GLM 5.3 FlashX
8281°
Modell ausführen
Angebote / Werbung
Z.ai | 1.048.576 Token Kontext | $0.37/M Eingabe, $1.25/M Ausgabe. GLM-5.3-FlashX ist die Hochgeschwindigkeitsvariante von Z.ais GLM-5.3-Flash, ein natives multimodales Modell mit Inferenzgeschwindigkeiten von bis zu 200 Token/s. Basierend auf derselben hybriden sparsamen und linearen Aufmerksamkeitsarchitektur (320B Gesamtparameter, 18B aktiv), eignet es sich für effizientes Codieren, visuelles Verständnis und langfristige agentische Aufgaben mit einem 1M-Token-Kontextfenster.
Anleitungen zu diesem Modell
Die 10 günstigsten ChatGPT-Alternativen 2026: kostenlose lokale Modelle, Gratis-Stufen und Flatrate-Tarife
Offene Gewichte vs. Open Source vs. Nur API: Was du wirklich darfst
Captain's Notizen
Notizen vom 2026-10-13
GLM-5.3-FlashX ist Z.ais geschwindigkeitsoptimierte Variante von GLM-5.3-Flash, einem nativen multimodalen Modell, das auf einer hybriden Architektur aus sparsamer und linearer Aufmerksamkeit mit insgesamt 320 Mrd. Parametern und 18 Mrd. aktiven Parametern basiert. Es erreicht bis zu 200 Tokens pro Sekunde und verfügt über ein Kontextfenster von 1 Mio. Tokens, was es zu einer der schnelleren Optionen in dieser Preisklasse für Codierung, visuelles Verständnis und Agenten-Workflows macht.
Bekannt für
- Bis zu 200 Tokens/s Inferenzgeschwindigkeit, schnell für ein Modell dieser Klasse.
- 1 Mio. Tokens Kontextfenster – echte Langdokument- und Multi-Turn-Agenten-Nutzung.
- Nativ multimodal: verarbeitet Vision und Video neben Text.
- Effizientes MoE-Design: 320 Mrd. Gesamtparameter, nur 18 Mrd. aktiv pro Vorwärtsdurchlauf.
- Preislich deutlich unter den meisten fortschrittlichen multimodalen Modellen.
Achte auf
- Gewichte sind nicht öffentlich; Nutzung nur über Z.ais API, keine lokale Bereitstellung.
- Ausgabe kostet $1,25 pro Mio. Tokens – Agenten-Schleifen mit langen Ausgaben summieren sich schnell.
Prompts zum Ausprobieren
Eine unübersichtliche Funktion refaktorisieren
Hier ist eine Python-Funktion, die funktioniert, aber schwer zu lesen ist und bei großen Listen langsam läuft. Refaktoriere sie für Klarheit und Leistung, erkläre jede Änderung, die du vornimmst, und weise auf Randfälle hin, die der Originalcode stillschweigend ignoriert.
def find_dupes(lst):
dupes = []
for i in range(len(lst)):
for j in range(len(lst)):
if i != j and lst[i] == lst[j] and lst[i] not in dupes:
dupes.append(lst[i])
return dupes
Einen langfristigen Agenten planen
Du planst einen autonomen Agenten, der das GitHub-Repository eines Unternehmens überwacht, neue Issues nach Schweregrad priorisiert, eine Antwort an den Meldenden entwirft und bei kritischen Problemen ein Jira-Ticket eröffnet. Skizziere den vollständigen Aufgaben-Graphen, identifiziere, wo der Agent menschliche Zustimmung benötigt, und markiere die Ausfallmodi, die am wahrscheinlichsten stille Fehler verursachen.
Ein langes Dokument zusammenfassen
Ich füge unten eine umfangreiche technische Spezifikation ein. Lies das gesamte Dokument und erstelle dann: eine dreisätzige Zusammenfassung für Führungskräfte, eine Aufzählung der fünf wichtigsten Anforderungen und eine Liste aller gefundenen Unklarheiten oder Widersprüche. Fülle die Ausgabe nicht mit unnötigem Text.
