Z.ai Lancia GLM-5.3 Con Codifica Frontiera e Capacità Cibernetica Che Ha Superato la Formazione

Z.ai ha rilasciato GLM-5.3 il 14 agosto 2026, un aggiornamento che la società afferma mantiene lo stesso modello di base di GLM-5.2 e deriva ogni guadagno di capacità dalla formazione post-escalata. I risultati principali sono nella codifica, dove Z.ai riporta che il modello è il sistema open-weights più forte che abbia misurato, e nella sicurezza informatica, dove la società afferma che la capacità è cresciuta più velocemente di quanto anticipato mentre la formazione si è ampliata. I pesi non sono ancora pubblici: Z.ai afferma che li renderà disponibili in circa due settimane, dopo la valutazione della sicurezza e il rafforzamento.

Secondo l’annuncio della società, GLM-5.3 è disponibile ora tramite l’API di Z.ai e il suo piano di codifica GLM, e è stato distribuito a tutti gli abbonati esistenti al piano di codifica.

Il rilascio arriva pochi giorni dopo che DeepSeek ha spedito il suo proprio modello flagship V4 Pro fuori dalla fase di anteprima, e il confronto di Z.ai mette GLM-5.3 direttamente contro DeepSeek-V4 Pro, Moonshot’s Kimi K3 e OpenAI’s GPT-5.6 Sol attraverso le suite di codifica, cibernetica e agente.

Formazione Post-Rilascio su un Set di Ambienti di Lavoro più Grande

La ricetta, come la descrive Z.ai, è la scalabilità dell’ambiente piuttosto che il cambiamento dell’architettura. GLM-5.2 ha introdotto lo stack di formazione (una tecnica di contesto lungo chiamata IndexShare, un metodo di apprendimento per rinforzo per compiti a orizzonte lungo chiamato SAO e slime, un framework open-source per apprendimento asincrono su larga scala) e la società afferma che GLM-5.3 è derivato dallo spendere più calcolo su più e più diversi ambienti di task costruiti su quello stack.

Quegli ambienti sono costruiti per assomigliare a unità di lavoro professionale piuttosto che esercizi di codifica. In un esempio che la società fornisce, un modello è collocato nell’ambiente di lavoro di un ingegnere di infrastruttura ML, con accesso a cluster di calcolo, documentazione interna, codebase ed esperimenti, e deve diagnosticare i collo di bottiglia, implementare ottimizzazioni e consegnare un miglioramento della velocità fine-a-fine misurabile. Alcuni compiti, afferma Z.ai, rappresentano diversi giorni di lavoro per un ingegnere esperto. Per produrre ambienti in volume, Z.ai ha costruito pipeline in cui agenti di ricerca convertono modelli di compito da lavoro reale in ambienti di orizzonte lungo eseguibili, un agente giudice verifica ogni compito è effettivamente risolvibile e i verificatori sono sintetizzati senza accesso alla soluzione di riferimento. Il segnale di ricompensa stesso è generato automaticamente per un subset di compiti, con traiettorie di soluzione utilizzate per chiudere scorciatoie di ricompensa. Z.ai nota che le pipeline richiedono ancora lavoro significativo umano nel ciclo.

I risultati segnalati seguono il modello che quella ricetta prevedrebbe: i guadagni più grandi si trovano nelle valutazioni a orizzonte lungo. Su Terminal-Bench 3.0, GLM-5.3 passa da 4,6 a 28,3 rispetto a GLM-5.2; su DeepSWE v1.1, da 46,2 a 66,9; su Agents’ Last Exam’s CLI variant, da 23,8 a 28,5. Tutti i numeri sono forniti dal fornitore, con note metodologiche nell’annuncio che coprono harness, lunghezza del contesto e impostazioni di campionamento per ogni benchmark.

Rispetto ad altri modelli, l’immagine è mista. Su Z.ai Code Bench in-house, la società segnala un miglioramento del 50% rispetto a GLM-5.2 e afferma che il modello supera Claude Opus 4.8 con uno sforzo comparabile mentre consuma meno token di output (31,4% a circa 50.000 token di output per compito rispetto al 29,5% a 120.000) mentre rimane dietro Claude Fable 5, che raggiunge il 39,5% con uno sforzo massimo. Su suite pubbliche, GLM-5.3 è dietro GPT-5.6 Sol e Fable 5 su diverse valutazioni di codifica più difficili, tra cui Terminal-Bench 3.0 e DeepSWE. Come benchmark privato, la società sostiene che Z.ai Code Bench riduce il rischio di contaminazione da set di test pubblici.

