API. Ausgabegewichtung, Kontogruppen, Cache-Behandlung, Aktionen oder spätere Preisänderungen können die endgültige Abrechnung beeinflussen. Beginnen Sie mit einer kurzen, nicht gestreamten Anfrage und erfassen Sie Eingabe-Tokens, Ausgabe-Tokens und die tatsächlichen Kosten.

Sie möchten die realen Kosten kontrolliert prüfen? Eröffnen Sie auf der API-Kaufseite ein kleines Guthaben oder laden Sie einen vorhandenen Schlüssel auf. Führen Sie anschließend eine Smoke-Anfrage aus, bevor Sie den Traffic erhöhen.

So rufen Sie die GLM-5.3 API auf

Verwenden Sie die exakte Modell-ID glm-5.3. Bei GLM-5.3 muss Thinking aktiviert bleiben. Falls eine bestehende Anwendung thinking.type: "disabled" sendet, ändern Sie den Wert vor dem Modellwechsel, sonst schlägt die Anfrage fehl.

curl https://api.llm-token.cn/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-5.3",
    "messages": [
      {"role": "user", "content": "Analysiere die fehlgeschlagenen Tests in diesem Repository. Erkläre die Ursache, bevor du Änderungen vornimmst."}
    ],
    "thinking": {"type": "enabled"},
    "reasoning_effort": "max"
  }'

reasoning_effort akzeptiert low, high oder max; max ist der offizielle Standard. Z.ai empfiehlt max für Programmieraufgaben, Produktionsteams sollten Latenz und Token-Verbrauch dennoch messen. Ein praktischer Router kann low für Klassifikation und kleine Änderungen verwenden und high oder max für schwierige Fehlersuche, Implementierungen auf Repository-Ebene und Sicherheitsprüfungen reservieren.

Der Gateway-Katalog führt OpenAI- und Anthropic-kompatible Formate auf. Prüfen Sie bei der Konfiguration von Claude Code, OpenCode, ZCode oder einem anderen Agenten die Basis-URL, Modell-ID, Tool-Aufrufe, Streaming, Nutzungsfelder und Zeitlimits getrennt. Eine einzelne erfolgreiche Textantwort ist kein vollständiger Kompatibilitätstest.

Geeignete Coding-Agent-Anwendungen für GLM-5.3

• Repository-weite Implementierungen über mehrere Dateien und Module
• Lang laufende Agenten, die untersuchen, bearbeiten, testen und reparieren
• Komplexe Terminal-, Build- und Abhängigkeitskonflikt-Diagnosen
• Autorisierte Schwachstellenforschung, Sicherheitsregressionen und CTF-Aufgaben
• Workflows mit 1M Kontext für große Repositories oder Dokumentbestände
• Multi-Tool-Aufgaben, die über einen langen Ablauf planen, ausführen und prüfen müssen

Klassifikation, kurze Zusammenfassungen, Vorlagenbefüllung und einfache Chats mit hohem Volumen können mit geringerem Reasoning Effort oder einem Modell mit niedrigerem Multiplikator günstiger sein. Vergleichen Sie Routen in der Modellliste und stellen Sie Kontext sowie Abrechnung dem Leitfaden zu DeepSeek-V4-Pro-0813 gegenüber.

Checkliste für die Produktionsbewertung

1. Kopieren Sie glm-5.3 aus dem aktuellen Modellkatalog, statt einen datierten Alias zu erraten.
2. Entfernen oder ändern Sie thinking.type: "disabled" in älteren Payloads.
3. Messen Sie Abnahmequote, Latenz und Nutzung bei low, high und max.
4. Fixieren Sie Repository-Commit, Aufgabenbeschreibung, Tool-Rechte und Abnahmebefehle für den Vergleich.
5. Begrenzen Sie Tool-Aufrufe, maximale Ausgabe, Zeitlimit pro Aufruf und Gesamtbudget der Aufgabe.
6. Protokollieren Sie Anfrage-ID, gewählte Route, Status, Zeit bis zum ersten Token, Gesamtdauer, Nutzung und Abnahmeergebnis.
7. Behalten Sie menschliche Freigaben für Dateischreibzugriffe, Deployments, Zahlungen, Kontorechte und Aktionen auf externen Systemen bei.
8. Halten Sie eine Ausweichroute für Zeitüberschreitungen, Kapazitätsengpässe und Upstream-Störungen vor.

