GLM-5.3-Gewichte kommen mit eigener Lizenz und brauchen acht GPUs

Die Gewichte von GLM-5.3, dem größten offenen Modell des chinesischen Labors Z.ai, sind jetzt auf Hugging Face veröffentlicht. Zwei Details zählen mehr als die Benchmark-Werte. Die Lizenz ist ein eigenes Z.ai-Dokument und nicht MIT, und das Modell braucht mindestens acht Hochleistungs-GPUs aus dem Rechenzentrum, um überhaupt zu laufen.

GLM-5.3 ist ein Mixture-of-Experts-Modell. Diese Bauweise teilt das Netz in viele Spezialabschnitte und weckt für jedes verarbeitete Wort nur einige davon. Die Spezifikationsübersicht von Kingy.ai nennt 753,3 Milliarden Parameter insgesamt und 40 Milliarden aktive pro Token, aus 256 gerouteten Experten, von denen 8 pro Durchgang gewählt werden. Das Kontextfenster umfasst 1.048.576 Token, also die Textmenge, die das Modell gleichzeitig halten kann.

Die Lizenz ist die eigentliche Nachricht

GLM-5.2 erschien unter MIT, einer erlaubenden Lizenz fast ohne Auflagen. GLM-5.3 nicht. Nach der Lesart der Bedingungen bei Kingy.ai tragen die Spitzengewichte eine eigene "GLM-5.3 License", die kommerzielle Nutzung meist erlaubt, aber eine Auslöseschwelle ergänzt.

Die Schwelle richtet sich an Firmen, die Modellzugang weiterverkaufen. Jeder Model-as-a-Service-Betreiber, dessen Umsatz aus Lizenznehmer und verbundenen Unternehmen in beliebigen 12 aufeinanderfolgenden Monaten 10 Milliarden Dollar übersteigt, muss vor weiterer kommerzieller Nutzung eine Sicherheitsprüfung von Z.ai bestehen. Diese Bedingung enthält MIT nicht, und sie schreibt eine Freigabe durch den Anbieter in die Lizenz.

Der kleinere Ableger ging einen anderen Weg. Laut explainX erschien GLM-5.3-Flash am 26. August unter MIT. Es hat 320 Milliarden Parameter, davon 18 Milliarden aktive. Auch die MIT-Gewichte von GLM-5.2 bleiben verfügbar.

Warum die Veröffentlichung rutschte

Z.ai startete GLM-5.3 am 14. August und versprach die Gewichte in etwa zwei Wochen, also zum 28. August. Laut explainX verschob sich der Termin wegen einer Sicherheitsprüfung.

Die angegebene Begründung ist ungewöhnlich. Bei der Prüfung stellte Z.ai fest, dass die Cybersicherheits-Fähigkeit des Modells schneller gewachsen war als erwartet. Dazu gehörte das Schlussfolgern über mehrstufige Exploit-Ketten. Dieselbe Auswertung fand laut explainX 2.436 Schwachstellen in 269 Open-Source-Projekten. Davon galten 1.097 als kritisch oder hoch.

Was der Betrieb kostet

Punkt	Wert
Parameter insgesamt	753,3 Milliarden, 40 Milliarden aktiv pro Token
Experten	256 geroutet, 8 pro Token gewählt
Kontextfenster	1.048.576 Token
Standard-Quantisierung	FP8 (E4M3)
FP8-Download	755,7 GB in 141 Teilen
BF16-Download	Etwa 1,5 TB in 282 Teilen
Mindest-Hardware	8 GPUs der Klasse H200, H20 oder B200, je 141-180 GB VRAM
Vollständige 1M Kontext	8 × B200 mit 180 GB und FP8-Key-Value-Cache

Kingy.ai fasst diese Tabelle in einem Satz zusammen: "It is not easy to run", es ist nicht leicht zu betreiben.

Jeder Fortschritt kam aus dem Post-Training

Die interessanteste technische Aussage steht auf der Modellkarte selbst. Z.ai schreibt: "GLM-5.3 uses the same base model as GLM-5.2 - every gain comes from post-training." Jeder Gewinn stammt also aus dem Post-Training, der Feinabstimmung nach dem teuren Vortraining.

Die Karte nennt 50 Prozent Verbesserung gegenüber GLM-5.2 auf Z.ais internem Code Bench. Auf Exploitation-Benchmarks soll das Modell die Werte von GLM-5.2 mehr als verdoppeln. Kingy.ai listet die veröffentlichten Zahlen auf.

Benchmark	GLM-5.2	GLM-5.3
Terminal-Bench 3.0	4,6	28,3
DeepSWE	46,2	66,9
SWE-Marathon	19,4	42,5
CyberGym	77,2	84,5

Das sind selbst berichtete Zahlen des Labors, das das Modell gebaut hat. Behandle sie als Behauptung zur Überprüfung, nicht als Ergebnis.

Was das für Entwickler bedeutet

Lies die Lizenz, bevor du ein Produkt um dieses Modell planst. "Offene Gewichte" und "Open Source" sind hier nicht dasselbe, und der Unterschied ist jetzt konkret. Wenn deine Firma Modellzugang weiterverkauft und über die Umsatzgrenze wächst, hängt die weitere Nutzung von einer Prüfung des Anbieters ab.

Wer heute erlaubende Bedingungen braucht, hat eine klare Wahl. GLM-5.3-Flash und GLM-5.2 stehen unter MIT, und Flash ist mit 320 Milliarden Parametern ein Drittel so groß. Du tauschst die Coding-Werte des Spitzenmodells gegen Bedingungen, über die deine Rechtsabteilung nicht streitet.

Rechne die Hardware durch, bevor du irgendetwas herunterlädst. Ein FP8-Checkpoint von 755,7 GB in 141 Teilen ist kein Workstation-Projekt, und acht Karten sind die Untergrenze, kein bequemes Ziel. Miete Kapazität stundenweise zur Bewertung, und kalkuliere erst danach eigene Maschinen.

Das Post-Training-Ergebnis ist die übertragbare Lehre. Dasselbe Basismodell, anders abgestimmt, hob Terminal-Bench 3.0 von 4,6 auf 28,3. Wer eigene Modellarbeit budgetiert, sollte deshalb zuerst in Post-Training und Evaluation investieren, statt nach einer größeren Basis zu greifen.

Beobachte am Ende das Lizenzmuster, nicht dieses eine Dokument. Ein Labor fand starke Fähigkeiten zum Auffinden von Schwachstellen im eigenen Modell, verzögerte die Veröffentlichung und lieferte dann mit einer Prüfklausel. Rechne mit weiteren Gewichten unter solchen Bedingungen, und damit, dass "Ist es MIT?" deine erste Frage wird.