[füge hier dein Dokument ein]
Vergleichen mit
- GLM 5.3 FlashModell mit offenen Gewichten1,048,576 Token Kontext · $0.02/M Eingabe, $0.72/M Ausgabe
- GLM 5.3Modell mit offenen Gewichten1,048,576 Token Kontext · $0.08/M Eingabe, $4.80/M Ausgabe
- GLM 5.2Modell mit offenen Gewichten1,048,576 Token Kontext · $0.04/M Eingabe, $9.00/M Ausgabe
- GLM 4.6Modell mit offenen Gewichten204,800 Token Kontext · $0.50/M Eingabe, $2.00/M Ausgabe
Mehr Textmodelle von z-ai
Häufig gestellte Fragen
- Kann ich GLM-5.3-FlashX lokal ausführen?
- Nein. Z.ai hat die Gewichte nicht veröffentlicht, daher ist das Modell nur über die API nutzbar und kann nicht auf eigener Hardware betrieben werden.
- Was kostet es und wie groß ist der Kontext?
- Die Preise betragen $0,37 pro Million Eingabe-Tokens und $1,25 pro Million Ausgabe-Tokens, mit einem Kontextfenster von 1.048.576 Tokens.
- Worin unterscheidet sich FlashX von GLM-5.3-Flash?
- FlashX ist die Hochgeschwindigkeitsvariante von GLM-5.3-Flash und zielt auf bis zu 200 Tokens pro Sekunde ab; beide teilen dieselbe zugrundeliegende Architektur und Parameteranzahl.
Captain's UrteilEin wirklich schnelles, günstiges multimodales Modell mit echtem 1-Millionen-Kontext – einen Blick wert für Agenten-Pipelines, bei denen Geschwindigkeit und Kosten wichtiger sind als Spitzen-Genauigkeit.
Der Captain schreibt diese Notizen basierend auf der Beschreibung und Model Card des Modells. Preise und Kontextgrößen sind vom Anbieter zum Zeitpunkt der Erstellung und können sich ändern.
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Also ranked: #369 Hottest AI model · #65 Hottest Text / LLM model · #65 Hottest Text / LLM text model
Not this creator?
Get your own badge
Beliebtheitstrend von GLM 5.3 FlashX
Heat-Score seit 18 Sep 2026
Heat-Score
8,281°
Diese Woche
▲
25.2%
8,251° damals, 8,281° jetzt
Diesen Monat
n/a
Noch nicht veröffentlicht/erfasst
Vergangenes Jahr
n/a
Noch nicht veröffentlicht/erfasst
7,000°
Grundwert
Die Skala reicht von 0° bis 9.999°. Alles unterhalb von 7,000° ist für Modelle reserviert, über die noch keine Quelle berichtet hat. Diese tragen dort eine Platzhalterzahl, damit die Listen vollständig bleiben. 7,000° ist der Punkt, an dem gemessene Daten beginnen: Ein Modell mit echten Daten, aber fast keinen Downloads, sitzt auf dem Grundwert, und die Messungen füllen die Grade darüber. Der Grundwert sagt nichts über das Modell aus; nur die Grade darüber tun das und trennen ein Modell vom anderen.
+1,281°
OpenRouter Tokens
186,521,041,354 Tokens hat dieses Modell in den letzten 30 Tagen über OpenRouter verarbeitet, Eingaben und Antworten zusammen. Je 10,000,000 Tokens zählen als ein Download im Download-Zeitraum, insgesamt 18,652; die Tokens des letzten Tages fließen in die Adoptionsrate ein. Quelle: OpenRouter (openrouter.ai/rankings).
Detaillierte Aufschlüsselung anzeigen
Jede Zahl auf dieser Seite kann überprüft werden. Der Heat-Score dieses Modells beträgt 8,281°, und hier wird er Schritt für Schritt aufgebaut, mit dem laufenden Gesamtwert nach jedem Schritt: der Grundwert, die Grad, die jede Quelle hinzufügt, der Bonus für die Art des Modells und was das Alter seiner Gewichte abzieht. Die Farben entsprechen den Bereichen der obigen Grafik. Das Glossar am Ende erklärt jeden Begriff.
