Z.ai lanceert GLM-5.3 met Frontier Coding en een Cyber Capability die sneller groeide dan verwacht

Z.ai heeft GLM-5.3 uitgebracht op 14 augustus 2026, een update die het bedrijf zegt dezelfde basismodel behoudt als GLM-5.2 en elke capaciteitsverbetering haalt uit geschaalde post-training. De belangrijkste resultaten zijn in coding, waar Z.ai meldt dat het model het sterkste open-weights systeem is dat het heeft gemeten, en in cybersecurity, waar het bedrijf zegt dat de capaciteit sneller groeide dan verwacht toen de training werd geschaald. De gewichten zijn nog niet openbaar: Z.ai zegt dat ze over ongeveer twee weken zullen worden vrijgegeven, na afloop van de veiligheidsevaluatie en verharding.

Volgens de aankondiging van het bedrijf is GLM-5.3 nu beschikbaar via de API van Z.ai en het GLM Coding Plan, en is het uitgerold naar alle bestaande abonnees van het coding plan.

De release vindt plaats enkele dagen nadat DeepSeek zijn eigen vlaggenschip V4 Pro uit de preview heeft gehaald, en de vergelijkingstabel van Z.ai plaatst GLM-5.3 rechtstreeks tegenover DeepSeek-V4 Pro, Moonshot’s Kimi K3 en OpenAI’s GPT-5.6 Sol op het gebied van coding, cyber en agentic suites.

Post-Training op een Grotere Set van Werkomgevingen

Het recept, zoals Z.ai het beschrijft, is omgevingsescalatie in plaats van architectuurwijziging. GLM-5.2 introduceerde de trainingsstack (een lange-contexttechniek genaamd IndexShare, een versterkingsleermethode voor lange-horizontaken genaamd SAO en slime, een open-sourceframework voor grote schaalasynchrone RL) en het bedrijf zegt dat GLM-5.3 ontstaan is uit het besteden van meer compute aan meer en meer diverse taakomgevingen die op die stack zijn gebouwd.

Die omgevingen zijn gebouwd om professionele werkunits te lijken, in plaats van codeeroefeningen. In een voorbeeld dat het bedrijf geeft, wordt een model geplaatst in de werkomgeving van een ML-infrastructuurengineer, met toegang tot computeclusters, interne documentatie, codebases en experimentresultaten, en moet het model bottlenecks diagnosticeren, optimalisaties implementeren en een meetbare eind-tot-eindversnelling leveren. Sommige taken, zegt Z.ai, vertegenwoordigen enkele dagen werk voor een ervaren engineer. Om omgevingen in volume te produceren, bouwde Z.ai pipelines waarin researchagents taakpatronen uit echte werk omzetten in uitvoerbare lange-horizontomgevingen, een judge-agent verifieert elke taak daadwerkelijk oplosbaar is, en verifiers worden gesynthetiseerd zonder toegang tot de referentieoplossing. Het reward-signaal zelf is machine-gegenereerd voor een subset van taken, met solvertrajecten die worden gebruikt om reward-shortcuts te sluiten. Z.ai merkt op dat de pipelines nog steeds betekenisvolle human-in-the-loop-werk vereisen.

De gerapporteerde resultaten volgen het patroon dat dit recept zou voorspellen: de grootste winsten zitten op de langste horizontale evaluaties. Op Terminal-Bench 3.0, verplaatst GLM-5.3 zich van 4,6 naar 28,3 tegenover GLM-5.2; op DeepSWE v1.1, van 46,2 naar 66,9; op Agents’ Last Exam’s CLI-variant, van 23,8 naar 28,5. Alle cijfers zijn door de leverancier gerapporteerd, met methodologische voetnoten in de aankondiging die de harness, contextlengte en steekproefinstellingen voor elke benchmark dekken.

Tegenover andere modellen is het beeld gemengd. Op de in-house Z.ai Code Bench, meldt het bedrijf een verbetering van 50% ten opzichte van GLM-5.2 en zegt het dat het model Claude Opus 4.8 overschrijdt bij vergelijkbare inspanning, terwijl het minder outputtokens verbruikt (31,4% bij ongeveer 50.000 outputtokens per taak versus 29,5% bij 120.000), terwijl het achterblijft bij Anthropic’s Claude Fable 5, die 39,5% bereikt bij maximale inspanning. Op openbare suites, volgt GLM-5.3 GPT-5.6 Sol en Fable 5 op verschillende moeilijkere codingevaluaties, waaronder Terminal-Bench 3.0 en DeepSWE. Als een private benchmark, stelt het bedrijf dat Z.ai Code Bench het risico van verontreiniging van open testsets vermindert.

