Deutsch 
English 
Español 
Italiano 
Français 
Es gibt eine ganz bestimmte Art von Entscheidungsmüdigkeit, die einen gegen 23 Uhr überkommt, nachdem man bereits drei Tassen Kaffee getrunken hat und auf den Modell-Picker von OpenCode starrt.
Sie haben einen Z.ai-Schlüssel. Sie haben einen MiniMax-Schlüssel. Beide Modelle geben an, eine Million Token Kontext zu verarbeiten. Beide sind „open-weight“. Beide kosten im Vergleich zu den „frontier closed“-Modellen so gut wie nichts. Beide haben ein Benchmark-Diagramm, in dem sie die Nase vorn haben. Und Sie möchten einfach nur wissen, welches Sie als Standard festlegen sollen, damit Sie wieder an die Arbeit gehen können.
Dieser Artikel gibt die Antwort auf diese Frage – und zwar die ausführliche Version, denn die Kurzfassung (“GLM-5.3-Flash, wahrscheinlich”) enthält etwa sechs Vorbehalte, die Ihnen zum Verhängnis werden können, wenn Sie sie übersehen.
Ich habe die Architekturdetails, die Hersteller-Benchmarks, die unabhängigen Bewertungen, die tatsächlichen Preise pro Token – einschließlich der gestaffelten „Long-Context-Falle“ –, die von OpenCode selbst veröffentlichten Nutzungstatistiken sowie die tatsächlichen Konfigurationsdateien für beide Lösungen zusammengetragen. Anschließend habe ich die Kostenberechnungen für einen normalen Arbeitsmonat durchgeführt, anstatt von einem Szenario auszugehen, wie es in Pressemitteilungen oft dargestellt wird.
Das ist dabei herausgekommen.
TL;DR – Das 30-Sekunden-Urteil
Verwenden Sie GLM-5.3-Flash als Ihr OpenCode-Standardmodell. Es schneidet bei fast allen wichtigen Benchmarks für Agentenverhalten und Programmierung besser ab, kostet pro Token etwa die Hälfte, steht unter einer echten MIT-Lizenz und ist der Ort, an den sich die OpenCode-Community tatsächlich verlagert hat.
Nutzen Sie den MiniMax M3 als Ihre Überholspur. Es generiert etwa dreimal schneller und liefert beim ersten Token etwa doppelt so schnell eine Antwort. Bei Schleifen mit vielen Durchläufen und geringem Schwierigkeitsgrad – wie dem Umbenennen von Dateien, dem Erstellen von Testgerüsten, der Dokumentengenerierung, Lint- und Fix-Durchläufen sowie umfangreichen mechanischen Refactorings – macht sich dieser Geschwindigkeitsunterschied stärker bemerkbar als der Unterschied in der Intelligenz.
Der ehrliche Einzeiler: GLM-5.3-Flash denkt besser, MiniMax M3 tippt schneller. Das agentenbasierte Programmieren ist in erster Linie eine Frage des Denkens, daher sichert sich GLM den Standardplatz. Wenn Sie jedoch nicht beide Programme ausführen, verschenken Sie Durchsatzpotenzial – und OpenCode macht die gleichzeitige Ausführung beider Programme kinderleicht.
Übersichtstabelle
| GLM-5.3-Flash | MiniMax M3 | |
|---|---|---|
| Hersteller | Z.ai (Zhipu AI) | MiniMax |
| Veröffentlicht | 26. August 2026 | 1. Juni 2026 |
| Gesamtparameter | 320B | ~428B |
| Aktiv pro Token | 18B | ~23B |
| Architektur | Hybrid aus KDA-Linear-Attention und NoPE-Sparse-MLA, MoE (8 von 288 Experten + 1 gemeinsamer) | GQA-Backbone + MiniMax Sparse Attention (MSA), Sparse MoE |
| Kontextfenster | 1 Mio. (1.048.576) | 1 Mio. (garantierte Mindestmenge: 512.000) |
| Maximale Leistung | 131.072 Token | bis zu 262.144 Token |
| Multimodale Eingabe | Text, Bild, Video, Datei | Text, Bild, Video |
| Lizenz | MIT | MiniMax-Community-Lizenz |
| API-Eingangspreis | $0.15 / 1M ($0.03 im Cache) | $0,30 / 1M ($0,06 im Cache) |
| API-Ausgabepreis | $0,50 / 1M | $1.20 / 1M |
| Zuschlag für lange Kontexte | Keine veröffentlicht | 2× über 512K-Eingang |
| Ausgabegeschwindigkeit | ~48,6 tok/Sek. | ~147,9 tok/Sek. |
| Zeit bis zum ersten Token | ~1,51 s | ~0,99 s |
| Terminal-Bench 2.1 | 84.3 | 66.0 |
| Künstliche Intelligenz in der Analyse | 57 | 45 |
| OpenCode-Token-Anteil | 10.3% | 1.12% |
| Denkmodus | Immer aktiviert (kann nicht deaktiviert werden) | Konfigurierbar |
| Einstiegspreis für das Abonnement | $18/Monat (GLM-Kodierungsplan Lite) | $20/Monat (MiniMax Plus) |
Die Preise entsprechen den offiziellen Listenpreisen der jeweiligen Anbieter. Routing-Gateways wie OpenRouter weisen häufig niedrigere effektive Preise auf, da sie den Datenverkehr auf Hosts von Drittanbietern verteilen – mehr dazu weiter unten, da dies von Bedeutung ist.
Warum gerade dieser Vergleich im Moment entscheidend ist
Vor zwölf Monaten drehte sich die Diskussion um Open-Weight-Modelle noch darum, ob diese Modelle überhaupt einsetzbar seien. Diese Frage ist nun geklärt. Die Diskussion in der zweiten Hälfte des Jahres 2026 ist enger gefasst und interessanter: Auf welches Open-Weight-Modell richten Sie Ihren Agenten-Harness aus, und was kostet es Sie, wenn Sie sich irren?
OpenCode hat diese Frage noch verschärft. Es handelt sich nicht um ein Chat-Fenster – sondern um einen terminaleigenen Agenten, der plant, Dateien liest, diese bearbeitet, Befehle ausführt, die Ausgabe liest und iteriert. Diese Arbeitslast stellt Modelle auf eine Weise auf die Probe, wie es ein Chat-Benchmark niemals tut. Ein Modell, das schöne, in sich geschlossene Funktionen schreibt, kann in OpenCode dennoch nutzlos sein, wenn es nach zwanzig Tool-Aufrufen den Faden verliert, einen Dateipfad falsch interpretiert oder 90.000 Tokens verbraucht, um zu entscheiden, was zu tun ist.
GLM-5.3-Flash und MiniMax M3 sind derzeit die beiden Modelle der offenen Gewichtsklasse, die in dieser Diskussion am ehesten in Frage kommen. Sie kamen im Abstand von drei Monaten auf den Markt, sind für denselben Einsatzzweck konzipiert, liegen preislich in derselben Größenordnung und setzen auf fast gegensätzliche technische Konzepte.
Dieser letzte Teil ist besonders interessant.
Was GLM-5.3-Flash eigentlich ist
GLM-5.3-Flash verzeichnete eine der erfolgreichsten Markteinführungen des Jahres, und das war kein Zufall.
Bevor Z.ai seinen Namen auf irgendetwas anbrachte, erschien das Modell auf OpenRouter unter dem Codenamen “Ox Alpha.” Keine Nennung des Entwicklers, nahezu kostenloser Zugang, kein Marketing. Es kletterte still und leise an die Spitze der Nutzungsstatistiken von OpenRouter und OpenCode und blieb dort etwa eine Woche lang, während die Community darüber diskutierte, wer es entwickelt hatte. Am 26. August 2026 bestätigte Z.ai, dass es sich um ihr Produkt handelte, und veröffentlichte die Gewichte unter der MIT-Lizenz als Open Source.
