GLM-5.3: Smartare 743 miljarder-modell för kod och säkerhet

Ett fel spårat tillbaka till 1981 och osynligt i årtionden var öppningsnumret. Det satte tonen för Zhipu AI:s senaste avslöjande: GLM-5.3, en språkmodell med 743 miljarder parametrar som är anpassad för kodning, agentiska arbetsflöden och cybersäkerhetsanalys.

Zhipu AI säger att GLM-5.3 inte kommer som en större basmodell utan som en smartare. Vikterna förblir på 743 miljarder parametrar, men teamet omarbetade efterträningens lager: rikare simulerade miljöer, bredare uppgiftsdiversitet och tyngre interaktiv beräkning för att pressa fram prestandavinsterna. Resultatet känns mindre som ren skalning och mer som kirurgisk förfining.

Tillgång börjar via den betalda GLM Coding Plan och ZCode-plattformen. API-åtkomst och nedladdningsbara modellvikter är planerade för ett fasvis utgivande efter etapper av säkerhetsgranskningar under de kommande veckorna, vilket betyder att organisationer kan testa modellen tidigt medan Zhipu granskar den för bredare distribution.

Tokeneffektivitet var en huvudmetrik. I Z.ai:s egen Code Bench uppnådde GLM-5.3 en framgångsgrad på 34,5 procent med ungefär 75 000 utgående token, jämfört med GLM-5.2:s 23,4 procent vid cirka 96 000 token. Enkelt uttryckt: mindre prat, fler resultat. Det är den typ av förbättring ingenjörer lägger märke till först.

När det gäller rena programmeringskunskaper är bilden blandad. Terminal Bench 3.0, som utvärderar prestanda i live Linux-miljöer och automatiserade system, katapulterade GLM-5.3 till en poäng på 28,3, upp från 4,6 i föregående generation. Imponerande. Ändå leder kommersiella konkurrenter fortfarande; Claude Fable 5 fick 33,7 och GPT-5.6 Sol fick 34,6, vilket behåller pallplatserna.

När det gäller verklig buggfixning testad i DeepSWE v1.1 registrerade GLM-5.3 en poäng på 66,9, en betydande förbättring jämfört med sin föregångare men som ändå hamnar något efter konkurrenter som Kimi K3 (67,5) och Fable 5 (69,7). Slutsatsen: GLM-5.3 minskar gapet mot både öppna och slutna källkodsalternativ, men de främsta företagsstackarna är fortsatt mycket konkurrenskraftiga.

Det som verkligen överraskar med GLM-5.3 är cybersäkerhet: den toppade CyberGym-benchmarken med 84,5% och gick om Fable 5 (83,8%) och GPT-5.6 Sol (83,6%). Zhipu publicerade en säkerhetsdossier som visar att GLM-5.3 identifierade 2 436 sårbarheter i 269 projekt med öppen källkod, varav 1 097 klassificerades som medel till kritisk risk. Ett fynd sticker ut: ett exploit vars ursprung går tillbaka till 1981, som enligt uppgift förblev oupptäckt i genomsnitt 26,6 år av tidigare scanners och forskare.

Allt detta positionerar GLM-5.3 som en trovärdig utmanare mot regionala rivaler som Kimi K3 och en provocerande aktör mot amerikanska kommersiella modeller. Det är inte bara en ny version; det är en fallstudie i att byta rå parameterökning mot smartare, målstyrd efterträning och att få cybersäkerhetsvinster som en bonus.

Kommer GLM-5.3 att pressa leverantörer att öppna mer av sina verktygskedjor eller tvinga fram en ny omgång av benchmark-centrerad ingenjörsarbete? De kommande månadernas API-tester och granskning i communityn kommer att avgöra.