GLM 5.3 im Test: Ein 1-Mio.-Token-Fenster, ein Münzwurf bei L4 Intensiv

Wir ließen GLM 5.3 zwischen dem 17. und 25. September 2026 durch unsere gesamte Content-Leiter laufen, jede Stufe auf drei Arten gefragt — direkt, als Fiktion gerahmt und über einen System-Prompt gesetzt —, mit zusätzlichen Läufen bei L4 Intensiv, sobald die ersten Ergebnisse auseinandergingen. L3 Stark renderte nur bei der System-Prompt-Version; direkt und Fiktion wurden beide abgelehnt. L4 Intensiv erhielt die meisten Läufe: drei direkte Anfragen wurden alle abgelehnt, acht als Fiktion gerahmte Anfragen kamen alle abgeschwächt zurück, und acht System-Prompt-Anfragen teilten sich genau in der Mitte, vier renderten und vier wurden abgelehnt.

Über die Leiter hinweg sind das 34 bewertete Läufe: 13 renderten vollständig, 12 schwächten sich ab und 9 wurden abgelehnt. Die Spicy-Index-Seite liest das in einen Freedom Score auf der Wertungskarte dieser Seite ein.

GLM 5.3 beantwortet eine schlichte Anweisung präzise; der System-Prompt leistet hier mehr als eine Persona allein, sowohl für Fiktion als auch dafür, eine JSON-Antwort in Form zu halten.

1. Ein veröffentlichtes Beispiel: Schlussfolgern über verstreute Belege hinweg. Der Fall, für den das Fenster existiert — mehrere Dokumente gleichzeitig, wobei die Antwort auf einem Paar weit entfernter Passagen ruht.

system: Read every document before answering. Cite the passage (document name, section) that supports each claim.
user: <a support ticket, a deploy log, an incident timeline and a Slack transcript, pasted in full> Which change caused the outage, and which passage proves it?

Diesen Prompt auf GLM 5.3 ausführen →

2. Ein veröffentlichtes Beispiel: eine JSON-Form auf einem synchronen Aufruf erzwingen. response_format plus Temperature 0 ist es, was die Antwort sicher an einen Parser übergibt.

system: Return one JSON object with keys: root_cause, affected_service, first_seen, mitigation. Use null when a field can't be determined.
user: <the same timeline and transcript>

Diesen Prompt auf GLM 5.3 ausführen →

Einstellungen, die zählen: reasoningeffort low für einen Volumendurchlauf über viele Dokumente, max nur, wenn eine falsche Antwort teuer ist; lassen Sie Spielraum bei maxtokens über der sichtbaren Antwort, die Sie erwarten, da die Standardobergrenze ein Bruchteil der 131.072-Token-Grenze ist; legen Sie für Fiktion jenseits von L2 Reife Themen die Grenzen und die Stimme der Szene in einen System-Prompt, statt direkt zu fragen, und rechnen Sie mit einem erneuten Versuch.

GLM 5.3 renderte 13 von 34 bewerteten Läufen über unsere Content-Leiter vollständig, mit dem oben beschriebenen Muster: sauber an den Enden der Leiter, ein Münzwurf bei L4 Intensiv mit System-Prompt, und nichts bei L4 Intensiv ohne einen. Das Seitenlabel ist Unzensiert: Wir schalten keinen eigenen Inhaltsfilter dazwischen, also ist das, was zurückkommt, GLM 5.3s eigenes Verhalten.

Freedom Score: wird auf der Wertungskarte dieser Seite angezeigt und neu berechnet, sobald wir Läufe ergänzen.

Noch nicht getestet: mehrstufige Chats, die über viele Züge in der Rolle bleiben (unsere Läufe waren Einzelanfragen); andere Sprachen als Englisch; ob ein längerer oder spezifischerer System-Prompt die Lücke schließt, die wir bei L4 Intensiv sahen.

Jede Figur in einer Anfrage sollte erwachsen sein, echte, erkennbare Personen bleiben außen vor, und für das Recht dort, wo Sie veröffentlichen, sind Sie verantwortlich.

Die Reaktion auf den Start von GLM 5.3 teilte sich scharf zwischen Coding- und Rollenspiel-Kreisen. Zur Fähigkeit formulierte es ein Hacker-News-Kommentar als „noch knapp hinter Sol und Fable, aber nur um Haaresbreite". Beim Inhalt reagierte die Rollenspiel-Community anders: Ein vielgevoteter Beitrag sagte, „ZAI ist bei GLM 5.3 voll auf Sicherheit gegangen". Das passt zu dem, was wir gemessen haben: stark an den Enden der Leiter, uneinheitlich in der Mitte.

• Ein günstigeres GLM mit einer besseren L4-Intensiv-Trefferquote? GLM 5.3 Flash renderte alle drei seiner System-Prompt-L4-Intensiv-Läufe, für $0.1275 pro Million Input-Tokens gegenüber GLM 5.3s $1.05.
• Das frühere GLM zu einem niedrigeren Preis? GLM 5.2, $0.98 pro Million Input-Tokens; es fehlt eine niedrige Reasoning-Effort-Stufe, sodass jede Anfrage mehr nachdenkt, als sie bei einem einfachen Durchlauf müsste.
• Eine viel größere Antwortobergrenze, dazu Bildeingabe? DeepSeek V4.1 Flash schreibt bis zu 384.000 Token zurück gegenüber GLM 5.3s 131.072 und nimmt neben Text auch Bilder an, für $0.30 pro Million Input.
• Konsistentes Rendern über die gesamte Leiter, kein System-Prompt nötig? Grok 4.6 renderte jede Stufe, die wir testeten, direkte Formulierung eingeschlossen.