Z.ai und IBM veröffentlichen Reasoning-Modelle mit offenen Gewichten im Tagesabstand

Zwei Reasoning-Modelle mit offenen Gewichten kamen im Abstand von einem Tag. Z.ai veröffentlichte GLM-5.3-Flash am 26. August 2026 unter einer MIT-Lizenz, so MarkTechPost. IBM veröffentlichte Granite 4.2 am 25. August 2026 unter Apache 2.0, so DataNorth. Offene Gewichte heißt, dass die Modelldateien selbst veröffentlicht sind. Sie können sie also herunterladen und selbst betreiben. Die beiden zielen auf fast entgegengesetzte Hardware. Genau das lohnt sich zu verstehen, bevor Sie eines auswählen.

Zuerst eine Namensfalle. GLM-5.3 und GLM-5.3-Flash sind verschiedene Veröffentlichungen. DataNorth berichtet, GLM-5.3 kam am 14. August 2026 für Programmier- und Cybersicherheitsarbeit, mit offenen Gewichten etwa zwei Wochen später versprochen. GLM-5.3-Flash ist die Veröffentlichung vom 26. August, und seine Gewichte liegen schon auf Hugging Face.

GLM-5.3-Flash: groß, günstig im Aufruf, schwer zu hosten

GLM-5.3-Flash ist ein Mixture-of-Experts-Modell mit 320 Milliarden Parametern insgesamt und 18 Milliarden aktiven pro Token, so MarkTechPost. Eine Mixture of Experts schaltet für jedes Token nur einen kleinen Teil ihrer Parameter ein. Sie kann also groß sein, ohne pro Token viel Rechenleistung zu kosten. Hier aktiviert sie 8 von 288 Experten.

MarkTechPost berichtet, es sei das erste von Grund auf multimodale Modell der GLM-5-Reihe. Es nimmt Bild- und Videoeingaben und hat ein Kontextfenster von 1.048.576 Tokens. Z.ai nennt es „das erste von Grund auf multimodale Modell der GLM-5-Reihe und das günstigste leistungsfähige Modell für Code". Die Angaben zur Effizienz sind konkret: 3-mal weniger Rechenleistung für Attention und ein 4,4-mal kleinerer KV-Cache als bei GLM-5.2.

Beim Preis kommt das Versprechen an. MarkTechPost nennt 0,15 Dollar pro Million Input-Tokens, 0,03 Dollar pro Million zwischengespeicherter Input-Tokens und 0,50 Dollar pro Million Output-Tokens. Z.ai sagt, das Modell „schlägt GLM-5.2 über Benchmarks und echte Workloads hinweg zu etwa einem Zehntel des Preises".

Der Haken steht im selben Bericht. Selbst-Hosting braucht erhebliche Hardware, denn die Gewichte umfassen rund 306 GiB. Und seine Bildfähigkeit liegt hinter Gemini 3.7 Flash.

Granite 4.2: klein genug, um wirklich zu laufen

IBM ging in die andere Richtung. DataNorth berichtet, Granite 4.2 komme in den Parametergrößen 3B, 8B und 30B unter Apache 2.0. Trainiert wurde es mit rund 15 Billionen Tokens, darunter 1 Billion synthetische Code-Tokens. Der Kontext liegt bei 131.072 Tokens, mit einer angegebenen Erweiterung auf 512K, und es unterstützt 12 Sprachen.

Das auffällige Entwurfsmerkmal ist das, was IBM so beschreibt: „ein Denk-Schalter, sodass ein Checkpoint entweder Schritt für Schritt schlussfolgern oder direkt antworten kann". Praktisch heißt das: Sie liefern eine Modelldatei aus und entscheiden pro Anfrage, ob Sie für Reasoning-Tokens zahlen. DataNorth berichtet, das 30B-Modell erreiche 57,00 auf SWE-bench Verified. Dieser Benchmark verlangt von einem Modell, echte GitHub-Issues zu beheben.

IBM veröffentlichte außerdem Modelle der Reihe Granite Speech 5.0 Turbo CTC mit 470M Parametern. DataNorth berichtet, sie erreichen einen Durchsatz von 12.600 RTFx auf einer NVIDIA H200.

Nebeneinander

	GLM-5.3-Flash	Granite 4.2
Größen	320B insgesamt, 18B aktiv	3B, 8B, 30B
Lizenz	MIT	Apache 2.0
Kontextfenster	1.048.576 Tokens	131.072 Tokens
Eingaben	Text, Bild, Video	Text
Umfang der Gewichte	rund 306 GiB	nicht angegeben
Genannter Benchmark	Terminal-Bench 3.0 mit 28,3 % für GLM-5.3	SWE-bench Verified 57,00 bei 30B

Was das für Entwickler bedeutet

Wählen Sie danach, wo das Modell laufen wird, und nicht nach der Parameterzahl. Ein 320B-Modell mit 306 GiB ist ein Deployment über mehrere GPUs oder ein API-Aufruf. Ein 3B- oder 8B-Modell passt auf eine einzelne Maschine, auch auf Hardware, die Sie schon besitzen. Wenn Ihre Anforderung offline oder On-Premise ist, machen das von dieser Liste nur die Granite-Größen leicht. Das gilt unabhängig davon, welches Modell besser abschneidet.

Vergleichen Sie die beiden Schlagzeilen-Benchmarkwerte nicht miteinander. Terminal-Bench 3.0 und SWE-bench Verified sind verschiedene Tests. 28,3 % und 57,00 liegen also nicht auf derselben Skala. Vergleichbar ist hier GLM-5.3 gegen GLM-5.2 im selben Benchmark. DataNorth berichtet dort einen Sprung von 4,6 % auf 28,3 %. Dieser Gewinn kam allein aus dem Post-Training, auf einem unveränderten Basismodell. Das erinnert nützlich daran, dass die Basis oft nicht der Engpass ist.

Beide Lizenzen sind permissiv, aber sie sind nicht identisch, und der Unterschied zeigt sich in der Rechtsprüfung. MIT und Apache 2.0 erlauben beide kommerzielle Nutzung und Änderungen. Apache 2.0 ergänzt eine ausdrückliche Patentlizenz, die manche Rechtsabteilungen verlangen. Prüfen Sie, welche Ihre Organisation schon freigegeben hat, bevor Sie auf einer von beiden bauen.

Der Preis von GLM-5.3-Flash ist die Zahl, die einen Plan ändern sollte. Bei 0,03 Dollar pro Million zwischengespeicherter Input-Tokens wird ein Workload deutlich billiger, der denselben langen Kontext immer wieder sendet. Genau so sind die meisten Workloads für Agenten und Dokumentenanalyse geformt. Wenn Sie Entwürfe mit langem Kontext im vorigen Jahr wegen der Kosten verworfen haben, lohnt sich diese Rechnung erneut. Prüfen Sie zuerst das Verhalten der Cache-Treffer in Ihrem eigenen Verkehr. Denn Preise für Cache-Treffer helfen nur, wenn sich Ihre Prompts wirklich wiederholen.