Z.ai lance GLM-5.3 avec une codification de pointe et une capacité de cybersécurité qui a dépassé son entraînement

Z.ai a publié GLM-5.3 le 14 août 2026, une mise à jour que l’entreprise décrit comme conservant le même modèle de base que GLM-5.2 et tirant tous les gains de capacité de l’entraînement à l’échelle. Les résultats les plus importants se situent dans la codification, où Z.ai rapporte que le modèle est le système à poids ouverts le plus solide qu’il ait mesuré, et dans la cybersécurité, où l’entreprise déclare que la capacité a augmenté plus rapidement que prévu à mesure que l’entraînement s’est intensifié. Les poids ne sont pas encore publics : Z.ai déclare qu’il les publiera dans environ deux semaines, après l’évaluation de la sécurité et le durcissement.

Selon l’annonce de l’entreprise, GLM-5.3 est disponible dès maintenant via l’API de Z.ai et son plan de codification GLM, et a été déployé pour tous les abonnés existants au plan de codification.

La sortie intervient quelques jours après que DeepSeek ait expédié son propre modèle phare V4 Pro hors de la version préliminaire, et le tableau de comparaison de Z.ai oppose directement GLM-5.3 à DeepSeek-V4 Pro, Moonshot’s Kimi K3 et OpenAI’s GPT-5.6 Sol dans les domaines de la codification, de la cybersécurité et des suites agences.

Entraînement postérieur sur un ensemble plus important d’environnements de travail

La recette, telle que décrite par Z.ai, consiste à augmenter l’échelle de l’environnement plutôt que de modifier l’architecture. GLM-5.2 a introduit la pile d’entraînement (une technique de contexte long appelée IndexShare, une méthode d’apprentissage par renforcement pour les tâches à long horizon appelée SAO, et slime, un framework open-source pour l’apprentissage asynchrone à grande échelle) et l’entreprise déclare que GLM-5.3 est issu de l’augmentation de la puissance de calcul sur davantage d’environnements de tâches diversifiés construits sur cette pile.

Ces environnements sont conçus pour ressembler à des unités de travail professionnel plutôt qu’à des exercices de codification. Dans un exemple donné par l’entreprise, un modèle est placé dans l’environnement de travail d’un ingénieur en infrastructure ML, avec accès à des grappes de calcul, à la documentation interne, aux bases de code et aux résultats d’expériences, et doit diagnostiquer les goulets d’étranglement, mettre en œuvre des optimisations et fournir un accélération finale mesurable. Certaines tâches, selon Z.ai, représentent plusieurs jours de travail pour un ingénieur expérimenté. Pour produire des environnements en quantité, Z.ai a construit des pipelines dans lesquels des agents de recherche convertissent des modèles de tâches à partir de travaux réels en environnements à long horizon exécutables, un agent juge vérifie chaque tâche pour s’assurer qu’elle est réellement soluble, et les vérificateurs sont synthétisés sans accès à la solution de référence. Le signal de récompense lui-même est généré par machine pour un sous-ensemble de tâches, avec des trajectoires de solveur utilisées pour fermer les raccourcis de récompense. Z.ai note que les pipelines nécessitent toujours un travail significatif en boucle humaine.

Les résultats rapportés suivent le modèle que cette recette prédirait : les plus grands gains se situent sur les évaluations à long horizon. Sur Terminal-Bench 3.0, GLM-5.3 passe de 4,6 à 28,3 par rapport à GLM-5.2 ; sur DeepSWE v1.1, de 46,2 à 66,9 ; sur Agents’ Last Exam’s CLI variant, de 23,8 à 28,5. Tous les chiffres sont rapportés par le fournisseur, avec des notes de méthode dans l’annonce couvrant la mise en œuvre, la longueur de contexte et les paramètres d’échantillonnage pour chaque référence.

Par rapport aux autres modèles, le tableau est mitigé. Sur le banc d’essai de code interne de Z.ai, l’entreprise rapporte une amélioration de 50 % par rapport à GLM-5.2 et déclare que le modèle surpasse Claude Opus 4.8 à un effort comparable tout en consommant moins de jetons de sortie (31,4 % à environ 50 000 jetons de sortie par tâche contre 29,5 % à 120 000) tout en restant derrière Anthropic’s Claude Fable 5, qui atteint 39,5 % à l’effort maximum. Sur les suites publiques, GLM-5.3 est devancé par GPT-5.6 Sol et Fable 5 sur plusieurs évaluations de codification plus difficiles, notamment Terminal-Bench 3.0 et DeepSWE. En tant que référence privée, l’entreprise soutient que le banc d’essai de code Z.ai réduit le risque de contamination à partir des ensembles de tests publics.

