Z.ai відкрила ваги GLM-5.3: модель наздоганяє закриті флагмани в кодингу
28 серпня Z.ai опублікувала GLM-5.3 з відкритими вагами — та сама базова модель, що й GLM-5.2, але весь приріст дає post-training. Компанія заявляє лідерство серед відкритих моделей у кодингу та несподівано сильну кіберспроможність.
Z.ai відкрила ваги GLM-5.3
28 серпня Z.ai опублікувала GLM-5.3 з відкритими вагами на Hugging Face — і модель швидко вийшла в топ Hacker News. Причина, чому це важливо, проста: GLM-5.3 використовує ту саму базову модель, що й GLM-5.2. За карткою моделі, увесь приріст дає post-training.
Тобто після попереднього навчання лишається ще багато потенціалу: замість більшої моделі компанія випустила краще донавчену.
Кодинг і довгі агентні задачі
Компанія називає GLM-5.3 «найздатнішою моделлю з відкритими вагами для кодингу»: на власному Z.ai Code Bench приріст проти GLM-5.2 становить 50 відсотків. Також заявлено SOTA серед відкритих моделей на Terminal Bench 3.0 (28,3 проти 4,6) та Agents' Last Exam — тестах, що вимірюють довгі багатокрокові завдання.
У публічних рейтингах модель уже в одній смузі із закритими флагманами Opus 4.8 і GPT-5.6 Sol та іншими китайськими відкритими релізами — Kimi K3 і DeepSeek-V4 Pro.
Несподівана кіберспроможність
Найбільше обговорюють безпеку. Z.ai повідомляє, що з масштабуванням post-training кіберспроможність «зростала швидше, ніж ми очікували»: GLM-5.3 очолює CyberGym з пошуку вразливостей і більш ніж удвічі перевищує GLM-5.2 на тестах експлуатації (105 проти 29 за дві години). Це історія подвійного використання: модель, яка знаходить баги, допоможе й писати експлойти — і її можна завантажити та запускати локально.
Для команд практичний висновок подвійний: агентів для кодингу рівня, близького до фронтиру, дедалі частіше можна хостити самотужки (підтримка в SGLang, vLLM, Transformers, Unsloth) з перемикачем reasoning_effort для контролю витрат. Водночас безпекові команди мають виходити з того, що потужний наступальний інструментарій тепер за одне завантаження.