Terug naar overzicht
🇨🇳 Z.ai · China ZDR mogelijk #15 populair
GLM 5.3
Niveau: Topklasse
De allerslimste, krachtigste modellen. Topkwaliteit voor de moeilijkste taken — en de hoogste prijs.
GLM-5.3 is a large-scale reasoning model from Z.ai, built for complex software engineering and long-horizon agent tasks. It supports text input and output with a 1M-token context window, and improves...
KostenZeer laag
SnelheidVlotgemeten · 68 tokens/sec
Werkgeheugen1M tokenshoeveel tekst het tegelijk aankan
SlimheidUitstekend75/100
Beste koop
85
waarde / 100
Loont de prijs?
Veel kwaliteit voor weinig geld — voor de meeste mensen de slimste keuze.
Goede keuze. Je krijgt hier veel kwaliteit voor je geld — een duurder model is voor doorsnee kantoorwerk meestal niet nodig.
Goed voor
- E-mails, teksten en samenvattingen schrijven
- Lastige vragen en analyses
- Programmeren en technische taken
- Het verwerken van hele lange documenten
Minder geschikt voor
- Er zijn geen duidelijke beperkingen voor standaardgebruik
Aanbieder buiten de EU (China). Weeg databescherming mee voordat je er gevoelige informatie mee verwerkt.
Zero Data Retention mogelijk. Dit model kan via OpenRouter worden ingezet bij een aanbieder die je invoer niet bewaart en niet gebruikt voor training — belangrijk voor vertrouwelijke bedrijfsgegevens. Stel ZDR in je OpenRouter-account in om dit af te dwingen.
Slimheid
75/100 · uitstekend
Schrijven
64/100 · sterk
Programmeren
89/100 · uitstekend
Agent-taken
89/100 · uitstekend
Geavanceerd — voor professionals
Onderstaande gegevens zijn bedoeld voor wie de techniek wil doorgronden: ruwe benchmarkscores, gemeten snelheid/latency, prijsopbouw en databronnen. Niet nodig om een goede keuze te maken.
Benchmarks
Klik op een benchmark voor uitleg en alle uitslagen per model; het ?-knopje geeft een korte uitleg.
| Intelligence Index | 44.8 |
| Samengestelde slimheidsscore van Artificial Analysis: het gemiddelde over vele tests voor redeneren, kennis, wiskunde en code. Hoger = slimmer. Alle uitslagen & uitleg → | |
| Coding Index | 74.8 |
| Gemiddelde van programmeertests: hoe goed het model code schrijft, begrijpt en verbetert. Alle uitslagen & uitleg → | |
| Math Index | geen data |
| Gemiddelde van wiskundetests: rekenen, algebra en wiskundig redeneren. Alle uitslagen & uitleg → | |
| Agentic Index | 53.1 |
| Hoe goed het model zelfstandig meerstaps-taken uitvoert met tools (bestanden openen, zoeken, acties uitvoeren). Alle uitslagen & uitleg → | |
| MMLU-Pro | geen data |
| Grote kennistest met ruim 12.000 pittige meerkeuzevragen over 14 vakgebieden (recht, economie, natuurkunde…). Meet brede kennis en redeneren. Alle uitslagen & uitleg → | |
| GPQA Diamond | 91.7% |
| Zeer moeilijke wetenschapsvragen op PhD-niveau (biologie, natuur- en scheikunde). Zelfs menselijke experts halen hier maar ~65%. Alle uitslagen & uitleg → | |
| Humanity's Last Exam | 42.3% |
| De zwaarste kennistest die er is: duizenden extreem moeilijke vragen over honderden onderwerpen. Lage percentages zijn hier normaal. Alle uitslagen & uitleg → | |
| LiveCodeBench | geen data |
| Verse programmeeropgaven die pas ná de training van het model zijn verschenen — meet écht kunnen programmeren in plaats van onthouden. Alle uitslagen & uitleg → | |
| SciCode | 59% |
| Programmeeropgaven uit echte wetenschappelijke onderzoekspapers — combineert code en vakkennis. Alle uitslagen & uitleg → | |
| AIME (wiskunde) | geen data |
| Vragen van de Amerikaanse wiskunde-olympiade voor scholieren. Meet geavanceerd wiskundig redeneren. Alle uitslagen & uitleg → | |
| IFBench (instructievolgen) | geen data |
| Meet hoe precies het model instructies opvolgt, zoals eisen aan lengte, opmaak of vorm van het antwoord. Alle uitslagen & uitleg → | |
| τ²-bench (agent-taken) | geen data |
| Realistische klantenservice-scenario's (vluchten omboeken, abonnementen wijzigen) waarin het model zelfstandig regels moet volgen en tools gebruiken. Alle uitslagen & uitleg → | |
| Terminal-Bench (agent-taken) | 83.9% |
| Opdrachten die het model zelfstandig in een computerterminal moet uitvoeren — een zware test voor agent-vaardigheden. Alle uitslagen & uitleg → | |
Prestaties (gemeten)
| Output-snelheid | 68 tokens/sec |
| Time-to-first-token (latency) | 3.04 sec |
| Snelheidsbron | gemeten (Artificial Analysis) |
Design Arena (ELO)
Head-to-head ranglijst waarin modellen het tegen elkaar opnemen op praktijktaken (websites, code, UI, datavisualisatie). Hogere ELO = vaker gewonnen.
| Gemiddelde ELO | 1290 |
| svg | ELO 1293 · rang 8 |
| python-pptxslides | ELO 1255 · rang 8 |
| htmlslides | ELO 1189 · rang 9 |
| 3d | ELO 1332 · rang 14 |
Technische specificaties
| Model-ID | z-ai/glm-5.3 |
| Contextvenster | 1.048.576 tokens |
| Kennis bijgewerkt tot | onbekend |
| Uitgebracht | 18 aug 2026 |
| Invoer | tekst |
| Redeneren (reasoning) | ja |
| Populariteitsscore | 81/100 |
| Databronnen | openrouter, artificial_analysis, design_arena |