O que o GLM-5.3 encontrou, e com que rapidez
O laboratório chinês de IA Z.ai lancou o GLM-5.3 a 14 de agosto de 2026 sobre a mesma base de mistura de especialistas de 743 mil milhões de parâmetros do antecessor GLM-5.2, com todo o ganho de capacidade relatado a vir de pós-treino prolongado em vez de uma nova ronda de pré-treino. Apenas esse pós-treino elevou a pontuação Terminal-Bench 3.0 do modelo de 4,6 para 28,3 e a sua pontuação de deteção de vulnerabilidades CyberGym de 77,2 para 84,5 por cento, à frente tanto do Claude Mythos 5 com 83,8 por cento como do GPT-5.6 Sol com 83,6 por cento. A Z.ai usou depois o próprio modelo para analisar software real de código aberto e reportou 2436 vulnerabilidades distintas em 269 projetos, incluindo uma falha que remonta a 1981, 45 anos antes de ser descoberta.
| Gravidade | Descobertas |
|---|---|
| Critica | 107 |
| Alta | 990 |
| Media | 1286 |
| Baixa | 53 |
Dessas 2436 descobertas, apenas 53 são públicas hoje; as restantes 2383, incluindo todos os resultados criticos e graves, permanecem sob embargo enquanto os projetos afetados recebem tempo para corrigir.
Uma capacidade que ninguem treinou
A Z.ai descreve a capacidade de deteção de vulnerabilidades como não planeada, dizendo que o modelo simplesmente a adquiriu enquanto a capacidade continuava a acumular-se com o aumento do treino, em vez de ser o resultado de um programa deliberado de ciberseguranca. A distinção importa porque os ciclos de pós-treino são muito mais baratos e rápidos de executar do que uma ronda completa de pré-treino, a fase em torno da qual a maioria das revisões de segurança e limiares de computação são construídos. O GLM-5.3 concluiu 105 tarefas de geração de exploits em duas horas e 130 em seis horas no teste de referência ExploitGym, contra 29 e 39 do GLM-5.2 no mesmo modelo base apenas meses antes, um salto na capacidade ofensiva que chegou sem um novo modelo base, sem uma nova ronda de treino e sem qualquer sinal público prévio.
A promessa de duas semanas que veio e passou
A Z.ai faseou o lançamento do GLM-5.3: o modelo ficou disponível logo no dia do lançamento através da sua própria API, do seu GLM Coding Plan e do seu produto ZCode, enquanto os pesos abertos descarregáveis, a versão que qualquer laboratório ou empresa pode alojar e executar de forma independente, foram prometidos para cerca de duas semanas depois, por volta de 28 de agosto, assim que uma avaliação de segurança e uma fase de reforco estivessem concluidas. É a primeira vez que a Z.ai atrasa o lançamento dos pesos de um GLM, numa abordagem faseada semelhante a que a Moonshot usou para o seu modelo Kimi K3. A data de 28 de agosto já passou sem que os pesos tenham sido lancados, e a Z.ai não deu uma nova data, tratando o calendário original como uma expectativa e não como um compromisso.
Porque isto vai além do calendário de uma empresa
Um atraso voluntário é, neste momento, o único travão real que impede uma capacidade destas de chegar a distribuição aberta: nenhuma lei em lado nenhum obriga um laboratório a reter os pesos de um modelo porque uma pontuação de referência saiu mais alta do que o esperado. O próprio quadro da UE para os modelos de IA de uso geral mais capazes, aplicado pelo AI Office desde 2 de agosto de 2026, fixa o seu limiar de risco sistémico usando a computação de treino gasta na construção de um modelo, uma medida concebida em torno de uma única e grande ronda de pré-treino. O salto do GLM-5.3 veio inteiramente de pós-treino sobre uma base já existente, o tipo de atualização barata e rapida que um limiar de computação calibrado para o pré-treino não está preparado para detetar, e que um laboratório pode repetir a cada poucos meses. O facto de a própria promessa de duas semanas da Z.ai já ter falhado é o sinal mais claro ate agora de que as janelas de revisão autoimpostas se movem mais devagar do que os ciclos de atualização que deveriam governar.
Fazemos isto por todos os que tentam acompanhar o que a tecnologia está a fazer às nossas vidas. As pessoas que a constroem, e as pessoas a quem isso acontece. O Servola Journal existe para que aquilo que aprendemos pertença a todos eles.
Ninguém nos paga por isto. Sem publicidade, sem barreira de pagamento, grátis para todos. Simplesmente acreditamos que compreender o que nos está a acontecer a todos não devia depender de quem se pode dar ao luxo de pagar por isso.
Se isto lhe deu algo hoje, diga-nos para continuarmos. Siga-nos, deixe um gosto ou escreva um comentário positivo. Lemos todos e cada um deles, e são eles que nos mantêm a avançar.
Leia a seguir: Washington pode dispensar o que Bruxelas vai exigir | Os teus fornecedores de IA arriscam multas da UE