- 1Starte beim Grundwert.Warum 7,000° und nicht null: Die Skala reicht von 0° bis 9.999°, und der Bereich unter 7,000° ist für Modelle reserviert, über die noch keine Quelle berichtet hat. Diese tragen dort eine Platzhalterzahl, damit die Listen vollständig bleiben und niemals über einem Modell mit Daten stehen. 7,000° ist der Punkt, an dem gemessene Daten beginnen. Ein Modell mit echten Daten, aber fast keinen Downloads, sitzt hier; alles, was folgt, ist Messung, und der Bereich über dem Grundwert enthält zehn zehnfache Schritte bei Downloads zu je 300°. Der Grundwert ist für jedes Modell gleich, er entscheidet also nichts; die Grade darüber tun das.7,000°laufende Summe
- 2Füge die Downloads hinzu.18,652 Download-Äquivalente insgesamt, von OpenRouter Tokens. Zehnmal die Downloads ergeben denselben 300°, also zählt die Größe, aber sie dominiert die Bewertung nie.+1,281°8,281°laufende Summe
- =Der Heat-Score.Wo dieses Modell auf jeder Liste dieser Seite steht. Nichts anderes beeinflusst ihn.8,281°
Glossar: die hier verwendeten Begriffe
- Heat-Score
- Eine Zahl dafür, wie viel ein Modell gerade genutzt und gewollt wird, von 0° bis 9.999°. Jede Liste auf dieser Seite, die „heißeste“ sagt, ist danach sortiert und nach nichts anderem.
- Grundwert
- Die 7.000°, mit denen jedes Modell mit echten Daten startet. Die Skala reicht von 0° bis 9.999°; der Bereich unter dem Grundwert ist für Platzhalter reserviert (Modelle ohne Daten), damit ein Modell mit Daten immer über einem ohne steht. Der Grundwert ist für alle gleich und entscheidet nichts; die Grade darüber sind die Messung.
- Download-Äquivalente
- Alles, was der Score als Download zählt, zusammengefasst: Downloads selbst, jeder Torrent-Seeder als 1.000, jedes AI Horde-Bild und jeder Lauf auf einer Generierungsseite als eins.
- Logarithmische Skala
- Gezählt in Zehnerschritten, nicht einzeln: Der Sprung von 1.000 auf 10.000 Downloads bringt genauso viele Grade wie von 10.000 auf 100.000. So verdrängen Riesen nicht alles andere.
- Likes
- Daumen hoch und Likes von allen Quellen, jeweils halb so viel wert wie ein Download auf der Log-Skala.
- Verbreitungsrate
- Wie viele Downloads ein Modell gerade pro Tag bekommt, aus dem Unterschied zwischen zwei Messungen einer Quelle. Ein Viertel der Gewichtung des Download-Begriffs.
- Gemessen und geschätzt
- Gemessen bedeutet, dass es zwei Messwerte einer Quelle gibt und der Unterschied echt ist. Geschätzt heißt, es ist nur die heutige Gesamtsumme bekannt und die Vergangenheit wird über die Lebensdauer des Modells verteilt; die Seite sagt, welche Variante angezeigt wird.
- Seeder
- Jemand, der eine Kopie der Gewichte online hält, damit andere sie über einen Torrent herunterladen können, oder ein gehosteter Spiegel, der dasselbe macht. Jeder davon zählt als 1.000 Downloads.
- AI Horde
- Ein Freiwilligennetzwerk, das kostenlos Bilder auf gespendeten Computern generiert. Die Anzahl der Bilder, die es mit einem Modell erstellt hat, ist öffentlich und jedes zählt als ein Download.
- Generierungsseiten
- Seiten, die eigene Kopien eines Modells hosten und Leute damit generieren lassen, wie PixAI, SeaArt und Yodayo. Ihre Downloads zählen wie bei Civitai und jeder Generierungslauf als ein Download.
