Skip to main content
Letzte Überprüfung: 2026-08-15
GLM-5.3 ist bereits veröffentlicht, allerdings noch ohne Gewichte. Z.ai gab dies am 2026-08-14 bekannt in einem Blogbeitrag; das Modell ist nun über die Z.ai API, den GLM Coding Plan sowie ZCode nutzbar. Das Checkpoint ist bislang nicht öffentlich zugänglich: Z.ai teilt mit, dass die Gewichte etwa zwei Wochen nach der Veröffentlichung bereitgestellt werden, sobald Sicherheitsprüfungen und Optimierungen abgeschlossen sind. Auf dieser Seite erfahren Sie, was dies für eine lokale Deployment-Strategie bedeutet sowie welche Vorbereitungen Sie bereits jetzt treffen können.
Besonders bemerkenswert an dieser Veröffentlichung ist, dass bereits viele Informationen zur Nutzung von GLM-5.3 vorliegen. Es nutzt dasselbe Basismodell wie GLM-5.2; alle Verbesserungen resultieren aus Nachtrainingsmaßnahmen. Folglich bleiben Parameteranzahl, Speicherbedarf sowie Einsatzszenarien unverändert. Sie können die erforderliche Hardware daher bereits jetzt zuverlässig planen, ohne auf offizielle Modelldokumentationen warten zu müssen.

​
GLM-5.3 release date and status

Falls Sie heute ein GLM-Modell nutzen möchten, besuchen Sie bitte die GLM-Familienseite. GLM-4 9B erfordert lediglich einen einzigen Ollama-Befehl auf einer herkömmlichen GPU; GLM-4.5-Air eignet sich hingegen für Systeme mit umfangreichem Unified Memory. Zudem nutzt GLM-5.2 die gleiche Basis wie dieses Modell – ideal, falls Sie aktuell das derzeit selbsthostbare Äquivalent zu GLM-5.3 suchen.

​
What actually changed from GLM-5.2

Z.ai bezeichnet GLM-5.3 als Nachtrainings-Version: Die vorgefertigte Basis bleibt unverändert, während die Verbesserungen durch erweitertes Reinforcement Learning in komplexen Aufgabenumgebungen erzielt werden. Die erzielten Fortschritte sind beträchtlich, insbesondere im Bereich der agentenbasierten Programmierung. Z.ai also reports better token efficiency, not just higher scores: on its in-house Z.ai Code Bench at max effort, GLM-5.3 reaches 34.5% using roughly 75K output tokens per task, against 23.4% at 96K for GLM-5.2. All figures above are the vendor’s own, measured with their harness settings — treat them as a direction of travel until independent evaluations land. In den Veröffentlichungsdaten wird ebenfalls ein starker Anstieg der Fähigkeit zur Entdeckung von Sicherheitslücken vermerkt; Z.ai zufolge entwickelte sich diese Fähigkeit nach dem Training schneller als erwartet. In Zusammenarbeit mit Sicherheitsteams identifizierte das Modell 2,436 Schwachstellen in 269 Open-Source-Projekten, wovon 1,097 als mittel bis hoch kritisch eingestuft wurden; diese sind in einer öffentlichen Übersicht dokumentiert. Dies dient lediglich als Indikator für die Leistungsfähigkeit des Modells; es ändert nichts an der Nutzung.

​
Die API-Änderung, die Upgrades verhindert

Das Denken lässt sich nicht mehr deaktivieren. GLM-5.2 akzeptiert thinking.type: "disabled"; GLM-5.3 lehnt es hingegen ab, wodurch die Anfrage scheitert. Falls Ihre Anwendung GLM mit deaktiviertem Denken nutzt, müssen Sie zuvor auf thinking.type: "enabled" mit reasoning_effort: "low" umstellen, bevor Sie die Upstream-Modell-ID ändern.
GLM-5.3 bietet über reasoning_effort drei verschiedene Denkstufen an – nämlich low, high sowie max – wobei standardmäßig max aktiviert ist; Z.ai empfiehlt diese Stufe für Programmieraufgaben.
Dies sollte man bereits jetzt planen, selbst wenn Sie später ausschließlich eine lokale Version von GLM nutzen wollen, da dieselben Parameterregelungen meist auch bei der Veröffentlichung der Open-Weight-Version sowie deren Laufzeit-Optionen gelten.

​
GLM-5.3 hardware requirements

Der Speicherbedarf für Gewichte hängt von der Anzahl der gespeicherten Parameter sowie der Quantisierung ab. Da das Basis-Modell unverändert bleibt, speichert GLM-5.3 im Mix-of-Experts-Layout dieselben 753B Parameter wie GLM-5.2: Hierbei handelt es sich ausschließlich um Gewichte. Man sollte diese Werte als untere Grenze verstehen, nicht als zwingende Anforderung – KV-Cache, Laufzeit-Puffer sowie Systemreserven kommen zusätzlich hinzu.
Bei einem Mix-of-Experts-Modell verbleiben alle Experten-Gewichte im Speicher, obwohl pro Token nur ein Teil aktiv wird. Der Speicherbedarf richtet sich nach der Gesamtanzahl der Parameter, nicht nach der aktiven Menge; daher sollte man die Maschinenauswahl nicht allein nach der Zahl aktiver Parameter treffen. Lesen Sie dazu wie die Inferenz abläuft.

