AntwortenVeröffentlicht19 Quellen
GLM-5.3-Flash und Qwen3.8-Flash: Der neue Preiskampf um Chinas KI-Flaggschiffe
Die Ankündigungen erfolgten offenbar am 26. August 2026; die Berichterstattung lief bis zum 28. GLM 5.3 Flash bietet nativ multimodale Verarbeitung und ein Kontextfenster von einer Million Tokens.
Veröffentlicht vonBearbeitet mit GPT-5.6 LunaBilder erstellt mit GPT Image 1.5
Forschungsantwort
Wichtige Erkenntnisse
- Die Ankündigungen erfolgten offenbar am 26. August 2026; die Berichterstattung lief bis zum 28.
- GLM 5.3 Flash bietet nativ multimodale Verarbeitung und ein Kontextfenster von einer Million Tokens.
- Mit Preisen ab 0,4 Yuan pro Million Eingabe Tokens und 1,4 Yuan für die Ausgabe unterbietet GLM 5.3 Flash seine Vorgängerversion massiv; Qwen3.8 Flash startete bei 1 Yuan beziehungsweise 3 Yuan.
- Offene Gewichte und die Option zum Self Hosting geben Unternehmen mehr Auswahl zwischen günstigen APIs und eigener Infrastruktur.
KI-Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: How did Zhipu AI’s open sourced GLM 5.3 Flash and Alibaba’s Qwen3.8 Flash, released on August 28, 2026, reshape China’s LLM flagship market. Article summary: These releases turned “Flash” from a lower capability, economy tier into a viable default flagship tier: long context, multimodal or next generation architecture, strong coding/agent performance, open weights, and API pr. Topic tags: general web, llm, agents, ai, workflow. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with f
Die Veröffentlichungen von Zhipu AI und Alibaba haben die Bedeutung von „Flash“ im chinesischen LLM-Markt verschoben. Der Begriff steht nicht mehr automatisch für eine abgespeckte Sparversion, sondern zunehmend für ein leistungsfähiges Standardmodell: mit langem Kontext, multimodaler oder neuartiger Architektur, brauchbarer Coding- und Agentenleistung, offenen Gewichten und Preisen, die den Einsatz in großen Mengen ermöglichen. 1
2
Eine zeitliche Korrektur ist allerdings wichtig: Die zentralen Ankündigungen erfolgten offenbar am 26. August 2026, nicht am 28. August. Bis zum 28. August erschienen dazu weitere Berichte und Analysen. 1
2
Leistungsfähigkeit wird zur Massenware
GLM-5.3-Flash ist Zhipus erstes nativ multimodales Modell der GLM-5-Reihe. Es verarbeitet ein Kontextfenster von bis zu einer Million Tokens. Qwen3.8-Flash bietet standardmäßig 262.144 Tokens und kann auf eine Million erweitert werden. 4
1
Damit werden Aufgaben realistischer, die bei kürzeren oder teureren Modellen schnell unpraktisch werden: komplette Code-Repositories, umfangreiche Dokumentensammlungen, Office-Dateien, Bilder oder lang laufende Agenten-Sitzungen. Ein sehr langer Kontext ist zwar noch keine Garantie für bessere Antworten, senkt aber den Aufwand, Informationen in viele kleinere Anfragen aufzuteilen.
Der Preis wird zum entscheidenden Wettbewerbsvorteil
Zhipu setzte den Listenpreis von GLM-5.3-Flash zunächst auf 0,8 Yuan pro Million Eingabe-Tokens und 2,8 Yuan pro Million Ausgabe-Tokens. In einer zeitlich begrenzten Aktion halbierte sich der Preis auf 0,4 beziehungsweise 1,4 Yuan. Das entsprach nach den vorliegenden Vergleichen ungefähr einem Zwanzigstel der Kosten von GLM-5.3. 15
1
11
Alibaba kündigte Qwen3.8-Flash zunächst für 1 Yuan pro Million Eingabe-Tokens und 3 Yuan pro Million Ausgabe-Tokens an. 1 Nach einer Preisanpassung lagen die chinesischen Preise laut Berichten bei 0,8 Yuan für die Eingabe und 2,7 Yuan für die Ausgabe.
9
11
Zum Vergleich: DeepSeek V4 Flash wurde außerhalb der Spitzenzeiten mit 1,5 Yuan für eine Million Eingabe-Tokens und 4,5 Yuan für eine Million Ausgabe-Tokens angegeben. Gegenüber diesen Off-Peak-Preisen war der rabattierte GLM-Tarif bei Ein- und Ausgabe rund 73 Prozent günstiger; Qwens ursprünglicher Preis lag jeweils etwa ein Drittel darunter. 8
15
1
Für Entwickler und Unternehmen ist das mehr als eine kosmetische Preissenkung. Wenn ein Modell für Klassifikation, Zusammenfassungen, Code-Unterstützung oder interne Recherche regelmäßig Millionen oder Milliarden Tokens verarbeitet, entscheidet der Tokenpreis unmittelbar darüber, welche Anwendungen wirtschaftlich betrieben werden können.