- OpenRouter Tokens
- Ein Textmodell, das über eine API bereitgestellt wird, wie Claude oder GPT, hat keine Gewichte zum Herunterladen, daher wird seine Nutzung in Tokens gemessen: die Textstücke, die es über OpenRouter gelesen und geschrieben hat, einem Gateway, das viele Apps nutzen, in den letzten 30 Tagen. Je 10,000,000 Tokens zählen als ein Download. Quelle: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Vollständiges Modell (Checkpoint)
- Die Gewichte selbst, die Datei, die eigenständig generiert. Sie bekommt einen Bonus, weil Add-ons davon abhängen.
- LoRA und Embedding
- Kleine Zusatzdateien, die die Gewichte von jemand anderem in Richtung eines Stils, Charakters oder Konzepts lenken. Sie können nicht alleine laufen.
- Familie und Gewichte
- Die Basis, auf der ein Modell aufgebaut ist, wie SD 1.5, SDXL, Flux oder Wan. Jedes Modell erbt das Veröffentlichungsdatum der Gewichte seiner Familie.
- Alter
- Abzüge je nachdem, wie lange die Gewichte der Familie schon draußen sind: 150° pro Jahr, bis zu 750°. Alte Downloads, die Jahre zum Ansammeln hatten, bleiben oben in der Liste eingefroren.
- Familien-Boost
- Ein kleiner, begrenzter Schub für LoRAs einer Familie, die diese Seite gerade vorantreibt, immer in der Aufschlüsselung aufgeführt.
- Stand-in-Wert
- Eine stabile Zahl unter der Mindestgrenze, die einem Modell gegeben wird, über das noch keine Quelle berichtet hat, damit die Listen vollständig bleiben. Sie rangiert nie über einem Modell mit Daten.
- Neu! (Schonfrist)
- Ein Modell, das weniger als 7 Tage alt ist, zeigt Neu! statt einer Punktzahl und nimmt keinen Platz in den Rankings ein. Seine Punktzahl wird ab dem ersten Tag berechnet, aber ein Modell, das einen Tag alt ist, wächst schneller als alles andere, daher wäre ohne die Wartezeit das #1 Modell der Woche immer das, das gestern herauskam, statt das, das sich eine Woche gehalten hat.
- Trend
- Wie das Wachstum eines Modells über einen Zeitraum im Vergleich zum typischen Wachstum eines Modells im gleichen Zeitraum ist. Schneller als üblich bedeutet Anstieg, langsamer bedeutet Rückgang.
- Typisches Modell
- Die Mitte des Katalogs: Die Hälfte der Modelle mit einer Zahl wuchs schneller im Zeitraum, die andere Hälfte langsamer.
Wie sich die Beliebtheit dieses Modells im Vergleich zum Rest des Katalogs entwickelt hat: sein Wachstum bei Downloads, Likes und Nutzung in jedem Zeitraum, gemessen am typischen Wachstum eines Modells im gleichen Zeitraum, mit dem Heat-Score zu diesem Zeitpunkt. Über dem typischen Wachstum bedeutet ein Anstieg, darunter ein Rückgang. Die Vergangenheit wird aus den heutigen Gesamtzahlen, dem ersten Tag des Modells und seiner gemessenen Download-Geschwindigkeit rekonstruiert, wenn zwei Messungen vorliegen; ein Modell, das zu Beginn eines Zeitraums nicht existierte, zeigt n/a an.
GLM 5.3 FlashX ist ein Textmodell für die Familie Text / LLM und wird auf ModelTrends.ai gelistet, einem reinen Lesekatalog für Open-Source-KI-Modelle für Bild, Video und Text. Vergleiche es mit anderen Text / LLM-Modellen und prüfe den Hitzewert, um den Trend zu sehen.
Nach Modellfamilie stöbern
Text / LLM-Modelle
434
Anima-Modelle
528
Chroma-Modelle
19
Fibo-Modelle
2
Flux-Modelle
1,496
Flux 2 / Klein-Modelle
1,239
Flux 3-Modelle
3
Moss-Modelle
3
Iris-Modelle
1
MiniMax H3-Modelle
364
Hunyuan-Modelle
204
Ideogram-Modelle
20
Krea2-Modelle
717
Qwen-Modelle
20
Qwen2-Modelle
47
Ltx2-Modelle
153