إطلاق Z.ai لنموذج GLM-5.3 مع الترميز الحدودي وقدرة سيبرانية تجاوزت تدريباتها

أصدرت Z.ai تحديث GLM-5.3 في 14 أغسطس 2026، وهو تحديث تقول الشركة إنها تحتفظ بنفس النموذج الأساسي مثل GLM-5.2 وتنشأ كل مكاسب القدرة من التدريب المتسلسل. النتائج الرئيسية في الترميز، حيث تقول Z.ai إن النموذج هو أقوى نظام أوزان مفتوحة قامت بقياسه، وفي الأمن السيبراني، حيث تقول الشركة إن القدرة نمت بشكل أسرع مما توقع مع توسيع التدريب. الأوزان ليست عامة بعد: Z.ai تقول إنها ستنشرها في غضون أسبوعين، بعد تقييم السلامة وتحسينها.

وفقًا إعلان الشركة، يتوفر GLM-5.3 الآن من خلال واجهة برمجة تطبيقات Z.ai وخطتها الترميزية GLM، وقد تم نشره إلى جميع المشتركين الحاليين في خطط الترميز.

يأتي الإطلاق بعد أيام من إطلاق DeepSeek لنموذج V4 Pro الخاص به من مرحلة المعاينة، ووضع جدول比較 Z.ai GLM-5.3 مباشرةً ضد DeepSeek-V4 Pro و Kimi K3 من Moonshot و GPT-5.6 Sol من OpenAI عبر مجموعات الترميز والسيبرانية والوكالة.

التدريب بعد التدريب على مجموعة أكبر من بيئات العمل

الوصفة، كما يصفها Z.ai، هي توسيع البيئة بدلاً من تغيير الهيكل. أدخل GLM-5.2 حزمة التدريب (تقنية سياق طويل تسمى IndexShare، وطريقة تعلم التعزيز ل_tasks الأفق الطويل تسمى SAO، و slime، وهي إطار مفتوح المصدر للتعلم التعاوني على نطاق واسع) وتقول الشركة إن GLM-5.3 جاء من إنفاق المزيد من الحوسبة على المزيد والمزيد من بيئات المهام المتنوعة المبنية على تلك الحزمة.

تتم بناء تلك البيئات لتشبه وحدات العمل المهنية بدلاً من تمارين الترميز. في مثال يذكرها الشركة، يتم وضع نموذج في بيئة مهندس بنية تحتية للمعرفة، مع الوصول إلى مجموعات الحوسبة، والوثائق الداخلية، وقواعد التعليمات البرمجية، ونتائج التجارب، ويجب عليه تشخيص العوائق، وتنفيذ التحسينات، وتقديم تسارع نهاية إلى نهاية قابل للقياس. بعض المهام، تقول Z.ai، تمثل عدة أيام من العمل لمهندس محترف. لإنتاج بيئات بكميات كبيرة، بنت Z.ai خطوط أنابيب حيث يتم تحويل نموذج البحث لأنماط المهام من العمل الحقيقي إلى بيئات الأفق الطويل القابلة للتشغيل، ويتحقق من كل مهمة من قبل وكيل القاضي لتحديد ما إذا كانت المهمة قابلة للحل بالفعل، وينشئ المحققون بدون الوصول إلى الحل المرجعي. إشارة المكافأة نفسها يتم إنشاؤها آليًا لمجموعة فرعية من المهام، مع استخدام مسارات الحل لتقصير اختصارات المكافأة. تلاحظ Z.ai أن الأنابيب لا تزال تتطلب عمل بشري ذا معنى في الحلقة.

النتائج المبلغ عنها تتبع النمط الذي من شأنه أن تتنبأ به الوصفة: أكبر مكاسب تقع على تقييمات الأفق الطويل. على Terminal-Bench 3.0، ينتقل GLM-5.3 من 4.6 إلى 28.3 مقابل GLM-5.2؛ على DeepSWE v1.1، من 46.2 إلى 66.9؛ على Agents’ Last Exam’s CLI variant، من 23.8 إلى 28.5. جميع الأرقام هي تقارير البائع، مع ملاحظات حول منهجية Harness وطول السياق وضبط العينة لكل معيار.

مقابل نماذج أخرى، الصورة مختلطة. على Z.ai Code Bench الداخلي، تقول الشركة إن هناك تحسنًا بنسبة 50٪ مقارنةً ب GLM-5.2 وتقول إن النموذج يتفوق على Claude Opus 4.8 عند مجهود مماثل بينما يستخدم عددًا أقل من رموز الإخراج (31.4٪ عند حوالي 50,000 رمز إخراج لكل مهمة مقابل 29.5٪ عند 120,000) بينما يبقى خلف Claude Fable 5 من Anthropic، الذي يصل إلى 39.5٪ عند مجهود أقصى. على مجموعات الاختبار العامة، يتبع GLM-5.3 GPT-5.6 Sol و Fable 5 على عدة تقييمات ترميزية أكثر صعوبة، بما في ذلك Terminal-Bench 3.0 و DeepSWE. كاختبار خاص، تدعي الشركة أن Z.ai Code Bench يقلل من خطر التلوث من مجموعات الاختبار العامة.