Ein Modell auf den Markt zu bringen und ihm erst einmal Glaubwürdigkeit verschaffen zu lassen, bevor man behauptet, es sei ein wirklich guter Schachzug – und das hat funktioniert: Das Modell verfügte bereits über echte Nutzungsdaten, noch bevor irgendjemand ein Benchmark-Diagramm gesehen hatte.
Die Architektur, in einfachen Worten
GLM-5.3-Flash ist ein “Mixture-of-Experts”-Modell mit 320 Milliarden Parametern, das pro Token nur etwa 18 Milliarden Parameter aktiviert. Es leitet jedes Token durch 8 von 288 zugewiesenen Experten sowie einen gemeinsamen Experten – bei jedem Vorwärtsdurchlauf werden etwa 2,81 TP3T der Expertengewichte aktiviert. Daraus ergibt sich die „Flash“-Effizienz: Wissen auf dem neuesten Stand der Technik bei den Inferenzkosten eines kleinen Modells.
Das Attention-Design ist der wirklich neuartige Teil. Anstelle eines einheitlichen Attention-Mechanismus werden hier zwei miteinander verflochten:
- 34 KDA-Schichten mit linearer Aufmerksamkeit. Diese laufen in linearer Zeit relativ zur Sequenzlänge statt in quadratischer Zeit. Sie verarbeiten lokale Abhängigkeiten mit geringem Aufwand und verhindern, dass der Durchsatz bei wachsendem Kontext einbricht.
- 11 NoPE-Sparse-MLA-Schichten. Multi-Head-Latent-Attention im DeepSeek-Stil ohne Positions-Embeddings, ergänzt durch einen “Lightning Indexer”, der die 2.048 relevantesten Token aus dem gesamten Kontext auswählt. Dadurch bleibt die Qualität der Fernabrufe erhalten.
Außerdem gibt es ein IndexPool Komprimierungsschritt, der die Schlüsselvektoren des Indexers aggregiert, um den Speicheraufwand bei extrem langen Kontextlängen zu reduzieren, sowie ein Multi-Token-Vorhersage-Modul für spekulative Dekodierung – die vLLM-Implementierung verwendet standardmäßig 5 spekulative Token pro Dekodierungsschritt, was bei kleinen Batch-Größen eine 2- bis 3-fache Durchsatzsteigerung bedeutet.
Nettoeffekt im Vergleich zum vollständigen GLM-5.3: etwa dreimal geringerer Rechenaufwand für die Aufmerksamkeit und ein mehr als viermal kleinerer KV-Cache. Deshalb ist ein Kontext von 1 Million Token nicht nur theoretisch verfügbar, sondern auch tatsächlich nutzbar.
Warum dies für Programmierer wichtig ist
Genauer gesagt: drei Dinge.
Es ist von Haus aus multimodal, und das ist hier keine Spielerei. Frühere GLM-Codierungsmodelle hatten eine Schwachstelle bei allem, was sie nicht als Text lesen konnten. Wenn Ihr Agent ein Layout zerstört, hat ein reines Textmodell keine Möglichkeit, dies zu erkennen. GLM-5.3-Flash akzeptiert Bilder, Videos und Dateien nativ, was bedeutet, dass Debugging anhand von Screenshots, die Umsetzung von Design in Code und Überprüfungsschleifen nach dem Motto “Sieht das eigentlich richtig aus?” nun möglich sind.
Nachdenken ist Pflicht. Man kann es nicht ausschalten. Man kann logische_Überlegung zu niedrig, hoch, oder max (die dokumentierte Standardeinstellung lautet max), doch das Modell überlegt immer erst, bevor es handelt. Für agentenbasierte Aufgaben ist dies die richtige Standardeinstellung – der Fehlermodus von Modellen mit einfacher Codierung besteht darin, ohne Planung selbstbewusst zu handeln, und Z.ai hat diese Option ausgeschaltet.
Der Generationssprung ist real, und er ist auf das Training nach dem Spiel zurückzuführen. GLM-5.3 nutzt dasselbe Basismodell wie GLM-5.2. Alle Verbesserungen sind auf die Skalierung nach dem Training zurückzuführen – angeblich zehnmal mehr Aufgabenumgebungen mit langem Zeithorizont, mit Trainingsaufgaben, die vollständige Software-Lebenszyklen von der Fehlererkennung über das Testen bis hin zur Bereitstellung simulierten, wobei einige auf “die Arbeitslast eines leitenden Ingenieurs über mehrere Tage” ausgelegt waren. Der DeepSWE-v1.1-Wert stieg von 46,2 auf 63,4. Der Terminal-Bench-3.0-Wert stieg von 4,6 auf 28,3. Dabei handelt es sich nicht um zufällige Schwankungen aufgrund von Feinabstimmungen.
Was MiniMax M3 eigentlich ist
MiniMax M3 kam am 1. Juni 2026 auf den Markt und verfolgte einen anderen Ansatz: Anstatt auf maximale Schlussfolgerungsleistung zu optimieren, sollte die Optimierung auf Die wirtschaftlichen Aspekte nachhaltiger Agenten-Schleifen.
Es handelt sich um ein spärliches MoE-Modell mit etwa 428 Milliarden Parametern und rund 23 Milliarden aktiven Parametern pro Token, das auf einem Backbone mit gruppierten Abfragen und Aufmerksamkeit basiert und MiniMax’ eigenes MSA (MiniMax Sparse Attention) oben.
Die MSA-Wette
Die herkömmliche Rechenintensität verläuft quadratisch: Verdoppelt man den Kontext, vervierfacht sich der Rechenaufwand. Das ist der Grund, warum die meisten Modelle mit “1 Mio. Kontext” auf dem Papier zwar 1 Mio. Kontext haben, in der Praxis jedoch nur 150.000 – technisch gesehen kann man das Fenster zwar füllen, aber man wird den damit verbundenen Aufwand nicht auf sich nehmen wollen.
MSA ersetzt „volle Aufmerksamkeit“ durch Auswahl des KV-Blocks. Es filtert den Kontext vorab auf relevante Blöcke herunter und berücksichtigt nur diese, wobei unkomprimierte Schlüssel-Wert-Paare verwendet werden, damit die Abfragequalität trotz der Filterung erhalten bleibt. MiniMax gibt das Ergebnis in etwa wie folgt wieder: 1/20 des Rechenaufwands pro Token der vorherigen Generation bei 1M Kontext, mit 9,7-mal schnelleres Vorladen und 15,6-mal schnelleres Dekodieren im Vergleich zu M2.
Das ist eine wirklich clevere technische Lösung, und das zeigt sich in den Zahlen, die man spürt: eine Ausgabe von ca. 148 Tokens/Sekunde und eine Zeit bis zum ersten Token von unter einer Sekunde. Im Vergleich zu den ca. 49 Tokens/Sekunde und der TTFT von ca. 1,5 Sekunden bei GLM-5.3-Flash wirkt M3 wie ein Werkzeug einer ganz anderen Klasse. In einer langen Agenten-Schleife mit Dutzenden von Runden summiert sich das pro Aufgabe zu einer Differenz von mehreren Minuten in der Echtzeit.
MiniMax wirbt außerdem damit, dass M3 “autonome Programmier-Sitzungen von mehr als 8 Stunden” ermöglicht. Betrachten Sie dies als Werbeaussage und nicht als technische Angabe – diese Angabe wurde nicht unabhängig überprüft.
Wo M3 wirklich stark ist
Der multimodale Bereich und die Desktop-Agent-Funktion von M3 werden unterschätzt. OSWorld-verifiziert bei 70,061 TP3T ist ein beachtliches Ergebnis für Desktop-/GUI-Agent-Aufgaben. MCP Atlas bei 74,21 TP3T gibt an, dass das Verhalten beim Aufruf von Tools zuverlässig ist. GPQA Diamond bei 92,91 TP3T liegt bei strenger Betrachtung an der Grenze. Und SWE-Bench, verifiziert bei 80,51 TP3T ist eine beeindruckende Zahl.
