Z.ai steht offiziell hinter Ox Alpha – jetzt als GLM-5.3-Flash

Ende August tauchte ohne Vorwarnung ein mysteriöses Modell namens Ox Alpha bei OpenRouter und OpenCode auf und kletterte in Ranglisten und Benchmarks an die Spitze, ohne dass ein Labor sich dazu bekannte. In den folgenden Tagen wurde aus diesem Schweigen eines der größten Rätselraten der KI-Branche: Unsere frühere Berichterstattung über diesen verdeckten Start listete fünf konkurrierende Theorien zum Urheber auf — die GLM-Familie von Z.ai, Microsoft, Google, Cursor und ByteDance —, gestützt vor allem auf die Fingerabdrücke des Tokenizers, da keines der genannten Labore etwas bestätigen oder dementieren wollte. Tokenizer-Tests deuteten am konsistentesten auf Z.ai hin, dessen GLM-Modelle bei elf verschiedenen Tests übereinstimmten, während kein anderes Labor mehr als vier Übereinstimmungen erreichte — doch das schiere Ausmaß der kostenlosen Nutzung, die Ox Alpha absorbierte, weckte Zweifel selbst an dieser bis dahin stärksten Theorie.

Dieses Rätsel ist nun gelöst. Laut einem von TechCrunch zitierten Bloomberg-Bericht hat Z.ai bestätigt, dass Ox Alpha die neueste Version seiner GLM-Serie ist. Das Unternehmen kündigte an, die Gewichte von Ox Alpha am Mittwoch zu veröffentlichen, wonach externe Entwickler direkt darauf aufbauen können. Z.ai beschreibt das Modell als auf Programmierung, langfristige agentische Arbeit und Produktionslasten ausgerichtet, geeignet für lang laufende Softwareentwicklungsaufgaben und Abläufe, die Text mit Bild kombinieren.

Hinter der Maske: GLM-5.3-Flash

Unter seinem offiziellen Namen ist Ox Alpha das Modell GLM-5.3-Flash — laut the-decoder.de das erste nativ multimodale Modell der GLM-5-Serie. Es verfügt über 320 Milliarden Parameter insgesamt, von denen für jede Aufgabe nur 18 Milliarden aktiv sind, ein Mixture-of-Experts-Design, das die Inferenzkosten senken soll. Das Modell steht unter MIT-Lizenz, die Gewichte sind auf Hugging Face verfügbar, und es unterstützt ein Kontextfenster von einer Million Token.

Im Intelligence Index von Artificial Analysis erreicht GLM-5.3-Flash bei maximalem Reasoning-Aufwand 57 Punkte — nur drei Punkte hinter den 60 Punkten des größeren GLM-5.3 und in etwa auf dem Niveau von GPT-5.6 Terra und Muse Spark 1.2. Entscheidender ist der Preis: Artificial Analysis beziffert die Kosten pro Aufgabe im Index mit 0,09 US-Dollar gegenüber 0,68 US-Dollar bei GLM-5.3, etwa 7,5-mal günstiger — womit das Modell nach Angaben der Firma auf der Pareto-Grenze zwischen Intelligenz und Kosten liegt. Über die eigene API von Z.ai kostet GLM-5.3-Flash 0,15 US-Dollar pro Million Input-Token und 0,50 US-Dollar pro Million Output-Token, etwa ein Zehntel des Preises von GLM-5.3. Beim agentischen Benchmark GDPval-AA v2 erreicht es einen Elo-Wert von rund 1770, gleichauf mit GLM-5.3 und Grok 4.6, nur übertroffen von Claude Opus 5. Der Nachteil liegt bei der Effizienz: Laut Artificial Analysis entfallen rund 90 Prozent der Output-Token des Modells auf Reasoning statt auf die eigentliche Antwort, was Antworten trotz niedrigerem Preis pro Token verlangsamen kann.

• 320 Milliarden Parameter insgesamt, 18 Milliarden pro Aufgabe aktiv (Mixture of Experts)
• Intelligence Index: 57 Punkte gegenüber 60 bei GLM-5.3, bei etwa 7,5-fach geringeren Kosten pro Aufgabe (0,09 $ statt 0,68 $)
• API-Preis: 0,15 $ pro Million Input-Token, 0,50 $ pro Million Output-Token — rund ein Zehntel des Preises von GLM-5.3
• Agentischer GDPval-AA-v2-Wert: Elo ≈ 1770, nur hinter Claude Opus 5
• Laut Z.ai 100 Billionen ausgelieferte Token pro Tag, vollständig auf chinesischen Chips

Der Test für Nvidias 'CUDA-Moat'

