GLM-5.3, 14 Ağustos 2026'da Z.ai olarak uluslararası faaliyet gösteren Çinli laboratuvar Zhipu AI tarafından piyasaya sürülen büyük bir dil modelidir. GLM-5 temel modelinin, özellikle kodlama ve ajan tabanlı çalışmalara yönelik bir eğitim sonrası yükseltmesidir ve Zhipu, lansmandan yaklaşık iki hafta sonra açık ağırlıklarını Hugging Face'te yayınlamayı planlamaktadır. Zhipu'nun dahili değerlendirmelerinde, kodlama yeteneği GLM-5.2'ye göre %50 oranında iyileşmiştir.
Bu kombinasyon, sürümün neden önemli olduğunu açıklıyor: Seeking Alpha'nın "Çinli bir OpenAI rakibi" olarak tanımladığı bir laboratuvar, "Claude Fable 5'e yaklaşıyor" dediği bir kodlama modelini piyasaya sürüyor ve ardından ağırlıklarını açık kaynak olarak sunuyor. Bu sürüm, DeepSeek V4 Pro API kılavuzumuzda ele aldığımız DeepSeek'in en son sürümünden bir gün sonra piyasaya çıktı, bu da Çin'deki açık model yarışının artık haftalık bir tempoda ilerlediğini gösteriyor.
Bu makale, GLM-5.3'ün ne olduğunu, kıyaslama testlerinin ne söylediğini (ve bunların Zhipu'nun kendi testlerinden geldiğini), açık ağırlık planının nasıl işlediğini ve ilk isteğinizi nasıl göndereceğinizi açıklıyor. Bu isteği herhangi bir kod yazmadan Apidog'da test edebilirsiniz.
TL;DR
- GLM-5.3, 14 Ağustos 2026'da Zhipu AI (Z.ai) tarafından piyasaya sürüldü. Aynı GLM-5 temel modeli; tüm kazanımlar ölçekli eğitim sonrası süreçten geliyor.
- Terminal-Bench 3.0 puanı 4.6'dan 28.3'e sıçrayarak 6.2 kat artış gösterdi ve açık kaynak modeller arasında birinci sıraya yerleşti. Ayrıca Agents’ Last Exam'da da açık modeller arasında birinci sırada yer alıyor.
- CyberGym: %84.5, Claude Mythos 5 ve GPT-5.6 Sol'ün biraz üzerinde. ExploitBench: %54.4, hala öncü modellerin gerisinde.
- Açık ağırlıklar, Zhipu'nun bugüne kadarki en kapsamlı risk incelemesi olarak adlandırdığı sürecin ardından yaklaşık 28 Ağustos 2026 civarında Hugging Face'e geliyor.
- Resmi belgelere göre GLM-5 ailesi mimarisi: Uzmanlar Karışımı (Mixture of Experts), toplam 744B parametre, her ileri geçişte yaklaşık 40B aktif parametre, 200K bağlam penceresi.
- API, `https://api.z.ai/api/paas/v4/chat/completions` adresinde OpenAI ile uyumludur. Lansman sırasında 5.3'e özgü bir fiyatlandırma yayınlanmadı.
GLM-5.3 Nedir
GLM-5.3, GLM-5 ailesinin üçüncü nokta sürümü ve en odaklanmış olanıdır. Zhipu temeli yeniden eğitmedi. Resmi belgeler, GLM-5 tabanını toplam 744B parametreye, her ileri geçişte yaklaşık 40B aktif parametreye ve 200K token bağlam penceresine sahip bir Uzmanlar Karışımı modeli olarak tanımlar; bu özellikler değişmeden aktarılmıştır. Değişen ise üstteki her şeydir: kazanımlar tamamen aynı temel ağırlıklara uygulanan ölçekli eğitim sonrası süreçten gelmektedir.
Bu detay, kulağa geldiğinden daha önemlidir. Bir laboratuvar, temel modele dokunmadan bir modeli bu kadar geliştirdiğinde, eğitim sonrası süreç hattının kendisi ürün haline gelir. Zhipu, GLM-5.2'ye göre %50'lik bir kodlama iyileşmesi iddia ediyor ve hedeflenen iş yükleri özeldir: terminal tabanlı ajan görevleri, uzun vadeli yazılım mühendisliği ve güvenlik analizi. Bu genel bir sohbet yükseltmesi değildir.