Wenn Ihre Aufgaben darin bestehen, “einen Browser zu bedienen, ein Video abzuspielen, eine Benutzeroberfläche zu bedienen und zwölf MCP-Tools nacheinander aufzurufen”, ist M3 kein Kompromiss. Es ist wohl sogar das bessere Tool.
Die Benchmarks – und was sie verbergen
Hier muss ich vorsichtig sein, denn beide Anbieter veröffentlichen ihre eigenen Zahlen, und die beiden Modelle werden größtenteils anhand von verschiedene Benchmark-Sätze. Das ist kein Zufall. Die Labore suchen sich die Bewertungen aus, bei denen sie gewinnen.
Wo sie sich direkt überschneiden
| Benchmark | GLM-5.3-Flash | MiniMax M3 | Was damit gemessen wird |
|---|---|---|---|
| Terminal-Bench 2.1 | 84.3 | 66.0 | Shell-/Terminal-Agent-Aufgaben |
| Index für künstliche Intelligenz in der Analyse | 57 | 45 | Kollektive Intelligenz |
| Argumentationsindex (llm-stats) | 50.3 (#13) | 41.8 (#39) | Mehrstufiges Schlussfolgern |
| Codierungsindex (llm-stats) | 37.8 (#22) | 34.4 (#30) | Codegenerierung |
| Agentenverzeichnis (llm-stats) | 39.1 (#9) | 27.8 (#38) | Agentische Aufgabenerledigung |
| Index zur Werkzeugnutzung (llm-stats) | 34.2 (#4) | 22.8 (#42) | Aufruf von Funktionen/Werkzeugen |
| Vision-Index (llm-stats) | 32.0 (#21) | 25.6 (#37) | Multimodales Verständnis |
Terminal-Bench 2.1 hat für OpenCode das größte Gewicht, da es am ehesten widerspiegelt, was OpenCode tatsächlich tut: ein Agent in einem Terminal, der Befehle ausführt, die Ausgabe liest und Iterationen durchführt. Ein Unterschied von 18 Punkten ist hier kein Rundungsfehler.
Die Rangliste zum Thema „Werkzeuggebrauch“ ist die andere, die ich nicht auslassen würde. GLM-5.3-Flash unter #4 insgesamt gegen M3 bei #42 ist der entscheidende Satz in diesem gesamten Artikel. Ein Agent-Harness ist eine Maschine, die Werkzeuge aufruft. Ein Modell mit dem Wert #42 beim Werkzeiteinsatz wird mehr fehlerhafte Aufrufe, mehr Wiederholungsversuche und mehr verschwendete Züge produzieren – und jeder verschwendete Zug kostet Sie Token. und die tatsächliche Zeit, wodurch der Geschwindigkeitsvorteil des M3 still und leise zunichte gemacht wird.
Was GLM-5.3-Flash so besonders macht
- Terminal-Bench 2.1: 84,3 — gegen Claude Opus 4.8 bei 85,0. Nur einen Punkt von einem „Frontier Closed“-Modell entfernt, zu etwa einem Dreißigstel des Preises.
- DeepSWE v1.1: 63,4 — ein Anstieg gegenüber den 46,2 von GLM-5.2.
- AutomationBench v1.0.6: 48,8 — im Vergleich zu Opus 4.8 bei 41,0. Dies ist der größte Vorsprung gegenüber einem Frontier-Modell.
- Z.ai Code Bench v1.0: 29,0 — Opus 4.8 erreicht 29,5 Punkte.
- GDPval-AA v2: 1773 — Bestwert unter den verglichenen Modellen hinsichtlich der Eignung für Wissensarbeit.
- Toolathlon: 78,4 · OfficeQA Pro: 62,4 · CharXiv-R: 89,41 TP3T · MMVU: 80,5 · Kartografie: 78,0
Wo sich der MiniMax M3 von der Masse abhebt
- SWE-Bench-verifiziert: 80,5%
- SWE-bench Pro: 59.0% — anspruchsvollere Repos, die mit dem „Claude Code“-Gerüst ausgeführt werden
- MCP-Atlas: 74.2% · OSWorld-verifiziert: 70.06% · GPQA Diamond: 92,91 TP3T
- KernelBench Hard: 28,81 TP3T · SWE-ffizienz: 34,81 TP3T
Der Vorbehalt, den Sie tatsächlich beachten sollten
Die Startzahlen beider Labore stammen aus eigenen Angaben. Insbesondere die Benchmark-Suite von MiniMax war zum Zeitpunkt ihrer Veröffentlichung noch nicht auf neutralen Bewertungsplattformen erschienen, und die Analysten von Z.ai wiesen darauf hin, dass automatische Weiterleitungen von älteren Modellversionen auf der Plattform von Z.ai aussagekräftige A/B-Vergleiche erheblich erschweren.
Wo die unabhängigen Aggregatoren – Artificial Analysis und llm-stats – eigene Auswertungen durchgeführt haben, GLM-5.3-Flash gewinnt in jeder Kategorie. Das ist das Argument, dem ich das größte Gewicht beimesse, da keiner der beiden Anbieter diese Benchmarks ausgewählt hat.
Das Signal, über das niemand spricht: OpenCodes eigene Nutzungsdaten
Das ist der Teil, den ich am überzeugendsten fand, und es ist der Teil, den die meisten Vergleichsartikel komplett auslassen.
OpenCode veröffentlicht Nutzungsdaten zu den darin ausgeführten Modellen. Keine Herstellerangaben. Keine Benchmark-Suiten. Echte Entwickler, die echte Arbeit leisten und entscheiden, was sie weiterhin nutzen möchten.
| Metrisch | GLM-5.3-Flash | MiniMax M3 |
|---|---|---|
| Einzigartige Nutzer | 566.000 | 436.000 |
| Anteil der verarbeiteten Token | 10.3% | 1.12% |
| Token über zwei Monate | 46T (+100%) | 5T (−51%) |
| Wiederkehrende Nutzer in der ersten Woche | noch ausstehend | 66% (32.000 Nutzerwochen) |
Schau dir diese beiden Zahlen zur Token-Verteilung noch einmal an. Die Nutzerzahlen sind in etwa vergleichbar – bei GLM-5.3-Flash haben etwa 30% mehr Leute die App ausprobiert –, aber mehr als das Neunfache des Token-Durchsatzes.
Bei dieser Kluft geht es nicht darum, wer was ausprobiert hat. Es geht darum, wer bei der eigentlichen Arbeit dabei geblieben ist. Manche starten eine Sitzung mit M3, und manche live in Sitzungen mit GLM-5.3-Flash.
Die Trendlinie verdeutlicht dies noch eindrucksvoller: GLM-5.3-Flash hat sein Token-Volumen innerhalb von zwei Monaten verdoppelt, während M3 die Hälfte seines Volumens eingebüßt hat.
Zwei berechtigte Vorbehalte. Erstens ist GLM-5.3-Flash drei Monate neuer, und neue Modelle profitieren von einem anfänglichen ’Neuheitsbonus’; die Kurve wird sich abflachen. Zweitens ist die 66%-Retention von M3 in der ersten Woche ein solider Wert – die Nutzer, die sich dafür entschieden haben, geben es nicht auf, es gibt nur weniger von ihnen und sie nutzen es weniger intensiv. Und der Rückgang bei M3 ist zum Teil auf Kannibalisierung durch seine eigenen Nachfolger und den allgemein häufigeren Veröffentlichungsrhythmus bei chinesischen Open-Weight-Modellen zurückzuführen, nicht auf reine Ablehnung.
Wenn Sie sich jedoch fragen, “was erfahrene OpenCode-Nutzer eigentlich den ganzen Tag über ausführen”, geben die Daten eine eindeutige Antwort darauf.