​
Anpassung an das jeweilige Gerät

Jedes Urteil setzt voraus, dass eine 4-Bit-Version gemäß der gespeicherten Größe von GLM-5.2 verwendet wird.

​
Kann ein DGX Spark GLM-5.3 ausführen?

Weder ein einzelner noch vermutlich zwei. Ein DGX Spark verfügt über 128 GB gemeinsam genutzten Speicher; die erforderliche Speichermenge beträgt etwa 377 GB bei einer Genauigkeit von 4 Bit. Theoretisch reicht die Gesamtkapazität von drei Sparks mit 384 GB aus, doch verbleiben lediglich 7 GB für das Betriebssystem, Laufzeitpuffer sowie den KV-Cache im gesamten Cluster – in der Praxis also unbrauchbar. Erst vier Sparks mit 512 GB bieten echten Spielraum. Zur Berechnungsmethode siehe DGX Spark Modellkompatibilität.

​
Kann eine GPU mit 24 GB Speicher das GLM-5.3-Modell ausführen?

Nein, auch das Offloading wird hier nicht helfen. Ein GPU-Speicher von 24 GB liegt mehr als eine Größenordnung unter der erforderlichen Mindestmenge von 377 GB. Das kontinuierliche Nachladen der Gewichte aus dem System-RAM oder der Festplatte verringert die Leistung so stark, dass die Nutzung sinnlos wird – siehe dazu Speicher und Offloading. Falls Sie lediglich eine herkömmliche GPU besitzen und ein GLM-Modell nutzen möchten, führen Sie GLM-4 9B mit 5.5 GB Speicher aus:
Anschließend können Sie es von überall aus über Tokios aufrufen. Um zu ermitteln, welche Modellgröße Ihre Hardware verarbeiten kann, nutzen Sie bitte Welches Modell passt zu Ihrer GPU?.

​
Der Kontextspeicher stellt ein eigenständiges Ressourcenbudget dar.

Die oben genannten Werte beziehen sich ausschließlich auf die Modellgewichte. Das GLM-5.2-Modell verarbeitet standardmäßig 1M Tokens; ein solch langer Kontext benötigt jedoch mehr Speicher als das gesamte Gewichtsset eines mittelgroßen Modells. Planen Sie dafür ein separates Budget ein – siehe dazu KV-Cache und Kontext.

​
Herunterladen von GLM-5.3 sowie Nutzung mit Ollama

Derzeit existieren weder ein Download-Link für GLM-5.3 noch ein entsprechender Ollama-Tag. Ein manuell erstellter Befehl wie ollama run glm-5.3 wird nicht funktionieren; zudem gelten Community-Uploads vor den offiziellen Dateien von Z.ai nicht als offizielle Versionen. Beachten Sie das Muster bei GLM-5.2: Es wird bei Ollama lediglich als glm-5.2:cloud aufgeführt, wodurch der Zugriff auf Z.ai-Infrastruktur erfolgt, statt die Gewichte lokal herunterzuladen. Bei dieser Modellgröße ist mit einem Cloud-Tag statt einer lokalen Installation zu rechnen.

​
Vorbereitung einer lokalen Deployment-Umgebung

Da das Basismodell unverändert bleibt, können Sie nahezu alle Schritte bereits vor dem Erhalt der Gewichte durchführen:
  1. Überlegen Sie ehrlich, ob Sie dieses Modell selbst hosten oder einen externen Endpunkt nutzen wollen. Bei einer Mindestanforderung von ~377 GB Gewichtsspeicher greifen die meisten Nutzer auf externe Endpunkte zurück – Tokios unterstützt beide Varianten.
  2. Falls Sie eine eigene Deployment-Infrastruktur betreiben, planen Sie die Nutzung mehrerer GPUs mittels vLLM oder SGLang. Für GLM-5.2 sind --reasoning-parser glm45 sowie --tool-call-parser glm45 erforderlich; es ist zu erwarten, dass auch GLM-5.3 ähnliche Parameter benötigt, damit Tool-Aufrufe und Denkprozesse korrekt voneinander getrennt werden.
  3. Überprüfen Sie sämtlichen Code, der momentan thinking.type: "disabled" verwendet – ab GLM-5.3 funktioniert dieser Pfad nicht mehr, unabhängig davon, wie Sie das Modell bereitstellen.
  4. Verknüpfen Sie den Tokios Connector mit beliebigen OpenAI-kompatiblen Endpunkten, die Sie nutzen möchten.
  5. Tragen Sie einen Namen für die Deployment im Dashboard ein. Clients übermitteln diesen Deployment-Namen im Feld model anstelle der Upstream-Modell-ID – dadurch bleibt nach einem späteren Austausch von GLM-5.2 gegen GLM-5.3 auf der Client-Seite alles unverändert.
Aus diesem Grund sollte die Einrichtung bereits vor der offiziellen Veröffentlichung erfolgen: Der Wechsel des Modells erfordert lediglich eine einzige Änderung auf dem Server, während alle Agenten und Teammitglieder, die auf Ihren Endpunkt zugreifen, weiterhin problemlos arbeiten können.

