Was sind GLM 5.2 und GLM 5.3?

GLM 5.2 und GLM 5.3 sind die aktuellen Coding Modelle von Zhipu AI (Z.ai). GLM 5.2 kam am 13. Juni 2026 mit einem nutzbaren Kontextfenster von einer Million Token, GLM 5.3 folgte am 14. August 2026 auf exakt derselben Basis und holt seine gesamte Mehrleistung allein aus dem Post Training.

Stand Oktober 2026: GLM 5.3 ist das aktuelle Flaggschiff der Reihe. Z.ai misst rund 50 Prozent mehr Coding Leistung als bei GLM 5.2 und stellt Cyber Defense als zweiten Schwerpunkt daneben. Seit dem 28. August 2026 liegen auch die Gewichte offen auf Hugging Face, allerdings unter einer eigenen GLM 5.3 Lizenz. GLM 5.2 bleibt unter MIT Lizenz. Dazu kamen GLM 5.3 Flash und die schnelle API Variante FlashX.

Technisch baut GLM 5.2 auf der Architektur von GLM 5 auf: ein Mixture of Experts Modell mit 744 Milliarden Parametern, von denen pro Token rund 40 Milliarden aktiv sind. GLM 5.3 nutzt genau dieses Basismodell weiter. Damit reiht sich die Reihe in die schnelle Modellfolge von Z.ai ein, zu der auch GLM 5 Turbo gehört.

Wichtig für eine ehrliche Einordnung: Bei GLM 5.2 hat Zhipu zum Launch keine eigenen Benchmarks veröffentlicht. Erst über Artificial Analysis und Unsloth kamen Vergleichszahlen, die das Modell in vielen Disziplinen auf Augenhöhe mit Claude Opus 4.8, GPT 5.5 und Gemini 3.1 Pro sehen. Bei GLM 5.3 lagen die Zahlen am Launchtag vor, allerdings komplett aus eigener Messung. Unabhängige Nachmessungen stehen in beiden Fällen weiter aus, deshalb bewerten wir vorsichtig.

Bei Never Code Alone setzen wir voll auf chinesische Open Weight Modelle. GLM 5 Turbo läuft über Z.ai produktiv in unserem Stack, lokal fahren wir Qwen3 Coder und MiniMax über Ollama. Wir sind überzeugt: Open Weights unter MIT Lizenz, ohne US Abhängigkeit, sind für professionelle Entwicklung die stärkste Basis. Und wir lernen täglich dazu, weil wir genau diese Modelle jeden Tag im echten Projekt einsetzen.

GLM 5.2 reiht sich genau in diesen Kurs ein, und jede neue Version nehmen wir sofort in die Hand. Welches Modell zu welchem Workflow passt, klären wir im Vibe Coding Consulting, verankern bewährte Vibe Coding Best Practices in euren Prozessen und richten lokale KI Stacks ohne US Anbieter ein. Wer GLM 5.2 mit Agents wie Claude Code, OpenCode oder Crush einsetzen will, bekommt von uns eine fundierte Einordnung aus täglicher Praxis.

Am 14. August 2026 hat Z.ai GLM 5.3 veröffentlicht, gut zwei Monate nach GLM 5.2. Das Besondere daran: Das Basismodell bleibt unangetastet. Z.ai nutzt exakt die Basis von GLM 5.2 und holt den kompletten Zuwachs aus skaliertem Post Training. Kein neues Pre Training, keine neue Architektur, keine höhere Parameterzahl.

• Rund 50 Prozent mehr Coding Leistung: Z.ai misst den Sprung gegenüber GLM 5.2 auf der eigenen Code Bench. Eine Herstellerzahl, kein unabhängiger Test.
• Terminal Bench 3.0 von 4,6 auf 28,3 Prozent: Der größte Einzelsprung der ganzen Reihe und laut Z.ai Bestwert unter offenen Modellen.
• Kürzere Ausführungspfade: Auf der Reasoning Stufe High erreicht GLM 5.3 nach Z.ai Messung 31,4 Prozent Genauigkeit bei rund 50.000 Output Token pro Aufgabe. Claude Opus 4.8 kommt auf 29,5 Prozent, braucht dafür aber rund 120.000 Token.
• Cyber Defense als eigener Schwerpunkt: CyberGym steigt auf 84,5 Prozent, ExploitBench verdoppelt sich auf 54,4 Prozent. Z.ai positioniert das Modell ausdrücklich für die Verteidigung.
• Gestaffelter Zugang: Start über den GLM Coding Plan und die hauseigene Agent Umgebung ZCode. Breiter API Zugang und die offenen Gewichte folgten nach einer Sicherheitsprüfung, die Gewichte am 28. August 2026.
• slime bleibt offen: Das asynchrone Reinforcement Learning Framework hinter dem Post Training ist weiter öffentlich verfügbar.