Pratik özet: GLM-5.3, açık model ekonomisinde güçlü otonom kodlama davranışı istiyorsanız ve ağırlıklar yayınlandıktan sonra kendi donanımınızda çalıştırma seçeneğiyle değerlendireceğiniz bir modeldir.
GLM-5.3 kıyaslama testleri: sayılar ve kaynakları
BigGo Finance ve Pandaily'den gelen lansman kapsamı aşağıdaki sonuçları bildirdi. "Kaynak" sütununu ciddiye alın: bazı sayılar genel liderlik tablolarından, diğerleri ise Zhipu'nun kendi değerlendirme çalışmalarından gelmektedir ve bunlar aynı türde kanıt değildir.
| Kıyaslama Testi | GLM-5.3 Sonucu | Bağlam | Kaynak |
|---|---|---|---|
| Terminal-Bench 3.0 | 28.3 (4.6'dan yükseldi) | 6.2 kat sıçrama; açık kaynak modeller arasında birinci | Lansman raporu |
| Agents’ Last Exam | Açık kaynak modeller arasında birinci | Lansmanda puan açıklanmadı | Lansman raporu |
| CyberGym | %84.5 | Claude Mythos 5 ve GPT-5.6 Sol'ün biraz üzerinde | Lansman raporu |
| ExploitBench | %54.4 | Öncü modellerin gerisinde | Lansman raporu |
| SWE-Marathon | GLM-5.2'nin yaklaşık 2 katı | Uzun vadeli yazılım mühendisliği | Zhipu dahili |
| Kodlama yeteneği (genel) | GLM-5.2'ye karşı +%50 | Zhipu'nun manşet iddiası | Zhipu dahili |
İki yorum adil sayılabilir. Cömert olanı: Terminal-Bench 3.0'da 4.6'dan 28.3'e sıçrama bir gürültü değildir. Terminal kıyaslama testleri, bir modelin kabuk komutlarını zincirleyip zincirleyemediğini, çıktıyı okuyup okuyamadığını ve birçok adımda hatalardan kurtulup kurtulamadığını ölçer ve GLM-5.2 bu konuda zayıftı. Tek bir nokta sürümünde açık modeller arasında neredeyse en alttan birinci sıraya yükselmek, ajan işlem hatlarında hangi modeli tercih edeceğinizi değiştirir.
Şüpheci olanı: en çok alıntılanan iki iddia olan %50 kodlama kazanımı ve ikiye katlanmış SWE-Marathon puanı, Zhipu'nun yeniden üretilebilecek herkese açık bir mekanizması olmayan dahili sayılarıdır. Bu onları yanlış yapmaz, ancak ağırlıklar yayınlanana ve bağımsız değerlendiriciler testleri tekrar çalıştırana kadar doğrulanmamış kalırlar.
Pratikte “Claude Fable 5'e yaklaşıyor” ne anlama geliyor
Zhipu'nun kendi ifadesi, GLM-5.3'ün kodlama ve ajan yeteneğinin “Claude Fable 5'e yaklaştığı” yönündedir. Bu ifade dikkatli bir iş çıkarıyor.
İddianın geçerli olduğu yerler: ajan ve terminal tarafında, bildirilen sayılar öncü bölgeye yakın. Terminal-Bench 3.0 ve Agents’ Last Exam'da açık kaynak modeller arasında birincilik, GLM-5.3'ün otonom kodlama ajanları için önemli olan görevlerde her açık rakibini geride bıraktığı anlamına geliyor. CyberGym'deki %84.5'lik sonuç, Claude Mythos 5 ve GPT-5.6 Sol'ü bile geride bırakıyor, ancak fark o kadar küçük ki, çalışma başına varyans bunu açıklayabilir.
