GLM 5.3 Kosten: Was das günstige Modell wirklich kostet

👁 115 Aufrufe

Die Modellkarte von GLM 5.3 sieht vielversprechend aus: eine Million Token Kontext, Eingabepreis unter zehn Cent in der Flash-Version, Unterstützung für Bild und Video. Das wirkt wie der günstigste Weg zu großem Kontext, den man heute kaufen kann. Wir haben eigene Tests durchgeführt und berechnet, was dieses Angebot wirklich kostet. Das Ergebnis: Drei der vier Zahlen auf der Modellkarte sind nur unter sehr speziellen Bedingungen wahr.

Unser Test: Wie GLM-5.3 mit Schreibaufgaben zurechtkommt, haben wir separat geprüft: GLM-5.3 po polsku: test w 13 zadaniach · porównanie z MiMo, Qwenem i Muse Spark

Was ist GLM 5.3 überhaupt

GLM 5.3 ist ein Modell der chinesischen Firma Z.ai, Nachfolger der GLM-5-Reihe. Auf OpenRouter ist es in zwei Varianten verfügbar, und der Unterschied zwischen ihnen ist größer, als der Name vermuten lässt.

Das Erste, was auffällt: Die günstigere Flash-Version hat einen größeren Kontext als die Vollversion und akzeptiert Bild und Video, die das Flaggschiff überhaupt nicht verarbeitet. Bei einem neunzehnfach niedrigeren Eingabepreis. Das ist keine Konstellation, die man häufig sieht, also haben wir genau damit begonnen.

1,31 Millionen Token Kontext bekommen Sie bei fast niemandem

GLM 5.3 Flash hat auf OpenRouter sechsundzwanzig Anbieter. Wir haben jeden einzeln geprüft, und ein Kontextfenster von 1 310 720 Token bietet genau einer: Cloudflare. Vierundzwanzig der übrigen geben 1 048 576, und einer 262 144.

Die Zahl auf der Modellkarte ist also wahr, beschreibt aber nur den besten Anbieter, nicht das, was Sie bei einer normalen Anfrage erhalten. Wenn Sie etwas entwickeln, das wirklich 1,3 Millionen Token benötigt, müssen Sie einen bestimmten Anbieter erzwingen. Sonst landen Sie bei einer Million, und die Anfrage prallt im ungünstigsten Moment am Limit ab.

Der Preis auf der Modellkarte ist der Preis des günstigsten Anbieters, nicht Ihrer

Hier wird es interessanter. OpenRouter zeigt auf der Karte den Tarif des günstigsten Anbieters, aber die Anfrage wird an denjenigen geleitet, der gerade verfügbar ist. Die Streuung haben wir für jedes der vier Modelle berechnet.

Bei GLM 5.3 Flash bieten zwei von sechsundzwanzig Anbietern den Tarif von der Karte, also 0,25 Dollar. Zwanzig berechnen 0,50, also das Doppelte. Unsere Anfragen landeten bei Together, und wir zahlten genau 0,50.

Bei GLM 5.2 war es schlimmer. Die Karte sagt 0,88 Dollar pro Million Ausgabe-Token. Unsere Anfrage landete bei einem Anbieter, der 4,40 berechnet, also fünfmal mehr als der Preis, auf dessen Grundlage wir die Entscheidung getroffen haben. Das ist kein Fehler und keine versteckte Gebühr, alles ist transparent in den Anbieter-Daten. Nur liest niemand die Anbieter-Daten, und die Modellkarte zeigt eine einzige Zahl.

Reasoning lässt sich nicht abschalten

Unsere Standardmethode zur Messung beginnt mit dem Abschalten des Reasoning, denn sonst vergleichen wir Modelle, die denken, mit Modellen, die sofort antworten. Bei GLM 5.3 funktioniert das nicht. Die API gibt einen 400-Fehler zurück und eine Meldung, die keinen Raum für Diskussionen lässt:

Reasoning is mandatory for this endpoint and cannot be disabled.

Denselben Fehler gibt auch die Flash-Version zurück. Die Konsequenz ist finanziell, nicht technisch: Reasoning-Token werden wie normale Ausgabe-Token abgerechnet, und die Ausgabe ist die teurere Seite der Preisliste. Sie zahlen für das Denken des Modells und können darauf nicht verzichten.