Einrichtung von MiniMax M3 in OpenCode
Ehre, wem Ehre gebührt: Bei MiniMax ist die Einrichtung einfacher, da OpenCode einen integrierten MiniMax-Anbieter enthält. Keine Konfigurationsdatei, kein JSON, keine Basis-URL.
bash
# 1. OpenCode installieren (überspringen, falls bereits installiert)
curl -fsSL https://opencode.ai/install | bash
# oder: npm i -g opencode-ai
# 2. Authentifizieren
opencode auth login
# Wählen Sie: "MiniMax Token Plan (minimax.io)"
# Fügen Sie Ihren Abonnementschlüssel ein (beginnt mit sk-cp-...)
# 3. Los geht’s
opencodeDann /Modelle innerhalb der Sitzung und wählen Sie MiniMax-M3.
Die Schlüsselfalle
Das passiert fast jedem. MiniMax-Token-Plan-Schlüssel (Abonnement) und Pay-as-you-go-API-Schlüssel sind nicht untereinander austauschbar. Sie unterscheiden sich in der Weiterleitung und der Abrechnung. Wenn Sie sich mit einem PAYG-Schlüssel beim Anbieter des Token-Plans authentifizieren, erhalten Sie Authentifizierungs- oder Kontostandsfehler, die wie ein Ausfall aussehen, in Wirklichkeit aber auf eine Nichtübereinstimmung zurückzuführen sind.
Abonnementschlüssel beginnen mit sk-cp- und erfordern einen zugewiesenen Platz oder Credits. Holen Sie sich Ihren auf der Seite „Token-Plan“ im MiniMax-Benutzercenter, nicht auf der allgemeinen API-Schlüssel-Seite.
Falls Sie einen manuellen Anbieterblock benötigen
Falls Ihre OpenCode-Version älter ist als der integrierte Provider oder Sie explizit auf einen PAYG-Schlüssel verweisen möchten:
json
{
"$schema": "https://opencode.ai/config.json",
"provider": {
"minimax": {
"npm": "@ai-sdk/openai-compatible",
"name": "MiniMax",
"options": {
"baseURL": "https://api.minimax.io/v1",
"apiKey": "{env:MINIMAX_API_KEY}"
},
"models": {
"MiniMax-M3": {
"name": "MiniMax M3",
"limit": {
"context": 1000000,
"output": 262144
}
}
}
}
}
}Beachten Sie die explizite limit.context. Das ist keine Verzierung – siehe den nächsten Abschnitt.
Die MiniMax-Falle im Kontextfenster (Lesen Sie dies, bevor Sie committen)
Wenn Sie MiniMax M3 über einen Anthropic-kompatiblen Anschluss leiten – Claude Code oder eine OpenCode-Konfiguration unter Verwendung von @ai-sdk/anthropic gegen https://api.minimax.io/anthropic — Es gibt einen dokumentierten, noch offenen Fehler, über den Sie Bescheid wissen sollten.
Die /anthropogen Endpoint meldet ein Kontextfenster von 200.000 statt der tatsächlichen 1 Million von M3.
Die Kompatibilitätsschicht scheint die Metadaten von Claude Sonnet zu übernehmen, anstatt die tatsächlichen Spezifikationen von M3 zu melden. Die Programmierer vertrauen diesen Metadaten und passen ihr Kontextbudget entsprechend an – was bedeutet, dass Die automatische Komprimierung wird bei etwa 167.000 Token ausgelöst. obwohl das Modell problemlos das Fünffache davon aufnehmen kann.
Das ist ein besonders ärgerlicher Fehler, da er nicht sichtbar ist. Ihr Agent meldet keinen Fehler. Er fängt einfach still und leise an, Dinge viel früher zu vergessen, als er sollte, und Sie verbringen einen ganzen Nachmittag damit, sich zu fragen, warum ein Modell mit einem Fenster von einer Million Token schon nach den zweiten Datei bei einer Refaktorisierung den Faden verliert. Das Problem wurde am Tag der Veröffentlichung von M3 gemeldet und ist nach wie vor offen.
Eine Lösung finden
In OpenCode: Verwenden Sie den integrierten MiniMax-Anbieter (OpenAI-kompatibler Ansatz) anstelle des Anthropic-Ansatzes und legen Sie limit.context ausdrücklich, wenn Sie einen manuellen Provider-Block definieren.
In Claude Code, das Komprimierungsfenster direkt überschreiben:
json
{
"env": {
"ANTHROPIC_BASE_URL": "https://api.minimax.io/anthropic",
"ANTHROPIC_AUTH_TOKEN": "",
"CLAUDE_CODE_AUTO_COMPACT_WINDOW": "1000000",
"ANTHROPIC_MODEL": "MiniMax-M3[1m]",
"ANTHROPIC_DEFAULT_SONNET_MODEL": "MiniMax-M3[1m]",
"ANTHROPIC_DEFAULT_OPUS_MODEL": "MiniMax-M3[1m]",
"ANTHROPIC_DEFAULT_HAIKU_MODEL": "MiniMax-M3[1m]"
}
}Zwei wichtige Details: die [1 m] Das Suffix in der Modell-ID fordert die Variante mit vollständigem Kontext an, und Überschreiben von Shell-Umgebungsvariablen settings.json im dokumentierten Verhalten von MiniMax. Falls Sie eine veraltete ANTHROPIC_BASE_URL in Ihrem .zshrc, dann gewinnt es still und leise, und du wirst dich im Kreis drehen.
Außerdem: Legen Sie die Anmeldedaten des Anbieters nicht als globale Exporte fest. ANTHROPIC_BASE_URL ist eine globale Variable; wenn Sie sie dauerhaft exportieren, werden alle Anthropic-kompatiblen Tools auf Ihrem Rechner stillschweigend auf MiniMax umgeleitet. Begrenzen Sie den Geltungsbereich auf einzelne Projekte oder einzelne Aufrufe.
Einrichtung von GLM-5.3-Flash in OpenCode
OpenCode enthält außerdem einen integrierten Z.AI-Anbieter, sodass dies fast genauso einfach ist – mit einer einzigen Abzweigung.
bash
# 1. Beziehen Sie einen Schlüssel von Z.ai – entweder einen Standard-API-Schlüssel oder einen GLM-Coding-Plan-Schlüssel
# 2. Authentifizieren
opencode auth login
# Wählen Sie "Z.AI" für einen Standard-API-Schlüssel
# Wählen Sie "Z.AI Coding Plan" für einen Coding-Plan-Abonnementschlüssel
# 3. Starten Sie OpenCode und wählen Sie dann Ihr Modell aus
opencode
/models # Wählen Sie GLM-5.3-FlashOrdnen Sie den Anbieter dem Schlüsseltyp zu. Standard-API-Schlüssel und Coding-Plan-Schlüssel nutzen unterschiedliche Routen und unterliegen einer unterschiedlichen Abrechnung. Die Auswahl des falschen Schlüssels führt zu Authentifizierungs- oder Guthabenfehlern, die den Anschein erwecken, als sei das Konto defekt.
Die Endpunkte des Kodierungsplans
Wenn Sie die Verkabelung manuell vornehmen oder ein anderes Tool konfigurieren, stellt das Entwicklerpaket von Z.ai drei Optionen zur Verfügung:
| Protokoll | Basis-URL |
|---|---|
| Anthropische Botschaften | https://api.z.ai/api/anthropic |
| OpenAI-Chat-Vervollständigungen | https://api.z.ai/api/coding/paas/v4 |
| Antworten von OpenAI | https://api.z.ai/api/v1 |
Eine Einschränkung, auf die hingewiesen werden sollte: Der GLM-Kodierungsplan ist vertraglich auf offiziell unterstützte Tools beschränkt — Claude Code, OpenCode, Cline, Roo Code, Kilo Code, Cursor, Goose, Crush, OpenClaw und einige weitere. Wenn Sie vorhaben, einen Coding-Plan-Schlüssel auf Ihr selbst entwickeltes Test-Harness zu richten, lesen Sie bitte zuerst die Nutzungsbedingungen. Verwenden Sie dafür die Standard-API.