النتيجة السيبرانية التي تقول Z.ai إنها لم تتوقعها

ال标题 الثاني هو الذي تؤكد عليه Z.ai نفسها على أنه غير متوقع. أدخلت الشركة بيانات اكتشاف الثغرات وأدخلت بيئات ما بعد التدريب، متوقعة أن يصبح النموذج أفضل في العثور على الثغرات والاستدلال حولها. بدلاً من ذلك، تقول إن القدرة استمرت في التراكم مع توسيع التدريب، وبدء النموذج في الاستدلال عبر عدة مراحل من الاستغلال، ووضع خطط متسقة لřetيجة سلسلة الاستغلال الكاملة بدلاً من العثور على الثغرات المعزولة.

الأرقام المبلغ عنها تتبع ذلك الادعاء. على CyberGym، الذي يختبر ما إذا كان النموذج يمكنه تحديد وتصديق الثغرات من شفرة المصدر البيضاء، يصل GLM-5.3 إلى 84.5٪، من 77.2٪ ل GLM-5.2، وأمام كل نموذج في مجموعة المقارنة من Z.ai. على ExploitBench، الذي يطالب بتفكير أعمق حول الثغرات الحقيقية واستغلالها، يزيد أكثر من ضعف سابقه، 54.4٪ إلى 24.4٪. على ExploitGym، الذي يعد المهام الاستغلالية المكتملة في ميزانيات معيارية للزمن، يكمل 105 مهمة في غضون ساعتين و 130 في ست ساعات، مقابل 29 و 39 ل GLM-5.2. تلخص Z.ai النمط على النحو التالي: كلما كان معيار الاستغلال أعلى، زادت المكاسب من GLM-5.2، وزاد الفجوة المتبقية إلى نماذج الحدود المغلقة، مع إكمال Mythos 5 لمهام 181 و 247 ExploitGym في نفس الميزانيات.

كما تقارير Z.ai اختبار النقل إلى ما وراء مجموعات الاختبار الخاضعة للرقابة. بالتعاون مع عدة فرق أمنية في الصين، تقول الشركة إن نماذجها حددت 2,436 ثغرة عبر 269 مشروع مفتوح المصدر منذ GLM-5.2، بما في ذلك 1,097 مصنفة على أنها حرجة أو عالية الشدة، تغطي نوى النظام، وأنظمة التشغيل، ومحركات متصفحات الويب، وبروتوكولات الشبكة. لم تكن العديد من هذه الثغرات قد لُحظت لسنوات؛ تقول الشركة إن الأقدم كان قد تم إدخاله في عام 1981.

تغذي هذه النتائج سجل إفصاح أمان عام من Z.ai، الذي يتبع كل قضية من خلال عملية الإفصاح: 53 قد تم الإفصاح عنها علنًا مع تعيين CVEs عند الإطلاق، و 2,383 لا تزال تحت الحجر الصحي. تشمل الإدخالات الحديثة ثغرة استخدام بعد الإفراج في نواة لينكس، وثغرة في معالجة الذاكرة في WebKit تؤثر على متصفح Apple Safari، وثغرة في التحقق من المعاملات في FreeBSD.

للواجهة البرمجية، يدعم GLM-5.3 ثلاثة مستويات للجهد الفكري (منخفض ومرتفع وأقصى) ولا يسمح بعد الآن بتعطيل التفكير، وهو تغيير كاسح للتطبيقات التي كانت تعمل في السابق مع التفكير معطل.

ما يتركه إطلاق الأوزان المفتوحة مفتوحًا

الفجوة الزمنية البالغة أسبوعين بين الإعلان وإطلاق الأوزان تقوم بعملها في هذا الإطلاق. تربط Z.ai التأخير صراحةً بتقييم السلامة وتحسينها، والشيء الذي يتم تحسينه هو نموذج تقول الشركة إنه طور قدرة أمنية هجومية أسرع مما توقع، مع أكبر مكاسب على نهاية سلسلة الاستغلال. تقول Z.ai إن الأوزان ستكون قابلة للتنزيل من قبل أي شخص بعد فترة تقييم السلامة وتحسينها البالغة أسبوعين.

تأتي النتائج السيبرانية أيضًا في أسبوع يتم فيه معاملات مختبرات الحدود العامة لما يمكن أن تفعله نماذج الوكالة على البنية التحتية: قالت OpenAI مؤخرًا إن نماذجها الاختبارية اخترقت Hugging Face في تمرين الفريق الأحمر. سجل إفصاح Z.ai الأمني هو المكون الإيجابي لمهارة تلك القدرة: نفس المهارة التي تصل إلى الثغرات أيضًا تظهر ثغرات قديمة منذ عقود للتصحيح، و 1,097 نتائج حرجة وذات شدة عالية تتحرك الآن من خلال الإفصاح المنسق.

سوف ت决定 ما إذا كان المحققون المستقلون يكررون أرقام GLM-5.3 (خاصة نتائج Z.ai Code Bench ونتائج السيبرانية التي أجرتها Z.ai في تكوينات حارنستها الخاصة) مقدار ما يشكل هذا الإطلاق خطوة حقيقية لنماذج الترميز بالأوزان المفتوحة ومقدار ما هو اختيار تقييم. من المتوقع أن يبدأ الاختبار عند إطلاق الأوزان، المتوقع حول نهاية أغسطس 2026.