Het Cyber Resultaat dat Z.ai Zegt dat het niet had Gepland

Het tweede hoofdpunt is dat Z.ai zelf als onverwacht aanwijst. Het bedrijf introduceerde kwetsbaarheidsontdekkingsgegevens en -omgevingen in de post-training, in de verwachting dat het model beter zou worden in het vinden en redeneren over individuele fouten. In plaats daarvan, zegt het, bleef de capaciteit compacteren toen de training werd geschaald, en het model begon te redeneren over meerdere stadia van exploitatie, vormde coherentieplannen voor complete exploitatieketens in plaats van geïsoleerde bug-finding.

De gerapporteerde cijfers volgen deze claim. Op CyberGym, die test of een model kwetsbaarheden kan identificeren en valideren uit white-box-broncode, scoort GLM-5.3 84,5%, een stijging van 77,2% voor GLM-5.2 en voorop alle modellen in de vergelijkingstabel van Z.ai. Op ExploitBench, die diepere redenering over echte kwetsbaarheden en hun exploitatie vereist, verdubbelt het meer dan zijn voorganger, 54,4% tot 24,4%. Op ExploitGym, die exploitatie taken telt die zijn voltooid onder tijdgenormeerde budgetten, voltooit het 105 taken binnen twee uur en 130 binnen zes, tegenover 29 en 39 voor GLM-5.2. De samenvatting van Z.ai van het patroon is direct: hoe verder op de exploitatieketen een benchmark zit, hoe groter de winst van GLM-5.2, en hoe groter de resterende kloof tot gesloten frontiermodellen, met Mythos 5 die 181 en 247 ExploitGym-taken voltooit op dezelfde budgetten.

Z.ai meldt ook dat het modellen heeft getest voor overdracht buiten gecontroleerde benchmarks. Samenwerkend met verschillende beveiligingsteams in China, zegt het bedrijf dat zijn modellen 2.436 kwetsbaarheden hebben geïdentificeerd in 269 open-sourceprojecten sinds GLM-5.2, waaronder 1.097 die als kritiek of hoog worden beoordeeld, die systemkernels, besturingssystemen, browserengines en netwerkprotocollen omvatten. Veel waren jarenlang onopgemerkt gebleven; de oudste, zegt het bedrijf, werd geïntroduceerd in 1981.

De bevindingen voeden een openbare Z.ai Security Disclosure Ledger, die elke kwestie volgt door het openbaarmakingsproces: 53 openbaar gemaakt met toegewezen CVE’s bij de lancering, 2.383 nog onder embargo. Recent toegevoegde items omvatten een use-after-free in de Linux-kernel, een WebKit-geheugenbehandelingsfout die Apple Safari aangaat, en een parametervalidatiebug in FreeBSD.

Voor de API ondersteunt GLM-5.3 drie denkniveaus (laag, hoog en max) en staat het niet langer toe om denken uit te schakelen, een breukverandering voor toepassingen die eerder met uitgeschakeld denken werden uitgevoerd.

Wat de Open-Weight Release Open Laat

De twee-weken-gat tussen de aankondiging en de gewichtsrelease doet werk in deze lancering. Z.ai koppelt de vertraging expliciet aan veiligheidsevaluatie en verharding, en hetgene dat wordt verhard is een model dat het bedrijf zelf beschrijft als een offensieve beveiligingscapaciteit die sneller is gegroeid dan verwacht, met de grootste winsten op het einde van de exploitatieketen. Z.ai zegt dat de gewichten door iedereen kunnen worden gedownload na de twee-weken-veiligheidsevaluatie- en verhardingsperiode.

De cyberresultaten arriveren ook in een week waarin frontierlabs openlijk demonstreren wat agentic-modellen kunnen doen met infrastructuur: OpenAI beschreef onlangs zijn eigen testmodellen die Hugging Face hebben geschonden in een red-team-oefening. De openbaarmakingsledger van Z.ai is het constructieve tegenovergestelde van die capaciteit: dezelfde vaardigheid die exploitatieketens oppervlaktet ook decennialange bugs voor patching, en 1.097 kritieke en hoogwaardige bevindingen zijn nu in beweging via gecoördineerde openbaarmaking.

Of onafhankelijke evaluatoren de cijfers van GLM-5.3 repliceren (met name de in-house Code Bench-resultaten en de cyberscores die Z.ai in zijn eigen harnessconfiguraties heeft uitgevoerd) zal bepalen hoeveel van deze lancering een echte stap is voor open-weights codingmodellen en hoeveel het een evaluatiekeuze is. De gewichtsrelease, die rond het einde van augustus 2026 wordt verwacht, is wanneer die test begint.