Block für manuelle Anbieter
json
{
"$schema": "https://opencode.ai/config.json",
"provider": {
"zai": {
"npm": "@ai-sdk/openai-compatible",
"name": "Z.AI",
"options": {
"baseURL": "https://api.z.ai/api/coding/paas/v4",
"apiKey": "{env:ZAI_API_KEY}"
},
"models": {
"glm-5.3-flash": {
"name": "GLM-5.3-Flash",
"limit": {
"context": 1048576,
"output": 131072
},
"options": {
"reasoning_effort": "high",
"temperature": 1,
"top_p": 0,95
}
}
}
}
},
"model": "zai/glm-5.3-flash"
}Empfohlene Einstellungen für die Probenahme
Die von Z.ai dokumentierten Empfehlungen für GLM-5.3-Flash, von denen ich nicht ohne triftigen Grund abweichen würde:
Temperatur: 1top_p: 0,95reasoning_effort: max(dokumentierter Standardwert)thinking.clear_thinking: falsestream: trueundtool_stream: truefür Streaming-Anfragen
logische_Überlegung ist Ihr Hauptregler für das Verhältnis von Qualität und Latenz. niedrig für latenzkritische Aufgaben, hoch für umfangreiche Programmierarbeiten, max für die schwierigsten Probleme. Da GLM-5.3-Flash mit ~49 tok/s bereits das langsamere der beiden Modelle ist, hoch ist eine sinnvolle Einstellung für den Alltag und max ist das, wonach man greift, wenn eine Aufgabe einen wirklich überfordert hat hoch.
Die Konfiguration, die ich tatsächlich empfehlen würde: Beide ausführen
An dieser Stelle versagt der “Entweder-oder”-Ansatz, denn OpenCode zwingt Sie nicht dazu, sich für eine der beiden Optionen zu entscheiden. Die Konfiguration unterstützt agentenbezogene Modelle, was bedeutet, dass Sie das intelligente Modell für die anspruchsvollen Aufgaben und das schnelle Modell für die Routineaufgaben einsetzen können.
json
{
"$schema": "https://opencode.ai/config.json",
"model": "zai/glm-5.3-flash",
"small_model": "minimax/MiniMax-M3",
"agent": {
"build": {
"model": "zai/glm-5.3-flash",
"options": { "reasoning_effort": "high" }
},
"plan": {
"model": "zai/glm-5.3-flash",
"options": { "reasoning_effort": "max" }
},
"grunt": {
"description": "Mechanische, umfangreiche Bearbeitungen: Umbenennungen, Test-Scaffolding, Docstrings, Lint-Korrekturen",
"model": "minimax/MiniMax-M3"
}
}
}Die Logik:
- Die Planung läuft
reasoning_effort: maxauf GLM-5.3-Flash. Bei der Planung kostet dich eine schlechte Entscheidung später die meisten Token. Investiere in dieser Phase so viel in die Planung, wie du dir leisten kannst. - Das Gebäude erhält
hoch. Ein gutes Gleichgewicht zwischen Qualität und Latenz für den Großteil der Arbeit. - Die mechanischen Arbeiten werden an M3 vergeben. Um ein Symbol in 40 Dateien umzubenennen, braucht man kein Werkzeugnutzungsmodell der Stufe #4. Was man braucht, ist Durchsatz – und M3 ist dreimal so schnell.
kleines_Modellkümmert sich um die internen Verwaltungsaufgaben bei OpenCode — Titelerstellung, Zusammenfassung, kleine Dienstprogrammaufrufe. Wähle die schnelle, günstige Variante.
Du wählst keinen Sieger aus. Du baust ein Getriebe mit zwei Gängen.
Die Kostenrechnung – mit konkreten Zahlen
Benchmarks sind abstrakt. Rechnungen hingegen nicht. Lassen Sie mich eine realistische, handlungsorientierte Aufgabe modellieren und sie anhand beider Preislisten durchspielen.
Das Szenario
Ein mittelgroßes Feature, das in OpenCode agentisch umgesetzt wurde: ungefähr 60 Werkzeugwechselvorgänge, im Durchschnitt 45.000 Eingabetoken pro Runde je mehr Kontext sich ansammelt, und 2.000 Ausgabe-Token pro Runde.
- Gesamteingabe: 2,7 Millionen Token
- Gesamtleistung: 120.000 Token
- Angenommene Trefferquote des Prompt-Caches: 80% (2,16 Mio. im Cache, 540.000 aktuell)
GLM-5.3-Flash
| Komponente | Token | Bewertung | Kosten |
|---|---|---|---|
| Neue Informationen | 540.000 | $0,15/M | $0.081 |
| Zwischengespeicherte Eingabe | 2,16 Mio. | $0.03/M | $0.065 |
| Ausgabe | 120.000 | $0,50/M | $0.060 |
| Gesamt | ≈ $0,21 |
MiniMax M3 (Standardstufe, ≤512K Eingabe)
| Komponente | Token | Bewertung | Kosten |
|---|---|---|---|
| Neue Informationen | 540.000 | $0,30/M | $0.162 |
| Zwischengespeicherte Eingabe | 2,16 Mio. | $0.06/M | $0.130 |
| Ausgabe | 120.000 | $1.20/M | $0.144 |
| Gesamt | ≈ $0,44 |
GLM-5.3-Flash ist bei identischem Arbeitsaufwand etwa 2,1-mal günstiger. Das deckt sich mit der unabhängigen Schätzung, wonach die Kosten auf einer gemischten 3:1-Basis von Input zu Output etwa 2,2-mal geringer sind.
Skalierung auf einen Monat
Vier solcher Aufgaben pro Tag, zwanzig Arbeitstage – 80 agentische Durchläufe:
- GLM-5.3-Flash: ca. $16,50/Monat
- MiniMax M3: ≈ $35/Monat
Der Aufschlag für lange Texte, von dem niemand spricht
Hier liegt der Haken. Die Preise für den MiniMax M3 betragen nach Eingabelänge sortiert, und sobald eine einzelne Anfrage 512K Eingabetoken überschreitet, verdoppelt sich die Rate:
| Stufe | Eingabe | Ausgabe | Cache-Lesezugriff |
|---|---|---|---|
| ≤512K Eingabe | $0,30/M | $1.20/M | $0.06/M |
| >512K Eingabe | $0,60/M | $2,40/M | $0.12/M |
| Prioritätsstufe | 1,5-facher Standardwert | 1,5-facher Standardwert | 1,5-facher Standardwert |
Die Überschrift “1M Context” enthält also eine Anmerkung: Die zweite Hälfte dieses Zeitfensters kostet doppelt so viel. Wenn Ihr Workflow tatsächlich das Laden riesiger Repositories in den Kontext umfasst, ist M3 nicht mehr nur doppelt so teuer wie GLM-5.3-Flash, sondern kostet etwa 4-mal so teuer genau dann, wenn man den Kontext am dringendsten braucht.
Z.ai erhebt keinen entsprechenden Aufschlag für GLM-5.3-Flash. Die Million Tokens werden zu einem Pauschalpreis angeboten.
Abonnements im Vergleich zu Einmalzahlungen
| GLM-Kodierungsplan | MiniMax-Token-Plan | |
|---|---|---|
| Eintrag | Lite $18/Monat (ca. 80 Anfragen/5 Std., ca. 400/Woche, 100 MCP-Anrufe/Monat) | zuzüglich 1 TP4T20/Monat (ca. 3–4 Mitarbeiter) |
| Mitte | Pro $72/Monat (ca. 400 Eingaben/5 Std., ca. 2.000/Woche, 1.000 MCP-Aufrufe) | Max. 1 TP4T50/Monat (ca. 4–5 Mitarbeiter, 3 Videogenerationen pro Tag) |
| Nach oben | Max. $160/Monat (ca. 1.600 Eingabeaufforderungen/5 Std., ca. 8.000/Woche, 4.000 MCP-Aufrufe) | Ultra $120/Monat (ca. 6–7 Agenten, 5 Videogenerationen pro Tag) |
| Jahresrabatt | ~30% aus | Nicht veröffentlicht |
| Enthaltene Modelle | GLM-5.3, GLM-5.3-Flash, GLM-5.2, GLM-5-Turbo | MiniMax-Modellreihe |
Zwei Details, die die Rechnung verändern.
