{"id":3442680,"date":"2026-08-17T16:05:53","date_gmt":"2026-08-17T14:05:53","guid":{"rendered":"https:\/\/datanorth.ai\/?post_type=news&#038;p=3442680"},"modified":"2026-08-17T16:05:40","modified_gmt":"2026-08-17T14:05:40","slug":"z-ai-lanceert-glm-5-3","status":"publish","type":"news","link":"https:\/\/datanorth.ai\/nl\/nieuws\/z-ai-lanceert-glm-5-3","title":{"rendered":"Z.ai lanceert GLM-5.3"},"content":{"rendered":"\n<p class=\"wp-block-paragraph\"><em>Gepubliceerd: 17 augustus 2026<\/em><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Z.ai bracht op 14 augustus 2026 GLM-5.3 uit, een model voor programmeren en cybersecurity dat het basismodel van GLM-5.2 ongewijzigd hergebruikt en alle gerapporteerde winst uitsluitend uit post-training haalt. GLM-5.3 heeft een <strong>contextvenster van 1.000.000 tokens<\/strong>, een <strong>outputlimiet van 128.000 tokens<\/strong> en tilt in eigen metingen van Z.ai Terminal-Bench 3.0 van 4,6 procent naar 28,3 procent. Toegang loopt bij de lancering via het GLM Coding Plan en de ZCode-agent in plaats van een publieke API, en Z.ai zegt dat de open gewichten ongeveer twee weken na de lancering volgen.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Wat is er nieuw aan GLM-5.3?<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">De kern van de GLM-5.3-release is wat Z.ai niet heeft gedaan. In zijn eigen woorden gebruikt het model hetzelfde basismodel als GLM-5.2 en komt alle winst uit post-training. Z.ai bouwt de hele aankondiging rond dat punt en schrijft dat het opschalen van post-training alles is wat het voor GLM-5.3 heeft gedaan. Voor wie volgt of de frontier nog steeds afhangt van steeds grotere pre-trainingruns, is een sprong van deze omvang op een bevroren basis het interessante deel van de aankondiging.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Het doelwit is langlopend software engineering- en cyberdefensiewerk. Z.ai geeft de aankondiging een titel rond frontier coding met opkomende cybercapaciteiten, en de benchmarktabel leunt zwaar op agentisch programmeren, het vinden van kwetsbaarheden en tool use in plaats van algemene kennis. Het model gaat tekst in en tekst uit, dus anders dan Qwen3.8-27B en dots3-note Preview, beide op dezelfde dag uitgebracht, heeft het geen beeld- of audiopad.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Een breaking change is belangrijk voor wie migreert. GLM-5.3 kent drie niveaus van inspanning, low, high en max, met max als standaard, en ondersteunt het uitzetten van denken helemaal niet meer. Applicaties die een thinking type disabled meesturen, krijgen een mislukte aanvraag in plaats van een terugval naar een modus zonder denken.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Benchmarks van GLM-5.3 en wat Z.ai daadwerkelijk heeft gemeten<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Op Terminal-Bench 3.0 scoort GLM-5.3 28,3 procent tegenover 4,6 procent voor GLM-5.2. Z.ai publiceert de harness volledig: Claude Code 2.1.207 op maximale redeneerinspanning met 400K context en een outputplafond van 128K, gemiddeld over drie rollouts per taak, elke rollout in een ge\u00efsoleerde container met een limiet van 600 agentbeurten en een timeout van 10 uur, met tool search uitgeschakeld en beoordeling door de offici\u00eble verifier van de taak zelf. Dat niveau van openheid is ongebruikelijk en verdient vermelding, omdat het cijfer daardoor controleerbaar wordt op een manier die bij de meeste leveranciersbenchmarks ontbreekt.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Dezelfde tabel laat zien waar GLM-5.3 nog achterloopt.<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Op Terminal-Bench 3.0 blijft het achter bij GPT-5.6 Sol met 34,6 procent en Claude Fable 5 met 33,7 procent, en gaat het voor op Claude Opus 4.8 met 21,1 procent en Kimi K3 met 17,4 procent.<\/li>\n\n\n\n<li>Op DeepSWE v1.1 haalt het 66,9 procent tegenover 46,2 procent voor GLM-5.2, opnieuw achter GPT-5.6 Sol met 72,7 procent en Kimi K3 met 67,5 procent, en voor DeepSeek V4 Pro-0813 met 62,7 procent.<\/li>\n\n\n\n<li>Op het oudere Terminal Bench 2.1 ligt het veld dicht bij elkaar: GLM-5.3 met 88,2 procent, Kimi K3 met 88,3 procent en GPT-5.6 Sol met 88,8 procent zitten binnen een procentpunt.<\/li>\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">Het sterkste losse resultaat is cybersecurity. Op CyberGym scoort GLM-5.3 84,5 procent tegenover 77,2 procent voor GLM-5.2, voor Claude Fable 5 met 83,8 procent en GPT-5.6 Sol met 83,6 procent, waarmee het de hoogste gepubliceerde score op die benchmark is. Z.ai geeft de methode: Claude Code 2.1.207 op maximale redeneerinspanning zonder webtools, pass@1 in een enkele run over 1.507 taken, met de agent in de taakcontainer, Git-informatie verwijderd en een domeinwhitelist. Drie resultaten in de tabel zijn expliciet uitbesteed in plaats van door Z.ai gemeten: GDPval-AA v2, met een score van 1769, is ge\u00ebvalueerd door Artificial Analysis, FrontierSWE met 78,1 procent door Proximal, en Toolathlon Verified met 73,0 procent via de offici\u00eble evaluatiedienst van de benchmark.