Geçerli olmadığı yerler: ExploitBench'te %54.4 ile hala öncü modellerin açıkça gerisinde kalıyor. Açık geliştirme, belirsizlik altında derin çok adımlı akıl yürütmeyi vurgular ve buradaki boşluk, en zor akıl yürütmeye dayalı işlerde öncü modellerin hala bir avantaja sahip olduğunu gösteriyor. “Yaklaşıyor” dürüst bir kelimedir. “Eşleşiyor” değildir ve Zhipu, hakkını teslim etmek gerekirse, eşleştiğini söylemedi.
Yığınınıza pratik çevirisi: GLM-5.3, terminal ajanları, CI otomasyonu ve depo ölçeğinde kodlama görevleri için birebir kıyaslamaya değer. En zor akıl yürütme sorunları için, öncü kapalı modeller şimdilik liderliği koruyacaktır. Öncü modellerin tam olarak bu eksenlerde nasıl ayrıştığını hissetmek isterseniz, Grok 4.6 vs GPT-5.6 vs Claude Fable 5 karşılaştırmamız aynı kıyaslama kategorilerini örneklerle inceler.
Açık ağırlıklar planı: Hugging Face'te ~28 Ağustos
En uzun raf ömrüne sahip yayın detayı bir kıyaslama testi değil. Zhipu, GLM-5.3'ün açık ağırlıklarını lansmandan yaklaşık iki hafta sonra, yani yaklaşık 28 Ağustos 2026 civarında, şirketin önceki açık yayınlarının bulunduğu zai-org Hugging Face organizasyonunda yayınlamayı taahhüt etti.
İki haftalık boşluk kasıtlıdır. Zhipu, bu sürüm için bugüne kadarki en kapsamlı risk inceleme sistemini kurduğunu belirtiyor ve güvenlik kıyaslama testleri bunun nedenini açıklıyor: CyberGym'de %84.5 puan alan bir model, anlamlı saldırgan güvenlik yeteneğine sahiptir ve bu ağırlıkları halka açık olarak yayınlamak, onları izlenen bir API'nin arkasında sunmaktan farklı bir karardır. İnceleme penceresi, açık sürümün maliyetidir.
Ağırlıkların yayınlanmasının sizin için ne anlama geldiği donanımınıza bağlıdır. 744B parametreli bir Uzmanlar Karışımı üzerinde tam hassasiyetli çıkarım, her token başına yalnızca ~40B parametre aktif olsa bile sunucu sınıfı bir alanı gerektirir, bu nedenle çoğu ekip nicelleştirilmiş topluluk varyantlarını bekleyecektir. Eğer yerel olarak çalıştırmayı planlıyorsanız, GLM-5.3'ü kendi kendine barındırma kılavuzumuz, boyutlandırma, sunum yığınları ve ağırlıklar gelmeden önce barındırılan API'ye karşı bir temel oluşturmayı kapsar.
GLM-5.3 açık model ortamına nasıl uyuyor
Açık karşılaştırma DeepSeek'tir. Her iki laboratuvar da Çinli, her ikisi de açık ağırlıklar yayınlıyor, her ikisi de agresif fiyatlandırma yapıyor ve her ikisi de birbirlerinden 24 saat içinde piyasaya çıktı. Fark odak noktasındadır: DeepSeek'in V4 Pro serisi genelci bir amiral gemisidir, GLM-5.3 ise kodlama ajanlarının kazanmaya değer bir iş yükü olduğuna dair uzmanlaşmış bir bahistir. Trafiğiniz çoğunlukla ajan tabanlı kodlamaysa, bu uzmanlaşma GLM-5.3'ü ilk test etmeniz için bir argümandır.
Ekonomi, resmin geri kalanını şekillendiriyor. DeepSeek API maliyet optimizasyon kılavuzumuzda analiz ettiğimiz DeepSeek'in son fiyat artışı, açık model API fiyatlandırmasının ne kadar hızlı değişebileceğini gösterdi ve daha fazla ekibi bir korunma olarak kendi kendine barındırmaya yöneltti. Terminal-Bench'e liderlik eden açık ağırlıklı bir GLM-5.3, bu ekiplere başka bir güvenilir seçenek sunuyor. Zhipu, lansman sırasında 5.3'e özgü bir API fiyatlandırması yayınlamamıştı; referans olarak, bu yazının yazıldığı tarihte resmi fiyatlandırma sayfası GLM-5.2'yi 1M girdi tokeni başına 1.4 dolar ve 1M çıktı tokeni başına 4.4 dolar olarak listeliyordu, bu nedenle 5.3 sayısının da bu civarda olmasını bekleyin ve bütçeleme yapmadan önce sayfayı kontrol edin.