GLM-5.3-Flash erhält im Coding-Plan das Dreifache der Quote Im Vergleich zu GLM-5.3 werden bei der Nutzung außerhalb der Spitzenzeiten 50% Standardpunkte verbraucht. Wenn Sie sich für „Flash“ anstelle des vollständigen GLM-5.3-Pakets entscheiden, verdreifacht sich der Wert Ihres Abonnements praktisch, und durch die Verlagerung rechenintensiver Läufe außerhalb des Spitzenzeitfensters von 14:00 bis 18:00 Uhr UTC+8 lässt sich dieser Wert noch weiter steigern.
Das MiniMax-Kontingent wird nicht auf das nächste Jahr übertragen. Nicht genutzte Kontingente verfallen am Ende jedes Abrechnungszeitraums, und MiniMax selbst empfiehlt für Produktionsumgebungen die Abrechnung nach tatsächlichem Verbrauch anstelle des Token-Tarifs.
Bei meiner modellierten Nutzung (~$16–35 Token pro Monat) liegen das Pay-as-you-go-Modell und die Einstiegsabonnements in etwa auf Augenhöhe. Ab etwa 6–8 Stunden täglicher Arbeit mit Agenten haben die Abonnements eindeutig die Nase vorn – der „GLM Coding Plan Lite“ mit $18, der etwa 400 wöchentliche Prompts abdeckt, ist wirklich kaum zu übertreffen.
Ein Hinweis zur Preisgestaltung bei Gateways
Je nachdem, wo man nachschaut, findet man sehr unterschiedliche Zahlen. OpenRouter gibt für GLM-5.3-Flash etwa $0,05/M im Eingang und $0,17/M im Ausgang an; die Modelldaten von OpenCode selbst weisen $0,07/M und $0,25/M aus. Beide Werte liegen unter den offiziellen Angaben von Z.ai von $0,15/$0,50.
Das ist kein Widerspruch. Routed Gateways verteilen die Last auf über 20 Hosts von Drittanbietern – Baseten, DeepInfra, Novita, Cloudflare und andere –, und diese Hosts konkurrieren preislich miteinander. Über ein Gateway können Sie GLM-5.3-Flash definitiv günstiger als zum Listenpreis erhalten. Dafür müssen Sie jedoch Abstriche bei der Konsistenz machen: Der Durchsatz auf OpenRouter liegt je nach Anbieter zwischen 8 und 111 Token/Sekunde, was bei einer langen Agentenschleife den Unterschied zwischen einer zweiminütigen und einer fünfzehnminütigen Aufgabe ausmacht.
Bei der Arbeit mit Agenten würde ich lieber den Listenpreis an den Erstanbieter zahlen und dafür eine vorhersehbare Latenz erhalten. Gateways sollte man für Batch-Verarbeitungen und Experimente nutzen.
Lizenzierung und Eigenhosting: Der Abschnitt, den europäische Unternehmen zweimal lesen sollten
Wenn Sie ein Unternehmen innerhalb der EU betreiben, ist die Lizenz keine Nebensache. Es handelt sich um eine Frage der Beschaffung.
GLM-5.3-Flash: MIT
Die Gewichte sind auf Hugging Face unter zai-org/GLM-5.3-Flash unter dem MIT-Lizenz. Liberaler kann eine Softwarelizenz kaum sein: Kommerzielle Nutzung, Änderung, Weitergabe, Einbindung in ein Produkt – keine Umsatzgrenzen, kein Anhang zur zulässigen Nutzung, keine Einschränkungen hinsichtlich des Einsatzbereichs. Behalten Sie den Urheberrechtsvermerk bei, und schon sind Sie fertig.
Für ein deutsches oder EU-Unternehmen bedeutet „MIT plus selbst hostbare Gewichte“, dass Sie das gesamte System in Ihre eigene Infrastruktur integrieren können und die Datenhoheit somit kein Thema mehr ist – keine Prüfung der grenzüberschreitenden Datenübermittlung, keine Auftragsverarbeitungsvereinbarung mit einem chinesischen Anbieter, keine Abhängigkeit von der Verfügbarkeit fremder Systeme.
MiniMax M3: MiniMax-Community-Lizenz
Die Gewichte von M3 sind ebenfalls auf Hugging Face verfügbar, allerdings unter der MiniMax-Community-Lizenz — eine maßgeschneiderte Lizenz, keine standardmäßige, freizügige Lizenz. Die Resonanz in der Community war überwiegend positiv (sie ist freizügiger als die Lizenz M2.7, unter der das Produkt ursprünglich ausgeliefert wurde), und mehrere Quellen beschreiben die kommerzielle Nutzung in der Praxis als uneingeschränkt.
Aber “als uneingeschränkt beschrieben” und “von Ihrem Rechtsbeistand geprüft” sind zwei verschiedene Dinge. Wenn MiniMax M3 in ein kommerzielles Produkt integriert werden soll, lesen Sie den Lizenztext unbedingt selbst durch, bevor Sie das Produkt ausliefern. Eine maßgeschneiderte Lizenz verursacht einen Prüfungsaufwand, den das MIT-Modell einfach nicht mit sich bringt.
Die Realität des Selbsthostings
Beide Modelle sind Open-Weight-Modelle. Keines davon läuft auf Ihrem Laptop.
GLM-5.3-Flash:
- FP8-Checkpunkt: 331 GB verteilt auf 62 Shards (~306 GiB an Gewichten vor dem KV-Cache)
- Variante BF16: 640 GB auf 120 Shards verteilt
- FP8 bei TP=4 auf einem einzelnen GB200: ~386 GB VRAM
- BF16 bei TP=8: ~772 GB VRAM
- Erfordert Hopper-Generation oder neuer — H100/H200/B200/B300/GB200/GB300 oder AMD MI300X/MI325X/MI355X
- Stack: vLLM 0.29.0+, FlashInfer 0.6.17+; außerdem SGLang, TokenSpeed, KTransformers, Transformers, Unsloth
MiniMax M3:
- Ungefähr 214 GB bei 4-Bit-Quantisierung — kleiner, aber dennoch eindeutig in der Serverklasse angesiedelt
Die von Z.ai selbst gehostete Infrastruktur meldet ~48,7 Ausgabetoken/Sek. bei einer TTFT von 1,52 s sowie bei TP=4 auf GB200 einen KV-Pool mit 14,92 Mio. Token, der bei 128.000 Kontexten eine maximale Parallelität von 113,81× unterstützt. Das ist die Hardwarekonfiguration, die erforderlich ist, um dies ordnungsgemäß bereitzustellen.
Praktische Übersetzung: Beide Modelle erfordern, dass man mehrere GPUs in Rechenzentren mietet oder kauft. Für die meisten Teams – darunter auch die meisten meiner Kunden – ist die richtige Lösung die API, wobei die offenen Gewichte als Versicherung. Falls der Anbieter die Preise erhöht, die Qualität des Modells verschlechtert oder vom Markt verschwindet, haben Sie eine Ausstiegsmöglichkeit. Diese Option hat einen echten Wert, auch wenn Sie sie nie in Anspruch nehmen.
Wo jedes Modell tatsächlich versagt
Keine Übertreibungen. Hier sind die ehrlichen Schwachstellen.
GLM-5.3 – Schwachstellen von Flash
Es ist langsam. ~48,6 Token/Sek. Ausgabe und ~1,51 s bis zum ersten Token. Im Vergleich zu den ~148 Token/Sek. und ~0,99 s bei M3 spürt man jede lange Generierung. In einer Agenten-Schleife mit 40 Durchläufen summiert sich das zu echten Minuten des Däumchendrehens.