Le résultat cyber que Z.ai dit n’avoir pas prévu

Le deuxième résultat phare est celui que Z.ai lui-même signale comme inattendu. L’entreprise a introduit des données et des environnements de découverte de vulnérabilités dans l’entraînement postérieur, s’attendant à ce que le modèle améliore sa capacité à trouver et à raisonner sur les failles individuelles. Au lieu de cela, il déclare que la capacité a continué à s’accumuler à mesure que l’entraînement s’est intensifié, et que le modèle a commencé à raisonner sur plusieurs étapes d’exploitation, formant des plans cohérents pour des chaînes d’exploitation complètes plutôt que des découvertes de bogues isolées.

Les chiffres rapportés suivent cette affirmation. Sur CyberGym, qui teste si un modèle peut identifier et valider des vulnérabilités à partir du code source white-box, GLM-5.3 obtient un score de 84,5 %, en augmentation par rapport au score de 77,2 % de GLM-5.2 et devant tous les modèles de l’ensemble de comparaison de Z.ai. Sur ExploitBench, qui exige une raisonnement plus approfondi sur les vulnérabilités réelles et leur exploitation, il double plus que son prédécesseur, passant de 24,4 % à 54,4 %. Sur ExploitGym, qui compte les tâches d’exploitation réalisées dans des budgets normalisés dans le temps, il termine 105 tâches dans deux heures et 130 dans six heures, contre 29 et 39 pour GLM-5.2. La synthèse de Z.ai sur le modèle est directe : plus une référence se situe haut dans la chaîne d’exploitation, plus le gain par rapport à GLM-5.2 est important, et plus l’écart restant avec les modèles de frontière fermés est large, avec Mythos 5 complétant 181 et 247 tâches ExploitGym sur les mêmes budgets.

Z.ai rapporte également avoir testé le transfert au-delà des références contrôlées. En travaillant avec plusieurs équipes de sécurité en Chine, l’entreprise déclare que ses modèles ont identifié 2 436 vulnérabilités sur 269 projets open-source depuis GLM-5.2, dont 1 097 étaient classées comme critiques ou de gravité élevée, couvrant des noyaux de système, des systèmes d’exploitation, des moteurs de navigateur et des protocoles réseau. Beaucoup étaient passés inaperçus depuis des années ; le plus ancien, selon l’entreprise, a été introduit en 1981.

Les résultats alimentent un Registre de divulgation de sécurité Z.ai public, qui suit chaque problème à travers le processus de divulgation : 53 divulgués publiquement avec des CVE attribués au lancement, 2 383 toujours sous embargo. Les entrées récentes incluent une utilisation après libération dans le noyau Linux, une faille de gestion de la mémoire WebKit affectant Apple Safari et un bug de validation de paramètre dans FreeBSD.

Pour l’API, GLM-5.3 prend en charge trois niveaux d’effort de réflexion (faible, élevé et maximum) et n’autorise plus la désactivation de la réflexion, un changement de rupture pour les applications qui exécutaient précédemment avec la réflexion désactivée.

Ce que la sortie de poids ouverts laisse ouvert

L’écart de deux semaines entre l’annonce et la sortie des poids est en train de faire son travail dans ce lancement. Z.ai relie explicitement le délai à l’évaluation de la sécurité et au durcissement, et la chose qui est durcie est un modèle que l’entreprise elle-même décrit comme ayant développé une capacité de sécurité offensive plus rapidement que prévu, avec ses plus grands gains à l’extrémité de l’exploitation de la chaîne. Z.ai déclare que les poids seront téléchargeables par quiconque après la période de deux semaines d’évaluation de la sécurité et de durcissement.

Les résultats cyber arrivent également dans une semaine où les laboratoires de pointe démontrent publiquement ce que les modèles agents peuvent faire à l’infrastructure : OpenAI a récemment décrit ses propres modèles de test ayant violé Hugging Face dans un exercice de l’équipe rouge. Le registre de divulgation de Z.ai est le contrepoint constructif à cette capacité : la même compétence qui enchaîne les exploits fait également surface des bogues anciens pour les correctifs, et 1 097 découvertes critiques et de gravité élevée sont maintenant en cours de divulgation coordonnée.

Que les évaluateurs indépendants reproduisent les chiffres de GLM-5.3 (en particulier les résultats du banc d’essai de code interne de Z.ai et les scores cyber que Z.ai a exécutés dans ses propres configurations de harnais) déterminera combien de ce lancement constitue une étape réelle pour les modèles de codification à poids ouverts et combien est un choix d’évaluation. La sortie des poids, prévue à la fin d’août 2026, est le moment où ce test commence.