KI-Modelle und Plattformen
Z.ai Launches GLM-5.3 Mit Frontier-Coding und einer Cyber-Fähigkeit, die über ihre Schulung hinausgewachsen ist
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Z.ai hat am 14. August 2026 GLM-5.3 veröffentlicht, ein Update, das das Unternehmen als eine Weiterentwicklung des gleichen Basismodells wie GLM-5.2 bezeichnet und alle Leistungssteigerungen durch eine skalierte Post-Schulung ableitet. Die wichtigsten Ergebnisse liegen in der Codierung, wo Z.ai berichtet, dass das Modell das stärkste Open-Weights-System ist, das es gemessen hat, und in der Cybersicherheit, wo das Unternehmen sagt, dass die Fähigkeit schneller gewachsen ist, als es erwartet hatte, als die Schulung skaliert wurde. Die Gewichte sind noch nicht öffentlich: Z.ai sagt, dass es sie in etwa zwei Wochen veröffentlichen wird, nachdem die Sicherheitsbewertung und die Verstärkung abgeschlossen sind.
Laut der Unternehmensankündigung ist GLM-5.3 jetzt über die Z.ai-API und den GLM-Coding-Plan verfügbar und wurde an alle bestehenden Abonnenten des Coding-Plans verteilt.
Die Veröffentlichung erfolgt Tage nachdem DeepSeek sein eigenes Flaggschiff V4 Pro aus der Vorschau veröffentlicht hat, und Z.ai’s Vergleichstabelle stellt GLM-5.3 direkt gegen DeepSeek-V4 Pro, Moonshot’s Kimi K3 und OpenAI’s GPT-5.6 Sol in den Bereichen Codierung, Cyber und Agentic Suites.
Post-Schulung auf einer größeren Menge von Arbeitsumgebungen
Das Rezept, wie Z.ai es beschreibt, ist die Skalierung der Umgebungen anstelle einer Architekturänderung. GLM-5.2 führte den Schulungsstapel ein (eine Technik mit langer Kontext namens IndexShare, eine Verstärkungslernmethode für langfristige Aufgaben namens SAO und slime, ein Open-Source-Framework für große asynchrone RL) und das Unternehmen sagt, dass GLM-5.3 durch die Investition von mehr Rechenleistung in mehr und mehr diverse Aufgabenumgebungen, die auf diesem Stapel aufbauen, entstanden ist.
Diese Umgebungen sind so konzipiert, dass sie professionelle Arbeitsbereiche und nicht Codierübungen nachahmen. In einem Beispiel, das das Unternehmen gibt, wird ein Modell in die Arbeitsumgebung eines ML-Infrastruktur-Ingenieurs platziert, mit Zugriff auf Rechencluster, interne Dokumentation, Codebasen und Experimentierergebnisse, und muss Engpässe diagnostizieren, Optimierungen implementieren und eine messbare End-to-End-Geschwindigkeitssteigerung liefern. Einige Aufgaben, so Z.ai, repräsentieren mehrere Tage Arbeit für einen erfahrenen Ingenieur. Um Umgebungen in großem Umfang zu produzieren, baute Z.ai Pipelines, in denen Forschungsagenten Aufgabenmuster aus realer Arbeit in ausführbare langfristige Umgebungen umwandeln, ein Richter-Agent überprüft jede Aufgabe, ob sie tatsächlich lösbar ist, und Verifizierer ohne Zugriff auf die Referenzlösung synthetisiert werden. Das Belohnungssignal selbst wird für eine Teilmenge von Aufgaben maschinell generiert, wobei Solver-Trajektorien verwendet werden, um Belohnungs-Abkürzungen zu schließen. Z.ai betont, dass die Pipelines immer noch bedeutende menschliche Arbeit im Loop erfordern.
Die berichteten Ergebnisse folgen dem Muster, das dieses Rezept vorhersagen würde: Die größten Gewinne liegen bei den längsten Evaluierungen. Bei Terminal-Bench 3.0 bewegt sich GLM-5.3 von 4,6 auf 28,3 gegenüber GLM-5.2; bei DeepSWE v1.1 von 46,2 auf 66,9; bei Agents’ Last Exam’s CLI-Variante von 23,8 auf 28,5. Alle Zahlen sind vom Hersteller gemeldet, wobei die Methodik-Fußnoten in der Ankündigung den Harness, die Kontextlänge und die Stichproben-Einstellungen für jeden Benchmark abdecken.
Im Vergleich zu anderen Modellen ist das Bild gemischt. Bei dem internen Z.ai-Code-Bench berichtet das Unternehmen über eine 50-prozentige Verbesserung gegenüber GLM-5.2 und sagt, dass das Modell Claude Opus 4.8 bei vergleichbarem Aufwand übertrifft, während es weniger Ausgabe-Tokens verbraucht (31,4 % bei etwa 50.000 Ausgabe-Tokens pro Aufgabe gegenüber 29,5 % bei 120.000), während es hinter Anthropic’s Claude Fable 5 zurückbleibt, das 39,5 % bei maximalem Aufwand erreicht. Bei öffentlichen Suites liegt GLM-5.3 hinter GPT-5.6 Sol und Fable 5 auf mehreren schwierigeren Codier-Evaluierungen, einschließlich Terminal-Bench 3.0 und DeepSWE. Als private Benchmark argumentiert das Unternehmen, dass der Z.ai-Code-Bench das Risiko von Kontamination durch öffentliche Testsets reduziert.
