Z.ai משחררת את GLM-5.3: קידוד חזק יותר ויכולות סייבר מתפתחות

Z.ai שחררה את GLM-5.3 — מודל דגל חדש שכל השיפור שלו לעומת GLM-5.2 מגיע מאימון־המשך (post-training): מודל הבסיס לא השתנה. בהודעה מ-14 באוגוסט 2026 אומרת החברה שהעדכון משפר משמעותית קידוד מורכב ומשימות ארוכות־טווח, ויכולות הסייבר התפתחו מהר מהצפוי.

קידוד: הובלה בקרב מודלים במשקלים פתוחים

Z.ai מתארת את GLM-5.3 כמודל החזק ביותר לקידוד בקרב מודלים במשקלים פתוחים, עם שיפור של 50 אחוז לעומת GLM-5.2 ב-Z.ai Code Bench הפנימי שלה. ב-Terminal Bench 3.0 המודל משיג 28.3 מול 4.6 של GLM-5.2, וב-Agents' Last Exam — 28.5 מול 23.8. ב-DeepSWE v1.1 התוצאה עולה מ-46.2 ל-66.9. הפער מול המודלים הסגורים לא נסגר בכל מקום: ב-Terminal Bench 3.0‏ Fable 5 מגיע ל-33.7 ו-GPT-5.6 Sol ל-34.6.

החברה גם מדגישה יעילות טוקנים: במאמץ החשיבה המרבי מגיע GLM-5.3 ל-34.5 אחוז בכ-75 אלף טוקני פלט למשימה, לעומת 23.4 אחוז ב-96 אלף טוקנים אצל GLM-5.2.

יכולות סייבר שנוצרו מאליהן

נתוני גילוי פגיעויות נוספו לתמהיל האימון בתקווה לשפר את ניתוח הפגמים. לפי Z.ai, היכולת גדלה יותר מהצפוי: המודל עבר מזיהוי פגמים בודדים לתכנון שרשראות ניצול רב-שלביות. הוא משיג 84.5 אחוז ב-CyberGym — התוצאה הטובה ביותר בבנצ'מרק, לפני Mythos 5 עם 83.8 ו-GPT-5.6 Sol עם 83.6. ב-ExploitBench התוצאה יותר מהוכפלה, מ-24.4 ל-54.4, אך Mythos 5 (78.0) ו-GPT-5.6 Sol (76.5) עדיין רחוקים מלפנים. Z.ai מציינת דפוס ברור: ככל שהבנצ'מרק ממוקם גבוה יותר בשרשרת הניצול, כך גדול יותר הזינוק — וכך רחב יותר הפער שנותר מול המודלים הסגורים.

ממצאים בפרויקטים אמיתיים ותוכנית ההשקה

בעבודה עם צוותי אבטחה בסין, לפי החברה, המודלים שלה איתרו 2,436 פגיעויות ב-269 פרויקטים בקוד פתוח לאחר בדיקת מומחים וסינון כפילויות, בהן 1,097 בדרגת קריטית או גבוהה. הפגם העתיק ביותר מתוארך ל-1981, ופגיעות אופיינית חיה 26.6 שנים עד לגילויה. רשומת Security Disclosure Ledger ציבורית מתעדת את התהליך: 53 נחשפו עד כה ו-2,383 עודן תחת אמברגו. המשקלים ישוחררו כשבועיים לאחר ההשקה, לאחר השלמת הערכת הבטיחות והחיזוק.