Man kann das Denken nicht einfach abschalten. Zwangsweise Schlussfolgerungen sind bei anspruchsvollen Aufgaben sinnvoll, bei trivialen Anfragen jedoch Verschwendung. Jede Anfrage wie “Füge dieser Funktion einen Docstring hinzu” ist mit einem Schlussfolgerungsaufwand verbunden. Genau aus diesem Grund sollte man für Routineaufgaben M3 oder ein kleineres Modell einsetzen.
Reasoning-Token sind abrechnungspflichtige Token. Mit reasoning_effort: max Wie aus den Unterlagen hervorgeht, liegen die tatsächlichen Kosten pro Aufgabe über den naiven Schätzungen, die allein auf der Grundlage der Ein- und Ausgabewerte ermittelt wurden. Stellen Sie den Wert auf hoch es sei denn, die Aufgabe bringt max.
Es ist neu. Veröffentlicht am 26. August 2026. Nicht alle Langzeit-Integrationsfehler im gesamten Harness-Ökosystem sind bereits aufgetreten, und das Wissen der Community ist noch lückenhaft. Sollten Sie auf einen seltenen Fehlerfall stoßen, sind Sie möglicherweise der Erste, der diesen meldet.
Verwechseln Sie es nicht mit GLM-5.3. Es handelt sich um verschiedene Modelle mit unterschiedlichen Funktionen – insbesondere das nicht auf Flash basierende Modell GLM-5.3 ist rein textbasiert. Das Senden von Bildern an die falsche Modell-ID ist ein häufiger Anfängerfehler.
Schwächen des MiniMax M3
Das Ranking beim Werkzeuggebrauch ist das eigentliche Problem. #42 im Tool-Use-Index von llm-stats im Vergleich zu GLM-5.3-Flash bei #4. Für einen Agenten-Harness ist dies die Belastbarkeit. Rechnen Sie mit mehr fehlerhaften Tool-Aufrufen, mehr Wiederholungsversuchen und mehr verbrauchten Zügen für die Wiederherstellung – was den Geschwindigkeitsvorteil zunichte macht, für den Sie bezahlt haben.
Der Fehler bei der Kontextmeldung ist noch nicht behoben. Seit der Veröffentlichung vorhanden. Lässt sich zwar umgehen, ist aber ein kleines Ärgernis, das man immer im Hinterkopf hat.
Es gibt kaum unabhängige Überprüfungen. Die Benchmark-Ergebnisse von MiniMax zur Markteinführung waren auf unabhängigen Plattformen nicht zu finden, und dort, wo unabhängige Aggregatoren Messungen durchgeführt haben, liegt M3 eher im Mittelfeld als an der Spitze. Die Diskrepanz zwischen den Angaben des Anbieters und den Messungen Dritter ist hier größer als bei Z.ai.
Bei mehr als 512 KB verdoppelt sich der Preis für Long-Context-Abfragen. Für die Top-Funktion fällt ein Aufpreis an.
Individuelle Lizenz. Zusätzliche rechtliche Prüfung vor der kommerziellen Einführung.
Rückläufige Nutzung. Ein Rückgang des OpenCode-Token-Volumens um 51% über zwei Monate hinweg ist ein Zeichen für die Dynamik des Ökosystems, ganz gleich, was die Ursache dafür ist. Weniger Nutzer bedeuten, dass weniger Leute auf dieselben Fehler stoßen und diese beheben, auf die auch Sie stoßen werden.
Das Entscheidungsmodell: Fünf Szenarien
1. “Ich will ein Modell, das ich einmal einstelle und dann nicht mehr daran denken muss.”
GLM-5.3-Flash. Besser in jedem neutralen Benchmark, zum halben Preis, unter MIT-Lizenz und dort, wo sich die Community etabliert hat. Festgelegt Denkaufwand: hoch, fügen Sie den GLM Coding Plan Lite für 1 TP4T18 pro Monat hinzu, wenn Sie täglich kodieren, und machen Sie einfach weiter wie bisher.
2. “Ich führe umfangreiche, automatisierte Refactorings in riesigen Codebasen durch.”
MiniMax M3 für die mechanischen Entwürfe, GLM-5.3-Flash für den Grundriss. MSA macht M3 auf lange Sicht wirklich wirtschaftlich, und die dreifach höhere Generierungsgeschwindigkeit macht sich vor allem bei Bearbeitungen mit hohem Volumen und geringem Schwierigkeitsgrad bemerkbar. Achten Sie lediglich auf die Preissprungstufe bei 512 KB und lassen Sie GLM die Umstrukturierung planen, bevor M3 sie ausführt.
3. “Meine Arbeit ist visueller Natur – Benutzeroberflächen, Design-to-Code, Fehlerbehebung anhand von Screenshots.”
GLM-5.3 – Flash an erster Stelle, M3 knapp dahinter an zweiter Stelle. Die native Multimodalität von GLM ist genau darauf ausgelegt und übertrifft M3 beim Vision-Index (32,0 gegenüber 25,6). Doch der von OSWorld verifizierte Wert von M3 in Höhe von 70,06% macht es speziell für Desktop- und GUI-Agent Arbeit – das Ausführen tatsächlicher Anwendungen statt das Betrachten von Screenshots.
4. “Ich muss die Daten selbst hosten, um die Anforderungen an den Datenaufbewahrungsort oder die Compliance zu erfüllen.”
GLM-5.3-Flash, ganz eindeutig. Die Entscheidung zwischen MIT und einer maßgeschneiderten Community-Lizenz ist kein knapper Fall, wenn Ihre Rechtsabteilung involviert ist, und durch die MIT-Selbsthosting-Lösung entfällt die gesamte Frage des grenzüberschreitenden Datentransfers. Planen Sie Mittel für Hardware der Hopper-Klasse oder einen europäischen GPU-Host ein.
5. “Ich leite ein kleines Team mit einem knappen Budget.”
GLM Coding Plan Lite mit $18/Monat, standardmäßig GLM-5.3-Flash. Der 3-fache Quotenmultiplikator für Flash im Rahmen dieses Tarifs macht ihn derzeit zur Option mit dem besten Preis-Leistungs-Verhältnis. Planen Sie umfangreiche Batch-Läufe außerhalb des Spitzenzeitfensters von 14:00 bis 18:00 Uhr (UTC+8), um den Rabatt von 50%-Punkten zu erhalten. Fügen Sie später MiniMax hinzu, falls der Durchsatz zum Engpass wird.
Was ich im nächsten Quartal im Auge behalten werde
„Independent Terminal-Bench“ und „SWE-bench Pro“ laufen unter GLM-5.3-Flash. Die Zahlen des Anbieters sind hervorragend. Neutrale Aggregatoren bestätigen sie im Großen und Ganzen. Die konkrete Behauptung jedoch, dass “der Abstand zu Claude Opus 4.8 auf Terminal-Bench 2.1 nur einen Punkt beträgt”, sollte von unabhängiger Seite überprüft werden, bevor jemand darauf einen Geschäftsplan aufbaut.
Ob der MiniMax /anthropogen Der Kontextfehler wird behoben. Es ist klein, es ist dokumentiert und es ist seit Juni in Betrieb. Wie schnell es wieder geschlossen wird, sagt einiges über die Wartungsgeschwindigkeit aus.
Die Retentionskurve von GLM-5.3-Flash in OpenCode. Die Zahl der Token-Anteile ist spektakulär, aber noch jung. Die interessante Frage ist, ob sie sich bei 10%+ hält, sobald der Reiz des Neuen nachlässt. Wenn ja, dann ist dies kein vorübergehender Moment – sondern ein neuer Standard.
Veröffentlichungsrhythmus der chinesischen Open-Weight-Labore. Qwen3.8-Flash-Next wurde mehr oder weniger zeitgleich mit GLM-5.3-Flash veröffentlicht. Kimi K3 übertrifft GLM-5.3 bereits bei DeepSWE (67,5 gegenüber 66,9) und Toolathlon (76,5 gegenüber 73,0). Der Abstand zwischen dem “derzeit besten Open-Weight-Coding-Modell” und dem “zweitbesten” lässt sich mittlerweile in Wochen messen. Richten Sie Ihre Konfiguration so ein, dass das Austauschen der Modellzeichenfolge nur eine Zeile Änderung erfordert, denn Sie werden diese Änderung noch öfter vornehmen müssen.