Das Cyber-Ergebnis, das Z.ai nicht geplant hat
Die zweite Überschrift ist die, die Z.ai selbst als unerwartet bezeichnet. Das Unternehmen hat Daten und Umgebungen zur Schwachstellenentdeckung in die Post-Schulung eingeführt, erwartete, dass das Modell besser darin wird, einzelne Schwachstellen zu finden und zu begründen, und stattdessen sagt es, dass die Fähigkeit weiter anwuchs, als die Schulung skaliert wurde, und das Modell begann, über mehrere Stadien der Ausbeutung zu begründen, kohärente Pläne für vollständige Ausbeutungsketten zu bilden, anstatt isolierte Bug-Finder.
Die gemeldeten Zahlen bestätigen diese Behauptung. Bei CyberGym, das testet, ob ein Modell Schwachstellen aus White-Box-Quellcode identifizieren und validieren kann, erzielt GLM-5.3 84,5 %, gegenüber 77,2 % von GLM-5.2 und vor jedem Modell in Z.ai’s Vergleichsset. Bei ExploitBench, das tieferes Begründen über reale Schwachstellen und ihre Ausbeutung erfordert, verdoppelt es mehr als seinen Vorgänger, 54,4 % zu 24,4 %. Bei ExploitGym, das die Anzahl der Ausbeutungsaufgaben zählt, die innerhalb von zeitnormalisierten Budgets abgeschlossen werden, beendet es 105 Aufgaben innerhalb von zwei Stunden und 130 innerhalb von sechs, gegenüber 29 und 39 für GLM-5.2. Z.ai’s eigene Zusammenfassung des Musters ist direkt: Je weiter oben in der Ausbeutungskette ein Benchmark sitzt, desto größer der Gewinn von GLM-5.2, und desto größer die verbleibende Lücke zu geschlossenen Frontier-Modellen, wobei Mythos 5 181 und 247 ExploitGym-Aufgaben innerhalb der gleichen Budgets abschließt.
Z.ai berichtet auch über Tests, die über kontrollierte Benchmarks hinausgehen. In Zusammenarbeit mit mehreren Sicherheitsteams in China sagt das Unternehmen, dass seine Modelle 2.436 Schwachstellen in 269 Open-Source-Projekten seit GLM-5.2 identifiziert haben, einschließlich 1.097 als kritisch oder hoch eingestuft, die Systemkerne, Betriebssysteme, Browser-Engines und Netzwerkprotokolle umfassen. Viele davon seien jahrelang unbemerkt geblieben; die älteste, so das Unternehmen, sei 1981 eingeführt worden.
Die Ergebnisse füttern ein öffentliches Z.ai-Sicherheits-Offenlegungs-Ledger, das jeden Vorgang durch den Offenlegungsprozess verfolgt: 53 öffentlich offengelegt mit zugeteilten CVEs bei der Veröffentlichung, 2.383 noch unter Embargo. Neuere Einträge umfassen ein use-after-free im Linux-Kernel, einen WebKit-Speicher-Verwaltungsfehler, der Apple Safari betrifft, und einen Parameter-Validierungsfehler in FreeBSD.
Für die API unterstützt GLM-5.3 drei Denk-Anstrengungsebenen (niedrig, hoch und max) und erlaubt es nicht mehr, das Denken zu deaktivieren, eine Änderung, die für Anwendungen, die zuvor mit deaktiviertem Denken liefen, problematisch ist.
Was die Open-Weight-Veröffentlichung offen lässt
Die zweiwöchige Lücke zwischen der Ankündigung und der Gewichtsveröffentlichung leistet in dieser Veröffentlichung Arbeit. Z.ai bindet die Verzögerung explizit an die Sicherheitsbewertung und die Verstärkung, und das, was verstärkt wird, ist ein Modell, das das Unternehmen selbst als entwickelt beschreibt, mit einer offensiven Sicherheitsfähigkeit, die schneller gewachsen ist, als erwartet, mit den größten Gewinnen am Ausbeutungsende der Kette. Z.ai sagt, dass die Gewichte nach der zweiwöchigen Sicherheitsbewertung und Verstärkung von jedem heruntergeladen werden können.
Die Cyber-Ergebnisse kommen in einer Woche, in der Frontier-Labore öffentlich demonstrieren, was agente Modelle mit Infrastrukturen anstellen können: OpenAI hat kürzlich beschrieben, wie seine eigenen Testmodelle Hugging Face in einem Red-Team-Übung durchbrachen. Z.ai’s Offenlegungs-Ledger ist das konstruktive Gegenstück zu dieser Fähigkeit: Die gleiche Fähigkeit, die Ausbeutungsketten bildet, bringt auch jahrzehntealte Fehler zum Vorschein, und 1.097 kritische und hochgradige Funde sind jetzt im koordinierten Offenlegungsprozess.
Ob unabhängige Evaluator GLM-5.3’s Zahlen replizieren (insbesondere die internen Code-Bench-Ergebnisse und die Cyber-Scores, die Z.ai in seinen eigenen Harness-Konfigurationen durchgeführt hat), wird bestimmen, wie viel von diesem Launch ein echter Schritt für Open-Weights-Codiermodelle ist und wie viel Bewertungswahl. Die Gewichtsveröffentlichung, die für Ende August 2026 erwartet wird, ist, wenn diese Tests beginnen.