Açık ekosistem bağlamı da önemlidir. Nicelleştirilmiş varyantlar var olduğunda, GLM-5.3, hiçbir API bağımlılığı olmadan çalıştırabileceğiniz model havuzuna katılır. 2026'daki en iyi yerel büyük dil modelleri derlememiz, mevcut açık liderlerin nerede durduğunu kapsıyor; Terminal-Bench'i zirvede tamamlayan bir katılımcı bu listeyi yeniden karıştıracaktır.
GLM Kodlama Planı kotaları sıfırlandı
Mevcut kullanıcıları doğrudan etkileyen bir lansman günü detayı: Zhipu, 14 Ağustos'ta tüm kullanıcılar için GLM Kodlama Planı kotalarını sıfırladı. Z.ai üzerinden Kodlama Planına aboneyseniz, tahsisatınız yayınlandığı gün sıfırdan başladı, bu da 5.3'ü denemek için o kotayı harcamaya açık bir davettir.
Kodlama Planı, Zhipu'nun kodlama araçları için sunduğu sabit ücretli bir tekliftir, token başına ödeme yapılan API erişiminden farklıdır ve sıfırlama yalnızca plana uygulanır, API faturalandırmasına değil. Anakara Çin kullanıcıları, kendi planları ve faturalandırmasıyla open.bigmodel.cn aracılığıyla aynı ekosisteme erişebilirler.
API'yi beş dakikada deneyin
Z.ai'nin API'si OpenAI ile uyumludur, bu nedenle herhangi bir büyük LLM API'sini çağırdıysanız istek şekli size tanıdık gelecektir. Uluslararası uç nokta `https://api.z.ai/api/paas/v4/chat/completions`; anakara Çin `https://open.bigmodel.cn/api/paas/v4/chat/completions` kullanır. Kimlik doğrulama bir Bearer token'ıdır. Bir uyarı: lansman sırasında, resmi belgelerde hala `glm-5` belgelenmiş model kimliği olarak listeleniyordu, bu nedenle aşağıdaki `glm-5.3` kimliği GLM-5 ailesi kuralına uyar. Herhangi bir şeyi göndermeden önce model belgeleri sayfasında tam dizeyi onaylayın.
export GLM_API_KEY="your-key-from-z.ai"
curl https://api.z.ai/api/paas/v4/chat/completions \
-H "Authorization: Bearer $GLM_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "glm-5.3",
"messages": [
{
"role": "user",
"content": "Write a bash script that finds the five largest files in a git repo, excluding the .git directory."
}
],
"temperature": 0.6,
"max_tokens": 1024
}'
Yanıt OpenAI şemasını takip eder: mesaj içeriğini içeren bir `choices` dizisi ve token sayılarını içeren bir `usage` bloğu.
cURL dizelerini düzenlemekten daha hızlı bir döngü: isteği Apidog'a aktarın, `GLM_API_KEY`'i bir ortam değişkeni olarak saklayın ve biri Z.ai uç noktası için, diğeri bigmodel.cn için iki ortam oluşturun. Bölgeleri veya model kimliklerini değiştirmek, düzenleme yerine bir açılır menüden yapılır ve kaydedilen yanıtlar, açık ağırlıklar yayınlandığında bir regresyon temel çizgisi haline gelir.
Python ve Node.js istemcileri, akış ve hata yönetimi dahil olmak üzere tam rehber için, GLM-5.3 API hızlı başlangıç kılavuzunun tamamına bakın.
SSS
GLM-5.3 açık kaynak mı?