Die bemerkenswertere Behauptung betrifft nicht das Modell, sondern die Infrastruktur. Vor der Veröffentlichung unter seinem echten Namen testete Z.ai GLM-5.3-Flash anonym als 'ox-alpha' auf OpenCode und OpenRouter, wo es zum meistgenutzten Modell der Woche wurde. Laut Z.ai lief der gesamte Traffic dabei auf chinesischen KI-Chips statt auf Nvidia-Hardware. SemiAnalysis berichtete, das System habe 100 Billionen Token pro Tag ausgeliefert, eine Kapazität, die bislang nur Frontier-Laboren zugetraut wurde, und merkte an, dass Z.ai Hardware-Effizienz und Kosten pro Token als vergleichbar mit gängigen Nvidia-GPUs bezeichnet. SemiAnalysis wertet das Ergebnis als weiteren Test für Nvidias sogenannten 'CUDA-Moat' — die proprietäre Softwareschicht, die sich über fast zwei Jahrzehnte zwischen KI-Frameworks und Nvidia-Chips geschoben hat und auf die praktisch jede KI-Software zugeschnitten ist. Der Wechsel zu einem anderen Chip bedeutet normalerweise, Rechenoperationen und Speicherzugriffe von Grund auf neu zu programmieren — eine Arbeit, an der Nvidia-Konkurrenten bislang oft scheiterten: Ihre Chips waren auf dem Papier schnell, in der Praxis aber schlecht ausgelastet. Z.ai erklärt, dieses Problem umgangen zu haben, indem das Unternehmen eine eigene Auslieferungssoftware auf Basis des Open-Source-Frameworks SGLang baute und die Verarbeitung in einzeln skalierbare Stufen zerlegte; das Team habe damit den Durchsatz auf derselben Hardware gegenüber dem ersten Versuch verdreifacht, unterstützt von einem Agenten auf Basis von GLM-5.3 bei der Optimierung.

Anonyme 'Stealth'-Starts wie dieser sind vor allem bei chinesischen Laboren zu einer Art Blaupause geworden: Ein Modell ohne angehängten Namen zu veröffentlichen erlaubt es, es allein anhand von Ranglistenergebnissen und echter Entwicklernutzung zu bewerten, frei von den Vorurteilen, die eine bekannte Marke mit sich bringt — bevor sich das Labor auf einen offiziellen Start festlegt. Es dient zugleich dazu, einen komplett neuen Infrastruktur-Stack im Produktionsmaßstab zu testen — in diesem Fall eine vollständig Nvidia-freie Ausliefer-Pipeline —, bevor der eigene Firmenname daran hängt.

Die Behauptung der Nvidia-Unabhängigkeit fällt in eine Zeit jahrelanger US-Exportbeschränkungen, die chinesischen Laboren den Zugang zu den fortschrittlichsten Nvidia-KI-Chips erschwert und sie zu heimischen Alternativen sowie maßgeschneiderter Software gedrängt haben, um diese konkurrenzfähig zu machen. Halten Z.ais Effizienzzahlen einer unabhängigen Prüfung stand, schwächen sie die Annahme, dass Nvidias CUDA-Ökosystem allein einen dauerhaften Vorsprung gegenüber Laboren garantiert, die um Exportbeschränkungen herum statt durch sie hindurch bauen — mit realen Folgen für die Preissetzungsmacht, die Nvidia in einem lange von ihm dominierten Markt behalten kann.

Für deutsche und DACH-Unternehmen, die erwägen, Produktionslasten statt an ein westliches Spitzenmodell an ein günstigeres chinesisches Modell zu vergeben, liefert GLM-5.3-Flash einen konkreten Anhaltspunkt: Eine Leistung nahe an einem vollwertigen Flaggschiff-Modell, zu etwa einem Zehntel des API-Preises, unter einer Lizenz, die Self-Hosting erlaubt. Die Kehrseiten sind ebenso real: ein höherer Verbrauch an Reasoning-Token, der Antworten verlangsamen kann, ein in China ansässiges Labor mit eigenen Fragen zu Datenverarbeitung und Exportkonformität — ein Punkt, den Unternehmen unter der DSGVO besonders genau prüfen sollten —, sowie Angaben, die, wie schon der Stealth-Start von Ox Alpha selbst, bis zur Offenlegung durch Z.ai von keiner unabhängigen Stelle geprüft waren. Kosteneinsparungen gegen diese Fragen der Daten-Governance abzuwägen, statt allein gegen Benchmark-Werte, dürfte zu einem Standardschritt bei der Anbieterbewertung werden, je mehr solcher günstigen, leistungsstarken Modelle aus chinesischen Laboren auf den Markt kommen.