GLM-5.3-Flash van Zhipu draaide op 100.000 Chinese AI-chips

AI-context. GLM-5.3-Flash scoort 63,4 op de DeepSWE-codeerbenchmark, tegen 46,2 voor voorganger GLM-5.2, een sprong van ruim 37 procent. Instroomtokens kosten 0,15 dollar per miljoen, een tiende van de vorige prijs. Het volledige gewichtenbestand weegt ongeveer 306 gibibyte in FP8-formaat. Bron, Hugging Face-modelkaart en MarkTechPost.

De weg van Ox Alpha naar GLM-5.3-Flash

Ox Alpha dook half augustus anoniem op. Op de testplatforms OpenRouter en OpenCode. Ontwikkelaars testten het model dagenlang zonder te weten wie erachter zat. Donderdag maakte Zhipu een einde aan het raden, schreef techsite TechNode. GLM-5.3-Flash is volgens de Hugging Face-modelkaart het eerste multimodale model, een model dat tekst, beeld en video samen verwerkt, in de GLM-5-reeks. Het context window, het aantal tokens dat het model tegelijk kan verwerken, bedraagt ruim 1.048.576 tokens. Dat is meer dan duizend keer de lengte van dit artikel.

Onder de motorkap draait GLM-5.3-Flash op een mix van experts, met 320 miljard parameters in totaal. Daarvan zijn er telkens 18 miljard actief per doorgang. Van de in totaal 288 beschikbare experts schakelt het model er telkens maar acht in per verwerkt token. Zuinig dus. Een techniek genaamd IndexPool comprimeert de KV-cache, het geheugen dat eerdere tokens vasthoudt, met een factor 4,4. Minder geheugen dus. Dat scheelt drie keer zoveel rekenkracht bij lange gesprekken, vergeleken met het volledige GLM-5.3-model zonder die compressie. Op Terminal-Bench 2.1 haalt GLM-5.3-Flash 84,3 punten, amper onder de 85,0 van Claude Opus 4.8. Dat blijkt uit de technische analyse van MarkTechPost. Op de coderingstest DeepSWE verslaat het zijn eigen voorganger met ruim 37 procent.

Kort gezegd. Het opvallendste detail zit niet in de benchmarks, maar in de hardware. Tijdens de testweek liep al het verkeer op naar schatting 100.000 Chinese AI-chips van het type Huawei Ascend. Dat berekende de analyse van WCCFtech. Geen Nvidia-chip kwam eraan te pas. Op het hoogtepunt verwerkte de cluster ongeveer 100 biljoen tokens per dag. In de hele stealth-testweek liep de teller op tot 62 biljoen tokens. Alleen al de eerste drie dagen op OpenRouter leverden 11 biljoen tokens op. Reken je dat dagvolume door tegen de instroomprijs van 0,15 dollar per miljoen tokens. Dan kom je uit op ruim 15 miljoen dollar aan verwerkte data per dag, puur op papier. Een eigen berekening, gebaseerd op de officiele prijslijst en de gepubliceerde tokencijfers. Geen omzetcijfer van Zhipu zelf. Dus het echte verhaal is dit. Een gratis model draaide in een testweek op een schaal die zwaarder weegt dan de dagomzet van menig chipbedrijf. Diezelfde Hugging Face waar Zhipu zijn gewichten deelt, staat zelf in de overnamegesprekken met Nvidia. Dat schreven we eerder over Nvidia’s overname van Hugging Face. Ook OpenAI jaagt deze week op schaal, met ChatGPT-advertenties voor honderd miljoen accounts in India.

Wat dit betekent voor Nederland en Europa

Voor Nederland raakt dit verhaal een gevoelige plek, ASML. De Verenigde Staten willen via de Match Act Nederland dwingen ook oudere DUV-machines niet meer aan China te verkopen. EUV-machines, de meest geavanceerde chipmachines van ASML, staan al sinds 2023 op de exportlijst voor China. Nederlandse ambtenaren lobbyen in Washington tegen de uitbreiding. Kansloos, meldt NL Times. Precies daar wringt de GLM-5.3-Flash-casus. Zhipu’s cijfers tonen dat de Chinese chipketen al op eigen kracht een groot AI-model kan bedienen, zonder Nvidia. Dat zet vraagtekens bij hoeveel een verbod op oudere DUV-export nog daadwerkelijk vertraagt. Vergelijkbare cijfers over Nvidia en ASML kwamen deze week al langs.

Twee kanten dus. Ook de EU AI Act komt in beeld. Modellen met open-weights, gewichten die publiek beschikbaar zijn, zoals GLM-5.3-Flash, vallen deels buiten de zwaarste verplichtingen van de wet. Dat concludeert een analyse van Open Future. Niet helemaal. Zodra de rekenkracht achter een model de drempel van 10²⁵ operaties passeert, gelden alsnog strengere regels. Ongeacht waar de ontwikkelaar zit. Voor Europese bedrijven betekent dat een kans en een risico tegelijk. Ze kunnen goedkoop een sterk model zelf hosten, in plaats van te betalen voor Amerikaanse API-toegang. Tegelijk ligt een Chinees model onder een vergrootglas van toezichthouders en beveiligingsteams.

Veelgestelde vragen

Wat is GLM-5.3-Flash? GLM-5.3-Flash is een multimodaal AI-model van Zhipu AI, met 320 miljard parameters en 18 miljard actieve parameters per token. Het stond eerder anoniem bekend als Ox Alpha en kwam op donderdag 27 augustus 2026 uit onder MIT-licentie.

Op welke chips draait GLM-5.3-Flash? Het model draaide tijdens de testweek op een cluster van 100.000 Chinese AI-chips, vermoedelijk van het type Huawei Ascend. Er kwam geen enkele Nvidia-processor aan te pas.

Is GLM-5.3-Flash gratis te gebruiken? De gewichten staan gratis en onder MIT-licentie op Hugging Face. Iedereen mag ze downloaden en zelf hosten. Via de officiele API kost een miljoen instroomtokens 0,15 dollar, een tiende van wat GLM-5.2 kostte.