GLM-5.3-Flash kommt der Opus-Leistung nahe
Der niedrige Preis wäre weniger bedeutsam, wenn die Modelle nur für einfache Aufgaben geeignet wären. Genau hier setzt GLM-5.3-Flash an: Auf Terminal-Bench 2.1 soll das Modell 84,3 Punkte erreicht haben, gegenüber 85,0 Punkten für Claude Opus 4.8. Das ist ein nahezu gleichauf liegendes Ergebnis auf diesem Coding- und Agenten-Benchmark. 3
2
Technisch nutzt GLM-5.3-Flash eine dünn besetzte Mixture-of-Experts-Architektur (MoE). Insgesamt umfasst sie 320 Milliarden Parameter, pro Token werden jedoch nur rund 18 Milliarden aktiviert. 3
2 Diese Konstruktion soll die Fähigkeiten eines sehr großen Modells mit deutlich niedrigeren Inferenzkosten verbinden.
Genau darin liegt der Bruch mit dem früheren Verständnis von „Flash“: Weniger Rechenaufwand bedeutet nicht zwangsläufig, dass ein Modell für ernsthafte Entwicklungsarbeit ungeeignet ist.
Offene Gewichte verändern die Verhandlungsmacht
GLM-5.3-Flash wurde als Open-Source- beziehungsweise Open-Weight-Modell veröffentlicht. Alibaba stellte zudem die Gewichte von Qwen3.8-Flash-Next offen bereit. Dabei handelt es sich um ein multimodales MoE-Modell, das als Vorschau auf die Qwen4-Architektur präsentiert wird und pro Token ungefähr sechs Milliarden Parameter aktiviert. 4
5
Für Unternehmen entsteht dadurch eine wichtige Wahlmöglichkeit: Sie können eine günstige, verwaltete API nutzen oder das Modell – abhängig von Hardware, Lizenz und Betriebsaufwand – selbst hosten. Diese Option reduziert die Abhängigkeit von einem einzigen proprietären Anbieter und erleichtert es, Modelle in die eigene Infrastruktur einzubetten.
Zhipu setzt zusätzlich auf Chinas eigene Chip-Infrastruktur
Zhipu erklärte, dass der Online-Inferenzverkehr von GLM-5.3-Flash vollständig über mehr als 100.000 in China hergestellte KI-Chips abgewickelt werde. 4
Sollte sich dieser Betrieb im Produktionsmaßstab dauerhaft bestätigen, wäre das ein wichtiges Signal für Chinas KI-Industrie: Kostengünstige, leistungsfähige Inferenz könnte dann nicht ausschließlich auf knapp verfügbaren importierten GPUs beruhen. Die Angabe stammt allerdings vom Unternehmen selbst und ist nicht mit einer unabhängigen technischen Prüfung gleichzusetzen.
DeepSeek bleibt relevant – verliert aber seine Sonderstellung
DeepSeek V4 Flash verfügte weiterhin über ein Kontextfenster von einer Million Tokens und aggressive Preise für Cache-Treffer. Es wurde daher nicht allein durch eine neue Preisliste verdrängt. 2
3
GLM-5.3-Flash kombinierte jedoch mehrere Vorteile auf einmal: niedrigere Aktionspreise für nicht zwischengespeicherte Eingaben, starke Coding-Versprechen, native Multimodalität, offene Gewichte und hohe Sichtbarkeit in Nutzungsrankings. Dadurch geriet DeepSeeks bisherige Position als offensichtliche Standardwahl für günstige, leistungsfähige Inferenz stärker unter Druck.
Behauptungen, GLM habe DeepSeeks 56-tägige Führung bei OpenCode beendet, oder Qwen benötige in Office-Szenarien 75 Prozent weniger Tokens, beruhen ebenso wie mehrere Benchmark-Vergleiche weitgehend auf Plattformrankings oder von den Anbietern gemeldeten Tests. 3 Die verfügbare Evidenz stützt einen breiteren Markttrend, beweist aber noch keine unabhängig bestätigte Überlegenheit in allen Coding-, Büro- und Agentenaufgaben.
Was sich im LLM-Markt tatsächlich verändert hat
Der wichtigste Effekt dieser Veröffentlichungen ist deshalb nicht, dass ein einzelnes Modell DeepSeek oder Claude in jeder Kategorie überholt hätte. Entscheidend ist die neue Erwartung an ein Standardmodell: Es soll lange Dokumente und multimodale Eingaben verarbeiten, bei Coding- und Agentenaufgaben konkurrenzfähig sein, offen bereitstehen und trotzdem so wenig kosten, dass der tägliche Einsatz nicht auf Premiumfälle beschränkt bleibt.
Damit verschiebt sich die Marktlogik. Die teuersten Modelle bleiben für besonders anspruchsvolle Aufgaben interessant. Für viele alltägliche Anwendungen könnte ein „Flash“-Modell jedoch künftig die erste Wahl sein – nicht als abgespeckte Notlösung, sondern als wirtschaftlicher Standard.
Studio Global AI
Setzen Sie Ihre Recherche fort
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Die Leute fragen auch
Wie lautet die kurze Antwort auf „GLM-5.3-Flash und Qwen3.8-Flash: Der neue Preiskampf um Chinas KI-Flaggschiffe“?
Die Ankündigungen erfolgten offenbar am 26. August 2026; die Berichterstattung lief bis zum 28.
Was sind die wichtigsten Punkte, die zuerst validiert werden müssen?
Die Ankündigungen erfolgten offenbar am 26. August 2026; die Berichterstattung lief bis zum 28. GLM 5.3 Flash bietet nativ multimodale Verarbeitung und ein Kontextfenster von einer Million Tokens.
Was soll ich als nächstes in der Praxis tun?
Mit Preisen ab 0,4 Yuan pro Million Eingabe Tokens und 1,4 Yuan für die Ausgabe unterbietet GLM 5.3 Flash seine Vorgängerversion massiv; Qwen3.8 Flash startete bei 1 Yuan beziehungsweise 3 Yuan.