Chinees AI-model GLM-5.3-Flash evenaart topmodellen zonder Nvidia-chips

Z.ai, de maker van de GLM-modellenreeks, presenteert GLM-5.3-Flash als een goedkoper alternatief voor zijn eigen topmodel GLM-5.3. Het model telt 320 miljard parameters, waarvan er dankzij een mixture-of-experts-opzet maar 18 miljard tegelijk actief zijn. Dat scheelt rekenkracht zonder dat de prestaties veel inleveren. Het model is open-weight onder een MIT-licentie en de gewichten staan op Hugging Face. Ook de contextvenster-grootte is fors: één miljoen tokens, genoeg om lange documenten in één keer te verwerken.

Bijna net zo slim, veel goedkoper

Op de Intelligence Index van onderzoeksbureau Artificial Analysis scoort GLM-5.3-Flash 57 punten, tegen 60 voor het grotere GLM-5.3. Daarmee evenaart het model prestaties van GPT-5.6 Terra en Muse Spark 1.2. Het prijsverschil is groter dan het prestatieverschil: een taak kost via de index gemiddeld 0,09 dollar, tegen 0,68 dollar bij GLM-5.3. Dat is ruim zeven keer goedkoper. Via de eigen API van Z.ai betaal je 0,15 dollar per miljoen invoertokens en 0,50 dollar per miljoen uitvoertokens, nog geen tiende van de prijs van het grote model. Op praktijkgerichte taken, gemeten met de GDPval-AA v2-benchmark, haalt het model een Elo-score van ongeveer 1770. Dat is gelijk aan GLM-5.3 en Grok 4.6, en alleen Claude Opus 5 scoort hoger. Een kanttekening: het model is minder zuinig met tokens. Volgens Artificial Analysis gaat ongeveer 90 procent van de gegenereerde tokens op aan redeneerstappen.

Getest onder de radar, gedraaid zonder Nvidia

Voor de officiële lancering testte Z.ai het model anoniem onder de naam "ox-alpha" op de platforms OpenCode en OpenRouter, waar het uitgroeide tot het populairste model van de week. Al dat verkeer liep volgens Z.ai volledig op Chinese AI-chips. Analysebureau SemiAnalysis meldt dat het model dagelijks 100 biljoen tokens verwerkte, een schaal die tot nu toe alleen bij de grootste Amerikaanse AI-labs mogelijk leek. Z.ai claimt dat de efficiëntie en kosten per token van deze Chinese chips inmiddels in de buurt komen van gangbare Nvidia-GPU's.

Druk op het Nvidia-monopolie

Die claim raakt aan wat wel de "CUDA-moat" wordt genoemd: het bijna twintig jaar oude softwarelaagje waarmee Nvidia AI-programma's met zijn eigen grafische chips laat praten dankzij GPU-acceleratie. Vrijwel elk AI-framework is op die laag ingericht, waardoor overstappen naar andere chips normaal veel herprogrammeerwerk kost. Z.ai omzeilde dat obstakel door eigen serversoftware te bouwen bovenop het bestaande project SGLang, waarbij verwerkingsstappen los van elkaar kunnen opschalen. Dat verdrievoudigde de verwerkingssnelheid ten opzichte van de eerste poging op dezelfde hardware. Opvallend detail: een AI-agent gebaseerd op GLM-5.3 hielp zelf mee aan die optimalisatie. SemiAnalysis noemt het resultaat een nieuwe aanwijzing dat Nvidia's softwarevoorsprong onder druk staat, na eerdere signalen rond een nieuwe chip van OpenAI.