Am 26. August 2026 eroberte GLM-5.3-Flash von Zhipu die Spitze der Testplattformen in Übersee und verzeichnete innerhalb einer Woche 62 Billionen Token-Aufrufe. Die Rechenbasis für diese gewaltige Datenflut wird von einem Cluster aus 100.000 vollständig heimischen Chips getragen. Dies markiert eine substantielle Abkehr von amerikanischer Technologie auf der Inferenzseite der chinesischen KI, zwei Jahre nachdem die Versorgung mit High-End-Chips abgeschnitten wurde. Die zugrunde liegenden Kosten sind jedoch ebenso klar: Angesichts der Realität, dass die Leistung einzelner Karten um etwa vier Jahre hinterherhinkt, schließt die Industrie die technologische Lücke gewaltsam, indem sie die zehnfache Anzahl an Chips einsetzt und exponentiell höhere Stromrechnungen in Kauf nimmt.
Das Hardcore-Fundament hinter dem anonymen Testen
Vor seiner Veröffentlichung durchlief GLM-5.3-Flash unter dem Pseudonym Ox-Alpha anonyme Tests auf zwei großen Übersee-Plattformen und dominierte schnell die Ranglisten. Es nutzt eine hybride Architektur mit 320B Gesamtparametern und 18B aktiven Parametern und bietet einen Eingabepreis von nur 0,15 US-Dollar pro Million Token. Diese äußerst aggressive Preisgestaltung zeigt, dass heimische Rechenleistung nicht nur funktionsfähig ist, sondern auch im Hinblick auf die Kostenstruktur kommerziellen Wettbewerb unterstützen kann.
Abbildung: Der erste Bildschirm der offiziellen Veröffentlichungsseite von GLM-5.3-Flash: 320B Gesamtparameter, 18B aktiv, natives Multimodal. Quelle: Screenshot der offiziellen Veröffentlichungsseite von Zhipu
Während der Woche, in der Nutzer aus Übersee die API massenhaft aufriefen, flossen alle Anfragen an einen Cluster heimischer Chips, der durch ein selbstentwickeltes Netzwerk mit hoher Bandbreite verbunden war. Zhipu nutzte eine disaggregierte EPD-Architektur auf Produktionsniveau und verbesserte die End-to-End-Serviceleistung im Vergleich zur Baseline um das Dreifache. Dies zeigt, dass der heimische Rechencluster die grundlegende Hürde der bloßen Lauffähigkeit überschritten hat und nun über die Fähigkeit verfügt, hochgradig parallele Anfragen auf Produktionsniveau für Modelle von Weltklasse zu unterstützen.
Die physischen Kosten des Tausches von Quantität gegen Qualität
Lässt man die glänzenden Nutzungsstatistiken beiseite, bleiben die physischen Einschränkungen der zugrunde liegenden Hardware hart. Eingeschränkt durch das Fehlen von EUV-Lithografiemaschinen und HBM-Speicher-Exportbeschränkungen stehen die wichtigsten heimischen Chips immer noch vor großen Herausforderungen hinsichtlich der thermischen Effizienz bei der Prozesstechnologie und den Speicherzugriffsfunktionen. Eine grobe Schätzung geht davon aus, dass die Rechenleistung einer einzelnen Karte der derzeitigen heimischen Hauptchips nur etwa 60 % der Leistung der NVIDIA H100 von vor 4 Jahren entspricht.
Abbildung: Architekturdiagramm von GLM-5.3-Flash: Lineare Attention plus Sparse Attention, Reduzierung des KV-Cache um das 4,44-fache unter 1M Kontext. Quelle: Offizielles Architekturdiagramm von Zhipu
Im Vergleich zu den neuesten internationalen Spitzenarchitekturen kann der Leistungsunterschied bei einzelnen Karten sogar eine Größenordnung erreichen. Als Antwort auf diese Generationslücke haben chinesische Ingenieure eine äußerst brachiale Lösung geliefert: Sie verlassen sich auf eine hochkomplexe Systementwicklung, um die Gesamtrechenleistung mit einem zehnmal größeren Chip-Cluster herauszuquetschen.
Exorbitante Stromrechnungen
Das Anhäufen massiver Rechenleistung mit 100.000 Chips führt unweigerlich zu einem exponentiellen Anstieg des Energieverbrauchs. Durch diesen Ansatz, bei dem Quantität in Rechenleistung umgewandelt wird, könnte der Stromverbrauch pro Token etwa das Fünffache des international führenden Niveaus betragen. Der Anteil der Stromkosten an den Gesamtkosten des Clusters ist von den üblichen 10 % bis 20 % auf fast die Hälfte hochgeschnellt.
Einige Entwickler in Übersee haben auch berichtet, dass die Reaktionsgeschwindigkeit chinesischer APIs gelegentlich leicht hinter der von westlichen Top-Anbietern zurückbleibt. Dennoch hat sich Chinas KI, subventioniert durch massive Stromerzeugungskapazitäten und eine große Zahl an Ingenieuren, mit einer energieintensiven, anlagenintensiven Lösung gewaltsam einen Überlebensweg ohne amerikanische Technologie gebahnt.
Ein extremer Test wahrer Rechenleistung
Mit 62 Billionen Aufrufen hat GLM-5.3-Flash die tatsächliche Verfügbarkeit heimischer Chip-Cluster bei massiver Parallelität bewiesen. 100.000 Chips und explodierende Stromrechnungen sind der klare Preis, den Chinas KI zahlt, um die Technologieblockade zu durchbrechen. Wenn es bei der Leistung einzelner Karten eine objektive Generationslücke gibt, die nur durch die zehnfache Menge und Optimierung auf Systemebene ausgeglichen werden kann, hat sich dieser Wettbewerb zu einem Kampf der Systementwicklungsfähigkeiten und der strategischen Entschlossenheit entwickelt.
Dieser Weg ist sehr teuer, aber er hat sich als machbar erwiesen. Die obige Analyse basiert auf aktuellen Fakten.
Referenzlinks:
- Bericht der Securities Daily
- Bericht der Securities Times
- Kama Notes
- Analyse von Martin Alderson
- Diskussion auf Lobsters