Der Slogan von Z.ai fasst die Ausrichtung zusammen: gebaut zum Programmieren, bereit für Cyber Defense. Wer die Reihe seit GLM 5 verfolgt, sieht hier den ersten Release, bei dem Z.ai über Training argumentiert und die Größe gleich bleibt.

Seit dem Start im August hat Z.ai die Reihe geöffnet und zweimal erweitert. Vier Punkte zählen für Teams:

• Offene Gewichte seit dem 28. August 2026: Z.ai hat GLM 5.3 wie angekündigt zwei Wochen nach dem API Start auf Hugging Face gestellt. Die Lizenz ist diesmal eine eigene GLM 5.3 Lizenz. Anbieter mit mehr als zehn Milliarden Dollar Jahresumsatz brauchen danach eine Sicherheitsprüfung durch Z.ai.
• GLM 5.3 Flash seit dem 26. August 2026: Das erste nativ multimodale Modell der GLM 5 Reihe, mit 320 Milliarden Parametern, davon 18 Milliarden aktiv, offen unter MIT Lizenz. Alle Details stehen auf unserer Seite zu GLM 5.3 Flash.
• GLM 5.3 FlashX seit dem 18. September 2026: Eine schnelle API Variante von GLM 5.3 Flash mit laut Z.ai bis zu 200 Token pro Sekunde. Eigene Benchmarks und offene Gewichte gibt es dafür nicht.
• Bewertung durch CAISI: Das US Center for AI Standards and Innovation hat im September die Cyber Fähigkeiten von GLM 5.3 untersucht. Ergebnis: stärker als Kimi K3, aber unter den aktuellen US Frontier Modellen.

Für die Praxis ist die Lizenz der wichtigste neue Punkt. Für interne Nutzung über eine gehostete Inferenz ändert die Klausel wenig. Wer ein eigenes Produkt auf den Gewichten baut oder sie weitergibt, liest die Lizenzdatei vorher genau. GLM 5.2 und GLM 5.3 Flash bleiben unter MIT und damit die unkompliziertere Wahl für eigene Hosting Setups bei europäischen Anbietern.

Z.ai hat zum Launch eine eigene Benchmark Übersicht veröffentlicht. Alle Zahlen stammen vom Hersteller, unabhängige Nachmessungen fehlen bisher. Der Vergleich mit der Vorgängerversion ist trotzdem aufschlussreich, weil beide Modelle auf derselben Basis laufen. Die Differenz zeigt also, was reines Post Training bewirkt.

Ein Modell mit über 740 Milliarden Parametern stellt sich niemand in den Serverraum. Die Hardware dafür liegt im hohen sechsstelligen Bereich und rechnet sich für kein normales Entwicklerteam. Unsere Regel lautet deshalb: Coding kommt aus der Cloud, die Datenverarbeitung bleibt im eigenen Netz. Gearbeitet wird gegen lokale Dev Umgebungen mit Fake Daten, für die Inferenz gibt es EU souveräne Anbieter wie TensorX oder unseren Netzwerkpartner Conversis in Duisburg. Wie das sauber aufgesetzt wird, zeigen wir in der Beratung zu souveräner KI im Unternehmen.

Offene Gewichte gibt es bei GLM 5.3 inzwischen, die Lizenz ist aber eine andere. Compliance kommt ohnehin aus dem Betriebsweg: Vertrag, Serverstandort, Zero Data Retention und die Frage, welche Daten überhaupt zum Modell gehen. Offene Gewichte liefern etwas anderes: Anbieterwahl statt Lock in, Schutz davor, dass ein Modell abgeschaltet oder still ausgetauscht wird, Preisdruck durch Wettbewerb und reproduzierbar prüfbares Verhalten. Das gilt für GLM 5.2 und GLM 5.3 gleichermaßen. Wer auf den Gewichten von GLM 5.3 ein eigenes Produkt baut, prüft zusätzlich die GLM 5.3 Lizenz.

