**Übersetzung des chinesischen Headlines ins Deutsche:** „Anstatt mit Billionen von Parametern zu arbeiten, konzentriert sich Zhipu GLM-5.3 auf Programmierfähigkeiten und Netzwerksicherheit.“

Zusammenfassung der Kerninhalte

Das von Zhipu AI veröffentlichte Großmodell GLM-5.3 folgt nicht dem Trend, einfach mehr Parameter zu verwenden (es verfügt weiterhin über 753 Milliarden Parameter), sondern nutzt das Potenzial des bestehenden Basismodells durch „Post-Training-Skalierungsverfahren“ (längere Trainingszeiten, mehr Aufgabenszenarien und größere Skalen von Verstärkungslernen). Dadurch hat sich die Leistung erheblich verbessert. GLM-5.3 zeigte hervorragende Ergebnisse in Tests zu Endaufgaben, Softwareentwicklung, beruflichen Kenntnissen, Programmierung und Netzwerksicherheit – insbesondere in Bezug auf Sicherheitsfähigkeiten, die sogar einige internationale Spitzenmodelle übertreffen. Derzeit befindet sich die Preispolitik im Großmodellbereich in einem extremen Gegensatz: Ausländische Giganten senken ihre Preise, um dem Wettbewerb durch chinesische Modelle zu begegnen, während chinesische Modelle von einer Strategie des „Preis-Leistungs-Verhältnisses“ auf eine Preissteigerung zur Gewinnrealisierung umschwenken. Die Zukunft von GLM-5.3 hängt davon ab, ob die Vorteile des Post-Trainings anhalten, ob die Sicherheitsmaßnahmen nach der Open-Sourcing-Veröffentlichung effektiv umgesetzt werden können und ob es gelingt, durch Programmier- und Sicherheitsfähigkeiten einen Vorsprung in der Entwicklergemeinschaft zu erlangen.

1. Logik des Upgrades: Kein Wettlauf um „Trillionen von Parametern“, sondern eine feine Abstimmung des bestehenden Systems

Früher war es im Großmodellbereich üblich, den Parameterumfang zu vergleichen – beispielsweise erreichte Kimi K3 mit 2,8 Billionen Parametern einen großen Aufschwung in der Branche. GLM-5.3 geht jedoch einen anderen Weg: Die Leistungssteigerung basiert ausschließlich auf dem Post-Training – vergleichbar damit, dass man den Motor eines Autos durch längere Eingewöhnungsphasen, das Üben unter komplexeren Bedingungen und die Optimierung der Fahrweise mithilfe intelligenter Verfahren weiter verbessert. Zhipu bezeichnet dieses Verfahren als „Post-Training-Skalierung“ und betont, dass das Potenzial des bestehenden Basismodells noch lange nicht ausgeschöpft ist; es sei daher nicht notwendig, sofort ein neues Basismodell zu entwickeln.

2. Stärken: Sicherheit und Programmierung als Schlüsselfaktoren

GLM-5.3 erzielte in mehreren wichtigen Tests herausragende Ergebnisse:

• Fähigkeit zur Erledigung realer Aufgaben: Die Punktzahl im Terminal-Bench-Test stieg von 4,6 auf 28,3 (je höher die Zahl, desto besser) – dies zeigt eine deutliche Verbesserung bei der Bewältigung alltäglicher Arbeitsaufgaben wie Berichtserstellung oder Tabellenerstellung.
• Programmierfähigkeit: In anspruchsvollen Programmiertests übertraf GLM-5.3 die Leistung von Anthropics Claude Opus 4.8 und erzeugte zudem kompakteren Code (durchschnittlich 50.000 Tokens pro Aufgabe, weniger als die Hälfte von Opus).
• Berufliche Kenntnisse: Die Punktzahl im GDPval-AA-Test lag bei 1769, gegenüber 1682 bei Kimi K3 – das Modell ist in der Lage, Aufgaben aus 44 verschiedenen Berufen zu bewältigen (z. B. Ärzte erstellen Krankenakten, Ingenieure prüfen technische Dokumente).
• Sicherheitsfähigkeit (höchster Pluspunkt): In internationalen Tests zur Fehlererkennung übertraf GLM-5.3 andere Modelle; außerdem verdoppelte sich die Punktzahl bei Tests zur tiefgreifenden Ausnutzung von Sicherheitslücken und näherte sich den weltweit führenden Modellen. Zhipu arbeitete dabei mit mehreren Sicherheitsteams zusammen, um 2436 Sicherheitslücken in echten Codebibliotheken zu identifizieren (davon 1097 hochriskant), die auf Systemen wie Android und Windows vorkamen; diese Lücken wurden anschließend an nationale Fehlerdatenbanken zur Behebung weitergeleitet – dies macht das Modell weniger anfällig für Hackerangriffe und somit zuverlässiger.