Il Risultato Cibernetico che Z.ai Dice di non Aver Pianificato

Il secondo titolo principale è quello che Z.ai stesso segnala come inatteso. La società ha introdotto dati di scoperta di vulnerabilità e ambienti nella formazione post-escalata, aspettandosi che il modello migliorasse nella scoperta e nel ragionamento su singole falle. Invece, afferma, la capacità ha continuato a crescere mentre la formazione si è ampliata, e il modello ha iniziato a ragionare su più fasi di sfruttamento, formando piani coerenti per catene di sfruttamento complete piuttosto che trovare singole vulnerabilità isolate.

I numeri segnalati confermano quella affermazione. Su CyberGym, che testa se un modello possa identificare e convalidare vulnerabilità da codice sorgente white-box, GLM-5.3 ottiene il 84,5%, in aumento rispetto all’77,2% di GLM-5.2 e superiore a ogni modello nel set di confronto di Z.ai. Su ExploitBench, che richiede un ragionamento più profondo su vulnerabilità reali e sul loro sfruttamento, più che raddoppia il suo predecessore, dal 24,4% al 54,4%. Su ExploitGym, che conta i compiti di sfruttamento completati entro budget temporali normalizzati, completa 105 compiti in due ore e 130 in sei, rispetto ai 29 e 39 di GLM-5.2. La sintesi di Z.ai del modello è diretta: più in alto nella catena di sfruttamento si trova un benchmark, più grande è il guadagno da GLM-5.2 e più ampia è la lacuna rimanente con i modelli di frontiera chiusi, con Mythos 5 che completa 181 e 247 compiti ExploitGym con gli stessi budget.

Z.ai segnala anche di aver testato il trasferimento al di là dei benchmark controllati. Lavorando con diverse squadre di sicurezza in Cina, la società afferma che i suoi modelli hanno identificato 2.436 vulnerabilità in 269 progetti open-source dal rilascio di GLM-5.2, tra cui 1.097 valutate come critiche o di alta gravità, che coprono kernel di sistema, sistemi operativi, motori di browser e protocolli di rete. Molti erano rimasti inosservati per anni; il più vecchio, afferma la società, è stato introdotto nel 1981.

I risultati alimentano un Registro di Divulgazione della Sicurezza di Z.ai pubblico, che traccia ogni problema attraverso il processo di divulgazione: 53 pubblicamente divulgati con CVE assegnati al lancio, 2.383 ancora sotto embargo. Le voci recenti includono un uso dopo la liberazione nel kernel Linux, un difetto di gestione della memoria WebKit che colpisce Apple Safari e un bug di convalida dei parametri in FreeBSD.

Per l’API, GLM-5.3 supporta tre livelli di sforzo di pensiero (basso, alto e massimo) e non consente più di disabilitare il pensiero, un cambiamento che interrompe le applicazioni che in precedenza eseguivano con il pensiero disabilitato.

Cosa Lascia Aperto il Rilascio dei Pesi Aperti

Il divario di due settimane tra l’annuncio e il rilascio dei pesi sta facendo il suo lavoro in questo lancio. Z.ai lega esplicitamente il ritardo alla valutazione della sicurezza e al rafforzamento, e la cosa che viene rafforzata è un modello che la società stessa descrive come sviluppato con capacità di sicurezza informatica più veloce di quanto previsto, con i suoi guadagni più grandi nella fine della catena di sfruttamento. Z.ai afferma che i pesi saranno scaricabili da chiunque dopo il periodo di valutazione della sicurezza e rafforzamento di due settimane.

I risultati cibernetici arrivano anche in una settimana in cui i laboratori di frontiera stanno dimostrando pubblicamente cosa possono fare i modelli agente all’infrastruttura: OpenAI ha recentemente descritto i propri modelli di test che hanno violato Hugging Face in un esercizio di red team. Il registro di divulgazione di Z.ai è il controparte costruttivo a quella capacità: la stessa abilità che catena gli sfruttamenti anche porta alla superficie bug decennali per il patching, e 1.097 vulnerabilità critiche e di alta gravità sono ora in movimento attraverso la divulgazione coordinata.

Se gli valutatori indipendenti replicano i numeri di GLM-5.3 (in particolare i risultati della Code Bench in-house di Z.ai e i punteggi cibernetici che Z.ai ha eseguito nelle proprie configurazioni di harness) determinerà quanto di questo lancio è un passo genuino per i modelli di codifica open-weights e quanto è scelta di valutazione. Il rilascio dei pesi, previsto per la fine di agosto 2026, è quando quel test inizia.