Ob Z.ai pauschale Preise für die eigenständige API-Nutzung des vollständigen GLM-5.3 veröffentlicht. Zum Zeitpunkt der Erstellung dieses Artikels fehlte die Zeile mit den Preisen pro Token für GLM-5.3 noch auf der offiziellen Preisseite, während die Preise für GLM-5.3-Flash vollständig aufgeführt waren. Das ist eine merkwürdige Asymmetrie, die es im Auge zu behalten gilt.
Häufig gestellte Fragen
Ist GLM-5.3-Flash besser als MiniMax M3 für die Programmierung? Nach den vorliegenden Erkenntnissen ja. GLM-5.3-Flash liegt bei Terminal-Bench 2.1 (84,3 gegenüber 66,0), beim Intelligence Index von Artificial Analysis (57 gegenüber 45) sowie bei jedem llm-stats-Fähigkeitsindex – einschließlich Programmierung, Agenten und Tool-Nutzung – an der Spitze. Zudem kostet es pro Token etwa die Hälfte. MiniMax M3 ist schneller – die Ausgabegeschwindigkeit ist etwa dreimal so hoch –, doch bei der agentenbasierten Programmierung wird die Qualität des logischen Denkens stärker belohnt als die reine Generierungsgeschwindigkeit.
Was ist günstiger, GLM-5.3-Flash oder MiniMax M3? GLM-5.3-Flash, um etwa das Zweifache. Die offiziellen Preise betragen für GLM-5.3-Flash $0,15/M für Eingaben und $0,50/M für Ausgaben, gegenüber $0,30/M und $1,20/M für MiniMax M3. Bei Anfragen mit mehr als 512K Eingabetoken vergrößert sich der Unterschied auf etwa das Vierfache, wobei MiniMax seine Preise verdoppelt und Z.ai keinen Aufschlag berechnet.
Kann ich GLM-5.3-Flash lokal ausführen? Nur auf Hardware der Serverklasse. Der FP8-Checkpoint ist 331 GB groß und benötigt bei TP=4 etwa 386 GB VRAM auf GPUs der Hopper-Generation oder neuer. Es handelt sich nicht um ein Modell für Consumer-Hardware. Die MIT-Lizenz macht das Selbsthosting rechtlich unkompliziert; die Hardware macht es teuer.
Unterstützt OpenCode beide Modelle nativ? Ja. OpenCode enthält integrierte Provider sowohl für Z.AI als auch für MiniMax. Führen Sie Folgendes aus: opencode – Authentifizierung und Anmeldung, wählen Sie den Anbieter aus, der Ihrem Schlüsseltyp entspricht, und dann /Modelle um Ihr Modell auszuwählen. Nein opencode.json Für eine Standardkonfiguration sind Anpassungen erforderlich.
Warum zeigt MiniMax M3 in Claude Code nur 200.000 Kontextzeichen an? Ein bekannter, noch nicht behobener Fehler im Anthropic-kompatiblen Endpunkt von MiniMax: Er gibt die Metadaten von Claude Sonnet anstelle der tatsächlichen Spezifikation von M3 zurück, was bei etwa 167.000 Tokens eine automatische Komprimierung auslöst. Set CLAUDE_CODE_AUTO_COMPACT_WINDOW zu 1000000 in Ihren Einstellungen oder nutzen Sie stattdessen die OpenAI-kompatible Variante.
Was ist der Unterschied zwischen GLM-5.3 und GLM-5.3-Flash? Verschiedene Modelle. GLM-5.3 wurde am 14. August 2026 eingeführt und ist rein textbasiert; es basiert auf demselben Basismodell wie GLM-5.2. GLM-5.3-Flash wurde am 26. August eingeführt, ist von Haus aus multimodal, nutzt eine 320B/18B-Hybrid-Attention-MoE-Architektur, steht unter der MIT-Lizenz mit offenen Gewichten und kostet etwa ein Zehntel so viel. Im Rahmen des GLM-Coding-Plans erhält Flash zudem das Dreifache des Kontingents.
Ist MiniMax M3 wirklich Open Source? Die Gewichte können offen von Hugging Face heruntergeladen werden, unterliegen jedoch der benutzerdefinierten MiniMax-Community-Lizenz und nicht einer standardmäßigen, freizügigen Lizenz wie MIT oder Apache 2.0. Die kommerzielle Nutzung wird allgemein als uneingeschränkt beschrieben, lesen Sie jedoch den Lizenztext, bevor Sie ein kommerzielles Produkt auf dieser Grundlage auf den Markt bringen.
Sollte ich die Abonnementmodelle oder die nutzungsabhängige Abrechnung wählen? Bei einem Token-Verbrauch von unter etwa $20–30 pro Monat liegen sie nahe an der Gewinnschwelle. Bei mehr als 6–8 Stunden agentischer Programmierarbeit pro Tag sind Abonnements eindeutig vorteilhafter – der GLM Coding Plan Lite mit $18 pro Monat, der etwa 400 wöchentliche Prompts abdeckt, bietet das beste Preis-Leistungs-Verhältnis im Einstiegsbereich. Beachten Sie, dass das MiniMax-Kontingent nicht übertragen wird und MiniMax selbst für Produktions-Workloads die Nutzung nach Verbrauch empfiehlt.
Das Fazit
Wenn Sie eine Sache daraus mitnehmen: GLM-5.3-Flash ist Ende 2026 die bessere Standardwahl für OpenCode, und in den Bereichen, die für die Ergebnisse der agentischen Kodierung entscheidend sind – Qualität des logischen Denkens, Zuverlässigkeit beim Werkzeuggebrauch und Kosten pro erledigter Aufgabe –, ist die Sache noch lange nicht entschieden.
MiniMax M3 ist kein schlechtes Modell. Es ist lediglich anders optimiert, und seine MSA-Architektur ist eine wirklich elegante Lösung für das Problem der Wirtschaftlichkeit bei langen Kontexten. Es gibt reale Anwendungsfälle – umfangreiche mechanische Bearbeitungen, Desktop- und GUI-Agent-Aufgaben, alles, wo die dreifache Generierungsgeschwindigkeit entscheidend ist –, bei denen es das richtige Werkzeug ist.
Die agentische Kodierung ist jedoch im Grunde genommen ein Problem der Entscheidungsfindung und kein Problem der Tippgeschwindigkeit. Das Modell, das besser plant, Werkzeuge zuverlässiger einsetzt und sich eleganter von Fehlern erholt, wird mehr Aufgaben pro Euro erledigen – selbst wenn es Tokens dreimal langsamer generiert.
Der pragmatische Ansatz besteht in einem Zweigang-Getriebe: GLM-5.3-Flash für Planung und Bau, MiniMax M3 für die Routinearbeiten, kleines_Modell wies auf die schnelle Lösung hin. Mit OpenCode lässt sich das mit einer Konfigurationsänderung von fünfzehn Zeilen bewerkstelligen – so erhalten Sie die Intelligenz dort, wo sie gebraucht wird, und den Durchsatz dort, wo sie nicht benötigt wird.
Und gestalten Sie diese Konfiguration so, dass sich die Modell-IDs leicht austauschen lassen. In diesem Markt hat die heute naheliegende Lösung eine Haltbarkeit, die sich in Wochen bemisst.
Habt ihr eines dieser Programme als euren OpenCode-Alltags-Alp-Alp eingesetzt? Mich interessiert besonders, ob sich die Terminal-Bench-Werte von GLM-5.3-Flash in echten Repositorien bestätigen lassen und ob jemand eine elegantere Lösung für den Kontext-Berichtsfehler von MiniMax gefunden hat. Meldet euch – Korrekturen und Gegenbeweise sind willkommen, und dieser Artikel wird aktualisiert, sobald sich die Lage ändert.
Zuletzt aktualisiert: 30. August 2026.