Henüz değil, ancak açık ağırlıklı olacak. Zhipu, API lansmanından yaklaşık iki hafta sonra, şirketin bugüne kadarki en kapsamlı risk incelemesi olarak tanımladığı sürecin ardından, ağırlıkları yaklaşık 28 Ağustos 2026 civarında Hugging Face'te yayınlamayı taahhüt etti. O zamana kadar tek erişim, barındırılan API aracılığıyla olacaktır.
GLM-5.3, GLM-5.2'den nasıl farklı?
Temel model aynıdır. Her iyileşme ölçekli eğitim sonrası süreçten gelir: Zhipu, dahili değerlendirmelerde %50'lik bir kodlama yeteneği kazanımı, Terminal-Bench 3.0'da 4.6'dan 28.3'e sıçrama ve kabaca ikiye katlanmış bir SWE-Marathon puanı bildirmektedir. Bağlam penceresi, parametre sayısı ve mimari GLM-5 ailesinin temelinden değişmemiştir.
GLM-5.3'ün maliyeti ne kadar?
Zhipu, lansman sırasında 5.3'e özgü bir API fiyatlandırması yayınlamamıştı. Resmi fiyatlandırma sayfası, GLM-5.2'yi 1M girdi tokeni başına 1.4 dolar ve 1M çıktı tokeni başına 4.4 dolar olarak listeliyordu ki bu mevcut en iyi referanstır. Bütçeye karar vermeden önce canlı fiyatlandırma sayfasını kontrol edin ve maliyet ana kısıtlamanız ise, DeepSeek fiyat artışından sonra API maliyet optimizasyonu kılavuzumuz, token başına herhangi bir API için geçerli taktikleri kapsar.
GLM-5.3'ü kendi donanımımda çalıştırabilir miyim?
Ağırlıklar yayınlandıktan sonra, evet, bazı uyarılarla birlikte. GLM-5 ailesi, her ileri geçişte yaklaşık 40B aktif parametreye sahip 744B parametreli bir Uzmanlar Karışımı modelidir, bu nedenle tam hassasiyetli sunum için çoklu GPU sunucu donanımı gerekir. Nicelleştirilmiş topluluk derlemeleri çıtayı düşürecektir; gerçekçi boyutlandırma için kendi kendine barındırma hazırlık kılavuzuna bakın.
GLM-5.3 kodlama için Claude veya GPT'den daha iyi mi?
Bildirilen ajan ve terminal kıyaslama testlerinde rekabetçi olup, Terminal-Bench 3.0'da açık modeller arasında birinci sırada yer almakta ve CyberGym'de Claude Mythos 5 ve GPT-5.6 Sol'ü geride bırakmaktadır. ExploitBench'te ise %54.4 ile öncü modellerin gerisinde kalmaktadır. Dürüst cevap iş yüküne bağlıdır: üretim trafiğini değiştirmeden önce kendi değerlendirme setinizi her ikisine karşı çalıştırın, tıpkı herhangi bir API'yi benimsemeden önce test edeceğiniz gibi.
GLM-5.3 yığınınızda nerede duruyor
GLM-5.3, net bir tanıtım sunan özel bir sürümdür: öncüye yakın kodlama ajanı performansı, iki hafta içinde açık ağırlıklar ve mevcut kodunuzu bugün yönlendirebileceğiniz OpenAI uyumlu bir API. Kıyaslama hikayesi terminal ve ajan görevlerinde güçlü, ExploitBench boşluğu konusunda dürüst ve 28 Ağustos'tan sonra bağımsız testler yayınlanana kadar kısmen doğrulanmamıştır. Bu, bir değerlendirmeyi haklı çıkaracak kadar sinyaldir, ancak henüz bir geçişi haklı çıkaracak kadar değildir.
Başlamanın düşük maliyetli yolu: yukarıdaki cURL isteğini gönderin, yanıtı kaydedin ve gerçek iş yüklerinize karşı küçük bir istem paketi oluşturun. Bu paketi düzenlemek için Apidog'u indirin, Z.ai ve bigmodel.cn uç noktalarını değiştirilebilir ortamlar olarak tutun ve açık ağırlıklar geldiğinde kendi dağıtımınızı barındırılan API ile karşılaştırırken isteyeceğiniz regresyon temel çizgisine dönüştürün.