3. Preispolitik: Gegensätzliche Entwicklungen im In- und Ausland

In letzter Zeit zeigt sich eine deutliche Trennung in der Preispolitik des Großmodellbereichs:

• Ausländische Giganten senken ihre Preise: OpenAI reduzierte den API-Preis für GPT-5.6 Luna um 80% (von 1 US-Dollar auf 0,2 US-Dollar pro Million Tokens); Google und Anthropic folgten diesem Beispiel – der Hauptgrund ist die Angst, dass chinesische Modelle wie Kimi K3 und DeepSeek V4 Kunden abwerben könnten.
• Chinesische Modelle erhöhen ihre Preise: Der Preis für DeepSeek V4-Pro stieg während der Hochsaison um das Fünffache (von 6 Yuan auf 27 Yuan pro Million Tokens), Kimi K3 um das Doppelte (auf 100 Yuan); auch Zhipu hat zuvor Preiserhöhungen vorgenommen. Der Grund dafür ist, dass chinesische Modelle nicht länger auf niedrige Preise setzen, um Marktanteile zu gewinnen, sondern versuchen, Gewinne zu erzielen.

GLM-5.3 hat bisher keine Preisänderung angekündigt; bei Beibehaltung der bisherigen Preise (Eingabe: 8 Yuan, Ausgabe: 28 Yuan pro Million Tokens) würde es sich auf dem Niveau von DeepSeek V4-Pro befinden – an einem entscheidenden Punkt zwischen sinkenden ausländischen und steigenden chinesischen Preisen.

4. zukünftige Herausforderungen

Ob der Ansatz von GLM-5.3 erfolgreich sein kann, hängt von drei Fragen ab:

1. Wie lange halten die Vorteile des Post-Trainings an? Derzeit wird die Leistung durch Post-Training schnell verbessert – aber irgendwann wird dies an seine Grenzen stoßen; wie kann man dann weiterhin Fortschritte erzielen?

2. Können die Sicherheitsmaßnahmen nach der Open-Sourcing-Veröffentlichung effektiv umgesetzt werden? Zhipu plant, das Modell open source zu machen; jedoch erhöht sich dadurch das Risiko von Sicherheitslücken – wie kann dies verhindert werden?

3. Kann ein Vorsprung in der Entwicklergemeinschaft aufgebaut werden? Angesichts sinkender ausländischer Preise und steigender chinesischer Preise muss GLM-5.3 durch Programmier- und Sicherheitsfähigkeiten Entwickler anziehen – nur wenn Entwickler das Modell als unersetzlich betrachten (z. B. für sicherheitstechnische Anwendungen), kann es langfristig erfolgreich sein.

Insgesamt bietet GLM-5.3 einen neuen Weg für den Großmodellbereich, der nicht auf die Menge an Parametern, sondern auf die Qualität der internen Funktionalitäten setzt. Ob dieser Ansatz jedoch tatsächlich funktioniert, hängt von weiteren technischen, sicherheitstechnischen und kommerziellen Aspekten ab. Für die Allgemeinheit könnten in Zukunft zuverlässigere und intelligente chinesische Modelle verfügbar sein – allerdings sind die Preise wahrscheinlich nicht mehr so niedrig wie bisher.