GLM-5.3-Flash in der EU über eine OpenAI-kompatible API nutzen

Z.ai veröffentlichte GLM-5.3-Flash Ende August 2026. Anders als GLM-5.3 beruht es auf einem neu trainierten Basismodell, vortrainiert auf einem multimodalen Korpus mit 30 Billionen Tokens. Es ist ein Mixture-of-Experts-Modell mit insgesamt 320 Milliarden Parametern, davon 18 Milliarden aktiv pro Token, und 45 Schichten, etwa halb so viele wie frühere große GLM-Modelle.

Es ist das erste GLM-5-Modell mit nativer Bildeingabe. Erstmals in der GLM-Reihe kombiniert es Sparse und Linear Attention, was sehr lange Kontexte günstiger macht, und nutzt Manifold-Constrained Hyper-Connections für effizienteres Training. Es denkt vor der Antwort nach, mit den Stufen low, high und max. Die Gewichte stehen unter MIT-Lizenz.

GLM-5.3-Flash soll einen Großteil der Programmier- und Agentenfähigkeiten des Spitzenmodells mit einem Bruchteil der Rechenleistung liefern. Laut Z.ai übertrifft es GLM-5.2 in Benchmarks und realen Anwendungen. Es passt zu Coding-Assistenten, Agenten, die Screenshots lesen, und zur Arbeit mit langen Dokumenten, wenn eine Million Tokens zählen, ein 750-Milliarden-Modell aber überdimensioniert wäre.

Bei den schwierigsten Langzeitaufgaben kommen das volle GLM-5.3 oder Kimi K3 weiter. Das Reasoning steht standardmäßig auf der höchsten Stufe und erzeugt lange Ausgaben, wenn Sie es nicht senken. Die Modellkarte nennt Englisch und Chinesisch als Hauptsprachen, testen Sie Deutsch daher mit eigenen Inhalten. Bilder liest es, erzeugt aber keine.

inference.eu unterstützt das OpenAI- und das Anthropic-Anfrageformat. Setzen Sie die Base-URL auf die inference.eu-API, verwenden Sie Ihren inference.eu-Schlüssel und tragen Sie als Modell glm-5.3-flash ein. Coding-Werkzeuge wie Claude Code, Cline oder OpenHands funktionieren mit denselben drei Einstellungen.

Bilder senden Sie als image_url-Inhalte neben Ihrem Text. Übergeben Sie reasoning_effort als low, high oder max. Standard bei Z.ai ist max, setzen Sie für schnelle Antworten also ausdrücklich low. Für Chat empfiehlt Z.ai, frühere Denkblöcke aus dem Verlauf zu entfernen. Tool Calls, JSON-Ausgabe und Streaming funktionieren wie gewohnt.

Auf inference.eu läuft GLM-5.3-Flash auf Infrastruktur in der Europäischen Union. Ihre Prompts, Bilder, Ihr Quellcode und die Antworten werden in Rechenzentren in der EU verarbeitet, nicht an Z.ai in China gesendet und nie zum Training eines Modells verwendet.

Jeder Kunde erhält einen Auftragsverarbeitungsvertrag nach Art. 28 DSGVO und unsere Liste der Unterauftragsverarbeiter, damit Sie alle Beteiligten dokumentieren können. Abgerechnet wird in Euro. Anders als das Spitzenmodell GLM-5.3 steht GLM-5.3-Flash unter der schlichten MIT-Lizenz, die kommerzielle Nutzung ohne Umsatzschwellen oder Prüfauflagen erlaubt.