Der zweite Punkt ist der spannendere. Der komplette Sprung kommt aus dem Post Training, nicht aus mehr Rechenleistung. Das deckt sich mit dem, was wir in Projekten sehen: Ein Modellwechsel bringt selten so viel wie ein sauberes Setup drumherum. Wer OpenCode mit klaren Regeln, Tests und Guardrails fährt, holt aus Qwen3 Coder oder GLM 5.2 heute mehr heraus als aus einem Versionssprung ohne Struktur. Die passenden Vibe Coding Best Practices sind dafür der Hebel. Für die Sicherheitsseite, die Z.ai mit dem verzögerten Release selbst betont, greift unser Vibe Coding Security Audit.

Zur Einordnung noch einmal der Stand von GLM 5.2. Das Modell war kein kompletter Neubau, sondern ein fokussiertes Upgrade der GLM 5 Linie. Diese Punkte waren beim Launch am 13. Juni 2026 bestätigt:

• 1M Token Kontextfenster: Das nutzbare Kontextfenster wächst von 200.000 Token bei GLM 5 und GLM 5 Turbo auf eine Million Token. Die Model ID des vollen Fensters lautet glm-5.2[1m].
• 131.072 Token Output: Genug für Diffs auf Pull Request Größe und lange agentische Plan und Ausführungs Traces.
• Zwei Thinking Effort Stufen: High und Max ersetzen den bisherigen einzelnen Reasoning Modus. Für Coding empfiehlt Z.ai die Stufe Max.
• Coding First Flagship: GLM 5.2 ist als Flaggschiff positioniert, mit Schwerpunkt auf verlässlichem Produktionscode und langen, mehrstufigen Aufgaben.
• Sofort im GLM Coding Plan: Verfügbar auf allen Stufen Lite, Pro, Max und Team, ohne Aufpreis für bestehende Abos.
• MIT Open Weights: API, Z.ai Chatbot und die offenen Gewichte unter MIT Lizenz kamen kurz nach dem Launch.

Belastbare Benchmarks lieferte Z.ai damals erst mit Verzögerung nach. Genau dieser Punkt hat sich mit GLM 5.3 geändert: Diesmal lagen die eigenen Zahlen am Launchtag auf dem Tisch, unabhängige Nachmessungen stehen aber weiter aus.

Z.ai hat die GLM 5 Linie in wenigen Monaten mehrfach erweitert. Die folgende Tabelle ordnet alle vier Modelle ein, mit Fokus auf die Eigenschaften, die im Alltag zählen: Kontextfenster, Ausrichtung und Release.

Der Sprung auf eine Million Token ist mehr als eine größere Zahl. Z.ai betont, dass das Fenster nutzbar bleibt, also über die gesamte Länge eine hohe Trefferquote und Kohärenz behält. Genau daran scheitern viele Modelle mit nominell großem Kontext.

Praktisch passen ganze Repositories, lange Logdateien oder mehrstufige Agent Sessions in einen Durchgang, ohne ständiges Nachladen. Für lange Aufgaben mit vielen Schritten ist das der Unterschied zwischen einem Agent, der den roten Faden behält, und einem, der nach der Hälfte den Kontext verliert. Vergleichbare 1M Ansätze gibt es etwa bei MiniMax M3.

GLM 5.2 bringt zwei Reasoning Stufen statt einer. High liefert schnellere Antworten, Max denkt länger und gründlicher. Für Coding empfiehlt Z.ai ausdrücklich Max, weil komplexe, mehrstufige Arbeit von tieferem Reasoning profitiert.

In Claude Code lässt sich die Stufe über den Effort Befehl steuern. Wer mit Agent Frameworks arbeitet, sollte die Voreinstellung bewusst wählen: Bei langen Tasks zahlt sich Max meist aus, bei schnellen Iterationen reicht High.

GLM 5.2 ist über den GLM Coding Plan nutzbar, auf allen Stufen von Lite bis Team. Dazu kommen API, der Z.ai Chatbot und die offenen Gewichte unter MIT Lizenz. Die Gewichte machen GLM 5.2 zu einem Modell, das jeder Anbieter hosten darf. Für dich heißt das: Du kannst eine europäische Inferenz wählen und bist nicht an Z.ai gebunden.