Wichtigste Erkenntnisse

• Die genaue Modell-ID lautet glm-5.3; das Kontextfenster umfasst 1 Million Tokens.
• Auf diesem Gateway entspricht GLM-5.3 dem 8x-Multiplikator von GLM-5.2, also rund 3,2 CNY pro Million Tokens.
• Thinking muss aktiviert bleiben; GLM-5.3 unterstützt low, high und max als Reasoning Effort und verwendet standardmäßig max.
• Die Ergebnisse von Z.ai zu Coding, Agenten und Cyberfähigkeiten sind vom Anbieter veröffentlichte Daten und keine unabhängigen Tests dieser Website.
• Ein Modellfenster von 1M garantiert nicht, dass jeder Client exakt 1M Eingabe-Tokens senden kann.
• Für die Produktionsauswahl sollten akzeptierte Aufgaben, Token-Nutzung, Latenz und Nacharbeit an realen Workloads gemessen werden.

Häufig gestellte Fragen

Ist GLM-5.3 offiziell veröffentlicht?

Ja. Z.ai hat GLM-5.3 am 14. August 2026 veröffentlicht, und dieses Gateway führt jetzt die Route glm-5.3.

Wie groß ist das Kontextfenster von GLM-5.3?

Es umfasst 1 Million Tokens. Die tatsächlich nutzbare Eingabe hängt außerdem von Systemanweisungen, Tool-Transkripten, Client-Limits und reservierter Ausgabe ab.

Welchen Multiplikator hat GLM-5.3 auf diesem Gateway?

Es gilt ein einheitlicher 8x-Multiplikator wie bei GLM-5.2, mit einem Richtpreis von etwa 3,2 CNY pro Million Tokens. Es sind weder 37,5x noch nach Kontextlänge gestaffelte Tarife.

Kann ich Thinking bei GLM-5.3 deaktivieren?

Nein. Laut offizieller Veröffentlichung muss thinking.type auf enabled stehen; disabled wird nicht mehr unterstützt. Korrigieren Sie ältere Payloads vor der Migration.

Welches reasoning_effort sollte ich wählen?

Beginnen Sie bei einfachen Aufgaben mit low und testen Sie bei komplexer Programmierung high oder das offiziell empfohlene max. Nutzen Sie Ihre Abnahmesuite, um Qualität, Latenz und Kosten auszubalancieren.

Funktioniert GLM-5.3 mit Claude Code oder OpenCode?

Z.ai nennt Claude Code, OpenCode und ZCode als Nutzungsmöglichkeiten. Dieses Gateway bietet OpenAI- und Anthropic-kompatible Routen. Prüfen Sie Nachrichten, Tools, Streaming, Zeitlimits und Abrechnung mit Ihrem konkreten Client.

Sind die offenen Gewichte von GLM-5.3 bereits verfügbar?

Zum Prüfzeitpunkt dieses Artikels noch nicht. Z.ai plante die Veröffentlichung etwa zwei Wochen nach dem Start, nach zusätzlichen Sicherheits- und Härtungsmaßnahmen. Prüfen Sie den tatsächlichen Stand im offiziellen Repository.

Wo kann ich GLM-5.3-API-Zugang kaufen oder Guthaben aufladen?

Neue Nutzer beginnen auf der API-Kaufseite. Wer bereits einen Schlüssel besitzt, kann die Aufladeseite verwenden.

Primärquellen

• Z.ai: GLM-5.3: Frontier Coding with Emergent Cyber Capabilities: Veröffentlichungsdatum, gemeinsames Basismodell, Post-Training, Thinking-Parameter, Coding- und Cyber-Evaluationen sowie geplante Gewichtsveröffentlichung
• Z.ai: GLM-5.2: Hintergrund zu Basismodell und 1M-Kontext
• Gateway-Modellleitfaden: aktuelle Routen-ID, 1M-Kontext, 8x-Multiplikator und kompatible Formate