​
Offene Fragen und offizielle Informationen

Z.ai hat eine Ankündigung, Benchmark-Ergebnisse sowie den API-Vertrag veröffentlicht. Noch ausstehend sind:
  • die Modellgewichte, die Modellbeschreibung sowie der Lizenztext;
  • der genaue Repository-Pfad, die Upstream-Modell-ID sowie die Dateigrößen;
  • überprüfte Befehle für vLLM, SGLang und Ollama;
  • konkrete Hardware-Empfehlungen sowie Beispiele zur Nutzung des Tokios Connectors.

​
Häufig gestellte Fragen

Ja, seit dem 2026-08-14 — allerdings ausschließlich über den API-Schlüssel, das GLM Coding Plan sowie ZCode, nicht als herunterladbare Gewichte. Z.ai gibt an, dass die eigentlichen Gewichte etwa zwei Wochen nach dem Start verfügbar sein werden, sobald Sicherheitsprüfungen und Optimierungen abgeschlossen sind. Bis dahin ist GLM-5.2 das neueste Modell, das man selbst hosten kann; es nutzt denselben Basismodell-Code wie GLM-5.3.
Lediglich im Nachtraining — der vorgebildete Basismodell-Code ist identisch, weshalb Größe und Hardware-Anforderungen unverändert bleiben. Verbesserungen zeigen sich vor allem bei agentenbasiertem Programmieren sowie komplexen Aufgaben: Laut Messungen von Z.ai verbessert sich der Wert beim Terminal Bench 3.0 von 4.6 auf 28.3, während DeepSWE v1.1 von 46.2 auf 66.9 steigt. Zudem gibt es eine wesentliche Änderung am API: Das Deaktivieren des Denkprozesses ist nun nicht mehr möglich.
The same as GLM-5.2, because it is the same base model: roughly 377 GB at 4-bit, 753 GB at 8-bit, and 1.5 TB at BF16 for the 753B stored parameters, before KV cache. That is multi-GPU server or multi-node territory, not a single workstation and not one DGX Spark. A consumer GPU is not a candidate at this tier.
Laut Z.ai-Angaben etwa zwei Wochen nach dem 2026-08-14-Start, sofern Sicherheitsprüfungen und Optimierungen abgeschlossen sind — also Ende August 2026. Auf Hugging Face ist das Modell bereits als „coming soon“ gelistet. Ein exaktes Datum wurde bislang nicht genannt; man sollte es als vorläufigen Plan des Anbieters betrachten.
Derzeit nicht, da kein entsprechender Tag existiert. Bei der Veröffentlichung ist eher mit einem Cloud-Tag zu rechnen: Auf Ollama ist GLM-5.2 lediglich als glm-5.2:cloud verfügbar, welches auf Z.ai-Infrastruktur verweist und keine lokalen Gewichte herunterlädt. Falls Sie ein GLM-Modell jetzt herunterladen möchten, liefert ollama run glm4 das Modell 9B mit einer Größe von 5.5 GB.
Nur solange Sie das Denken nicht deaktivieren. GLM-5.3 akzeptiert thinking.type: "disabled" nicht, weshalb Anfragen scheitern; Clients, die auf Nicht-Denkmodus angewiesen sind, müssen zunächst auf enabled mit reasoning_effort: "low" umsteigen. Die Tiefe des Denkprozesses lässt sich ansonsten über low, high oder max steuern; der Standardwert ist max.
Z.ai hat sich verpflichtet, die Gewichte freizugeben; GLM-4 bis GLM-5.2 wurden unter der MIT-Lizenz veröffentlicht. Die Lizenz für GLM-5.3 steht jedoch noch aus. Offene Gewichte und Open Source sind nicht dasselbe – lesen Sie die Lizenz genau durch, insbesondere hinsichtlich kommerzieller Nutzung.
Starten Sie es auf einem OpenAI-kompatiblen Runtime-System und verknüpfen Sie anschließend den Tokios Connector. Dadurch benötigt der Rechner mit den GPUs keine eingehenden Ports. Rufen Sie https://api.tokios.com mithilfe eines sk-tok-…-API-Schlüssels von jedem OpenAI- oder Anthropic-kompatiblen Client auf und geben Sie Ihren Deployment-Namen im Feld model an, statt die Upstream-Modell-ID zu verwenden.

Die GLM-Familie

Heute können Sie bereits ein verifiziertes GLM-Modell nutzen – von 9B bis hin zu GLM-5.2.

Modellauswahl

Ermitteln Sie, welches Modell sowie welche Kontextgröße Ihre Hardware verarbeiten kann.

Schnellstart

Verknüpfen Sie den Connector und registrieren Sie eine lokale Deployment-Instanz.

Quantisierung und Hardware

Welche Bedeutung haben die veröffentlichten Formate für Ihre Hardware?