Wir haben geprüft, wie viel Denken das ist. In drei Aufgaben betrug der Anteil der Reasoning-Token an der gesamten Ausgabe:

• GLM 5.3: 95%, 84% und 52%
• GLM 5.3 Flash: 96%, 93% und 68%
• DeepSeek V4 Flash: 89%, 16% und 90%

Bei einer Aufgabe, bei der wir um zwei Sätze auf Polnisch baten, produzierte GLM 5.3 659 Ausgabe-Token, davon waren 625 Reasoning. Wir erhielten zwei Sätze und eine Rechnung für zwanzigmal mehr Text, als wir gesehen haben.

Drei Aufgaben auf Polnisch, vier Modelle

Der Test war einfach und bewusst kurz, denn bei solchen Aufgaben werden die Kostenunterschiede am schmerzhaftesten. Wir baten um zwei Sätze mit schwieriger Deklination, um eine Zusammenfassung in genau drei Sätzen und um eine Rechnung auf der Token-Preisliste.

Die stärkste Zahl steht in der Zeile mit der Zusammenfassung. GLM 5.3 Flash benötigte für drei Sätze über Leasing 3 783 Ausgabe-Token und 46,3 Sekunden, davon gingen 3 526 Token für Reasoning drauf. DeepSeek V4 Flash erledigte dieselbe Aufgabe in 203 Token und 3,8 Sekunden. Zwölfmal schneller, bei Kosten, die neununddreißigmal niedriger waren.

Insgesamt berechnete DeepSeek V4 Flash für drei Aufgaben sechzehnmal weniger als GLM 5.3 Flash und einundsechzigmal weniger als GLM 5.3.

Und die polnische Sprache?

Hier gibt es keine Überraschung, und das ist genau das Problem von GLM. Alle vier Modelle kamen mit dem Genitiv Plural von „skrzypce“ (Geige) und dem Instrumental von „tysiąc“ (tausend) zurecht. Alle berechneten die Rechnung auf 0,646 Dollar korrekt. Alle hielten die Zusammenfassung in genau drei Sätzen, um die wir gebeten hatten.

Satz von GLM 5.3: „W piwnicy nie znaleźli starych skrzypiec należących do dziadka„ (Im Keller fanden sie die alten Geigen des Großvaters nicht). Satz von DeepSeek V4 Flash: „Zabrakło mi strun do moich starych skrzypiec„ (Mir fehlten Saiten für meine alten Geigen). Beide korrekt, einer kostete einundsechzigmal mehr.

Bei Aufgaben, bei denen das teurere Modell nichts besser macht, läuft der ganze Unterschied auf die Rechnung hinaus. Und das ist die Antwort auf die Frage, ob sich der Wechsel von GLM 5.2 auf 5.3 lohnt: In unseren Aufgaben gab es nichts, wofür sich der Aufpreis gelohnt hätte.

Dasselbe Modell, viermal unterschiedliche Zeit

Noch etwas ist wissenswert. GLM 5.3 antwortete uns einmal in 1,7 Sekunden und einmal in 29,7 Sekunden. Das war kein Unterschied in der Schwierigkeit der Aufgabe, sondern ein Unterschied beim Anbieter: Die kürzere Antwort kam von Modal, die längere von DigitalOcean. Wenn Sie etwas entwickeln, bei dem die Antwortzeit wichtig ist, müssen Sie bei Modellen mit langer Anbieterliste einen bestimmten angeben. Sonst funktioniert derselbe Code einmal in einer Sekunde und einmal in einer halben Minute, und man weiß nicht warum.

Für wen das Sinn macht

Nehmen Sie GLM 5.3 Flash, wenn Sie ein günstiges Modell brauchen, das Bild und Video bei großem Kontext akzeptiert. Das ist eine wirklich seltene Kombination, und hier gewinnt Flash, denn DeepSeek V4 Flash akzeptiert keine Bilder.

Lassen Sie GLM 5.3 in der Vollversion weg, solange Sie keine Aufgabe haben, bei der die Flash-Version versagt. Es kostet bei der Eingabe fast neunzehnmal mehr, akzeptiert keine Bilder, hat weniger Kontext und antwortete in unseren Aufgaben nicht besser.