Bei GLM 5.3 lief es gestaffelt. Das Modell startete am 14. August nur über API und Coding Plan, die Gewichte folgten am 28. August nach einem zusätzlichen Safety Hardening. Der Unterschied liegt in der Lizenz: GLM 5.3 nutzt eine eigene Lizenz, nach der Anbieter mit sehr hohem Jahresumsatz eine Sicherheitsprüfung durch Z.ai brauchen. GLM 5.2 und GLM 5.3 Flash stehen unter MIT.

Out of the box arbeitet die GLM Reihe mit den gängigen Coding Agents zusammen, darunter OpenCode, Claude Code und Crush. Für Teams, die bewusst ohne US Anbieter arbeiten, ist ein chinesisches Open Weights Modell wie GLM 5.2 eine ernsthafte Option neben Qwen3 Coder Next und MiniMax M2.5.

Mit den offenen Gewichten gibt es GLM 5.2 auch als GGUF. Das volle Modell belegt rund 1,51 TB Speicher. Über die dynamischen Quantisierungen von Unsloth schrumpft das deutlich, die 2 Bit Variante UD IQ2 M kommt mit etwa 239 GB aus. Technisch läuft das über llama.cpp und Unsloth Studio, mit MoE Offloading sogar auf einer einzelnen 24 GB GPU plus 256 GB RAM.

Für produktives Coding ist das trotzdem kein Weg. Eine 2 Bit Quantisierung kostet Qualität, die Geschwindigkeit reicht nicht für lange Agent Sessions, und ein Server, der das volle Modell sauber betreibt, kostet einen hohen sechsstelligen Betrag. Unsere Regel bleibt: Coding kommt aus der Cloud, über eine europäische Inferenz wie TensorX oder Conversis. Lokal laufen bei uns kleine Modelle wie Qwen3 Coder über Ollama, für Datenverarbeitung im eigenen Netz. Wie das zusammenspielt, klären wir in der Vibe Coding Beratung.

Seit dem Launch liegen über Artificial Analysis und Unsloth erste Vergleichszahlen vor. Sie sehen GLM 5.2 als derzeit stärkstes offenes Modell, in vielen Disziplinen auf Augenhöhe mit Claude Opus 4.8, GPT 5.5 und Gemini 3.1 Pro. Wichtig bleibt die ehrliche Einordnung: Das sind Werte aus Drittquellen, keine offiziellen Z.ai Benchmarks. Die folgende Auswahl stellt GLM 5.2 den Werten von Claude Opus 4.8 gegenüber.

Zhipu positioniert GLM 5.2 in der offiziellen Ankündigung als neues Flaggschiff mit drei Kernversprechen: starke Coding Fähigkeiten, nutzbarer 1M Kontext und anhaltende Stärke bei langen Aufgaben.

GLM 5.2 liefert laut Z.ai „powerful coding capabilities, usable 1M-context support, and continued strengths in long-horizon tasks“.

– Z.ai, offizielle Ankündigung, 13. Juni 2026

Diese Aussagen sind Herstellerangaben. Eigene Benchmarks hat Z.ai erst mit Verzögerung nachgereicht, Drittquellen wie Artificial Analysis und Unsloth haben die Lücke gefüllt. Eine vollständig unabhängige Bewertung steht weiter aus.

Never Code Alone hostet auf eigenen Servern in Deutschland und setzt bei KI voll auf chinesische Open Weight Modelle. GLM, Qwen3 Coder und MiniMax laufen bei uns täglich: große Modelle über gehostete Inferenz, kleine lokal über Ollama. Wir sind von diesem Weg überzeugt und lernen jeden Tag dazu, an echten Projekten mit echten Codebasen.

Genau deshalb nehmen wir ein Modell wie GLM 5.2 sofort in den Praxistest, statt auf Benchmarks zu warten. Wenn du GLM 5.2 oder Alternativen wie Qwen3 Coder Next, DeepSeek oder Kimi und Qwen einordnen willst, helfen wir im Vibe Coding Consulting und mit klaren Best Practices. Einen vollständigen Überblick bietet unsere Vibe Coding Modelle Übersicht, inklusive Guide für die Auswahl ohne US Anbieter.

Die wichtigsten Fragen aus der Praxis zu beiden Modellen, kurz und ohne Marketing beantwortet.