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">De claim die voorzichtigheid verdient, is de verbetering in de kop. De sprong van ruwweg 50 procent komt van Z.ai Code Bench, een interne benchmark die het bedrijf omschrijft als priv\u00e9, juist om het risico op contaminatie te verkleinen. Er is geen taakaantal, geen steekproefomvang en geen tabel gepubliceerd, alleen cijfers die van een grafiek zijn afgelezen: 31,4 procent bij high effort rond 50.000 outputtokens per taak tegenover 29,5 procent voor Claude Opus 4.8 bij 120.000, en 34,5 procent bij max effort tegenover 23,4 procent voor GLM-5.2. Een priv\u00e9benchmark is een verdedigbare maatregel tegen contaminatie, maar een kopcijfer zonder onderliggende methodologie is een claim van de leverancier en geen vastgesteld resultaat. Twee kleinere inconsistenties zijn goed om te weten: Z.ai noemt dezelfde concurrent Fable 5 in de benchmarktabel en Mythos 5 in de lopende tekst, en de cijfers over kwetsbaarheden beschrijven 1.097 bevindingen in de tekst als middel tot hoog, terwijl de eigen widget diezelfde 1.097 als kritiek en hoog labelt.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Prijs, toegang en wanneer de open gewichten van GLM-5.3 komen<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Er is nog geen publieke API voor GLM-5.3. De ontwikkelaarsdocumentatie van Z.ai meldt dat de GLM-5.3-API eraan komt, en het model staat niet op de prijspagina, die nog steeds GLM-5.2 noemt voor 1,40 dollar per miljoen inputtokens en 4,40 dollar per miljoen outputtokens. Wie een tarief per token voor GLM-5.3 noemt, noemt een tarief dat Z.ai niet heeft gepubliceerd.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Wat wel bestaat, is de abonnementsroute. Het GLM Coding Plan begint bij 18 dollar per maand en draait nu op een quotum met punten, waarbij input, gecachete input en output apart worden geteld. Aanroepen buiten piekuren kosten de helft van de standaardpunten, waarbij piek is gedefinieerd als 14:00 tot 18:00 uur in UTC+8 van maandag tot en met vrijdag, zodat al het weekendgebruik tegen het daltarief wordt afgerekend. Z.ai zegt dat alle plannen GLM-5.3 ondersteunen en dat aanvragen voor GLM-5.2 en GLM-5.1 automatisch naar GLM-5.3 worden gerouteerd. Het model draait daarnaast in de eigen ZCode-agent van Z.ai, in Claude Code en in OpenCode.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Over open gewichten stelt Z.ai twee keer in de aankondiging dat het die twee weken na de lancering vrijgeeft, zodra de veiligheidsevaluatie en het hardenen zijn afgerond, wat neerkomt op ongeveer 28 augustus 2026. Op 17 augustus was er niets gepubliceerd en staat op de aankondigingspagina alleen een placeholder waar de link naar de repository zou komen. Z.ai heeft ook geen licentie genoemd voor de komende GLM-5.3-gewichten. GLM-5.2 verscheen onder MIT, maar dat is een precedent en geen toezegging, en het moet niet worden gerapporteerd als de licentie van GLM-5.3.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><em>Ga voor meer details naar <a href=\"https:\/\/z.ai\/blog\/glm-5.3\" target=\"_blank\" rel=\"noreferrer noopener\">de officiele aankondiging van Z.AI over GLM-5.3<\/a>.<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"<p>GLM-5.3 is de upgrade van Z.ai die volledig op post-training draait, uitgebracht op 14 augustus 2026, met een contextvenster van 1.000.000 tokens, 28,3 procent op Terminal-Bench 3.0 en 84,5 procent op CyberGym in eigen metingen, en open gewichten die ongeveer twee weken na de lancering zijn beloofd.<\/p>\n","protected":false},"author":12,"featured_media":3442678,"template":"","tags":[],"news-category":[],"class_list":["post-3442680","news","type-news","status-publish","has-post-thumbnail"],"meta_box":[],"_links":{"self":[{"href":"https:\/\/datanorth.ai\/nl\/wp-json\/wp\/v2\/news\/3442680","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/datanorth.ai\/nl\/wp-json\/wp\/v2\/news"}],"about":[{"href":"https:\/\/datanorth.ai\/nl\/wp-json\/wp\/v2\/types\/news"}],"author":[{"embeddable":true,"href":"https:\/\/datanorth.ai\/nl\/wp-json\/wp\/v2\/users\/12"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datanorth.ai\/nl\/wp-json\/wp\/v2\/media\/3442678"}],"wp:attachment":[{"href":"https:\/\/datanorth.ai\/nl\/wp-json\/wp\/v2\/media?parent=3442680"}],"wp:term":[{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datanorth.ai\/nl\/wp-json\/wp\/v2\/tags?post=3442680"},{"taxonomy":"news-category","embeddable":true,"href":"https:\/\/datanorth.ai\/nl\/wp-json\/wp\/v2\/news-category?post=3442680"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}