Für normalen Text nehmen Sie etwas anderes. Bei Textaufgaben war DeepSeek V4 Flash schneller und vielfach günstiger bei gleicher Qualität der polnischen Sprache.

Geben Sie immer den Anbieter an. Das ist eine Zeile in der Anfrage, und ohne sie sind Preis und Antwortzeit eine Lotterie, bei der die Modellkarte das bestmögliche Ergebnis zeigt.

Wie wir gemessen haben

Alle Zahlen stammen vom 9. September 2026. Preise und Anbieterlisten haben wir direkt aus der OpenRouter-API, die Kosten einzelner Anfragen aus dem Abrechnungsfeld, das von derselben API zurückgegeben wird, nicht aus eigenen Schätzungen. Jede Aufgabe ging einmal an jedes Modell, mit derselben Anweisung und einem Limit von 4 000 Token. Der gesamte Test kostete 0,0196 Dollar.

Eine Messung ist eine Messung, und bei Modellen mit Reasoning kann die Streuung erheblich sein. Wir behaupten also nicht, dass GLM 5.3 Flash immer 3 783 Token für drei Sätze braucht. Wir behaupten, dass es beim ersten Versuch so viele brauchte, dass sich das nicht abschalten lässt und dass man die Rechnung mit dieser Annahme kalkulieren muss.

Mehr solcher Messungen sammeln wir laufend in den Benchmarks, und Daten zu einzelnen Modellen halten wir im Modell-Atlas fest. Wie ähnliche Fallen bei teureren Modellen aussehen, haben wir im Text über GPT-6 Astra ausgeführt.

Nachtrag vom selben Tag: Breiterer Test fiel für GLM besser aus

Einige Stunden nach Veröffentlichung dieses Textes haben wir zehn Modelle durch sechs Aufgaben zur polnischen Grammatik geschickt, die automatisch bewertet wurden. GLM 5.3 Flash erreichte die volle Punktzahl, genauso viel wie GPT-6 Astra, Claude Fable 5.1 und Kimi K3, bei einer Rechnung, die sechsundzwanzig- bis zweiunddreißigmal niedriger war als bei diesen.

Das präzisiert die Schlussfolgerung aus dem Absatz darüber. Bei den drei Aufgaben aus diesem Text schnitt DeepSeek V4 Flash gleich gut ab und war günstiger. Bei einem breiteren Set verlor DeepSeek einen Punkt, und GLM 5.3 Flash verlor keinen. Wenn Ihnen korrektes Polnisch wichtig ist, ist GLM 5.3 Flash jetzt unsere Standardwahl, und alles, was wir oben über Reasoning-Kosten und Anbieter geschrieben haben, gilt weiterhin.

Die vollständigen Ergebnisse, aufgeschlüsselt nach Aufgaben und mit den Kosten jedes Modells, stehen im Text darüber, welches KI-Modell am besten Polnisch schreibt.

Ein zweites Mal dasselbe, nur schmerzhafter

Bei einer längeren Aufgabe hört das obligatorische Reasoning auf, nur Kosten zu sein. In einem Test, bei dem wir acht Modelle um einen Artikel mit neunhundert Wörtern baten, verbrauchte GLM 5.3 Flash das gesamte Limit von achttausend Token fürs Denken und lieferte null Wörter, stellte aber trotzdem eine Rechnung aus.

Das ist keine Ausnahme mehr

Als wir diesen Text schrieben, war GLM 5.3 das einzige Modell, bei dem wir darauf gestoßen sind. Einen Tag später haben wir achtzehn Modelle durchgesehen und festgestellt, dass sieben davon das Abschalten von Reasoning blockieren, und die Aufteilung ist rein generationsbedingt: Neue Modelle nehmen die Wahl weg, ältere Versionen derselben Familien geben sie noch.

Zahlendaten: Karte GLM 5.3 mit Preisen pro Million Token und Kontextgröße.

// weiterlesen100.000 Qubits statt einer Million: Wie nah ist der Quanten-Codeknacker wirklich?TechnologieWie ein Nobelpreisträger den KI-Hype entzaubert - und worauf er jetzt wirklich achtetAlgorithmenLokales KI-Modell oder API: Was kostet AI wirklich?Anleitungen

Kinetyra