Samma grundmodell, en mycket annorlunda modell
GLM-5.3 körs på samma grundmodell med 743 miljarder parametrar som Z.ai redan levererade som GLM-5.2. Inget ändrades i det underliggande nätverket. Det som ändrades var receptet för efterträning: fler uppgiftsmiljöer, fler miljötyper och längre träningskörningar, enligt detaljer företaget delade med MarkTechPost och Unite.AI.
Vinsten syns tydligast i uppgifter som belönar uthålligt resonemang snarare än svar i ett enda steg. Terminal-Bench 3.0 hoppade från 4,6 till 28,3, mer än en femdubbling, och DeepSWE v1.1 steg från 46,2 till 66,9. På sin egen Code Bench nådde GLM-5.3 31,4 procent med cirka 50 000 utmatningstoken, strax över Claude Opus 4.8s 29,5 procent vid 120 000 token, även om Claude Fable 5 fortfarande klart leder med 39,5 procent vid maximal ansträngning.
En felsökare som lärde sig kedja exploateringar
Det mer betydelsefulla språnget ligger i cybersäkerhet. CyberGym steg från 77,2 till 84,5 procent, vilket placerar GLM-5.3 en poäng från Nous Mythos 5 (83,8 procent) och OpenAIs GPT-5.6 Sol (83,6 procent). ExploitBench mer än fördubblades, från 24,4 till 54,4 procent, och fullbordade ExploitGym-uppgifter inom sex timmar steg från 39 till 130, även om Mythos 5 fortfarande leder den kategorin med 247.
Det anmärkningsvärda är inte poängen utan företagets egen förklaring till den. Z.ai säger att man lade till data och miljöer om sårbarhetsupptäckt i efterträningen i väntan på den vanliga stegvisa vinsten i att hitta enskilda buggar. Istället samlades förmågan på hög under skalningen: modellen började resonera över flera exploateringssteg samtidigt och satte i praktiken ihop kompletta attackkedjor istället för att flagga isolerade fel. Z.ai beskriver detta som en framväxande egenskap hos skalad efterträning, inte en funktion man avsåg att bygga.
Två veckors härdning innan någon kan ladda ner den
GLM-5.3 finns redan tillgänglig via Z.ais API, GLM Coding Plan och den agentiska utvecklingsmiljön ZCode, där befintliga abonnenter på kodplanen redan flyttats över. De öppna vikterna är en annan sak: enligt Z.ai följer de om cirka två veckor, när säkerhetsutvärdering och härdning är klara, vilket pekar mot en publik utgivning kring slutet av augusti 2026.
Företagets eget ordval, som beskriver utgivningen som 'delvis driftsatt' tills den härdningen är klar, är talande. Ett labb som fullt ut litade på sitt cybersprång skulle inte behöva två veckor mellan att släppa API:et och att släppa vikterna. Gapet är Z.ais egen medgivande att beteendet att kedja exploateringar behöver granskas innan det lämnas över till alla som vill köra det lokalt, utan övervakning.
Varför regelverket inte ser detta komma
Så gott som varje beräkningsförankrad AI-regel, med EU:s AI-förordnings systemriskgräns på ungefär 10 upphöjt till 25 FLOP för AI-modeller för allmänna ändamål i spetsen, och motsvarande amerikanska rapporteringsgränser för frontier-modeller, mäter risk utifrån hur mycket beräkningskraft som gick in i träningen av grundmodellen. GLM-5.3 använde samma grundmodell som sin föregångare. Enligt den måttstocken har inget förändrats, och ingen extra rapporterings- eller utvärderingsplikt har utlösts.
Ändå växte den förmåga som verkligen förändrades, från att hitta enskilda buggar till att sätta ihop kompletta exploateringskedjor, på grund av efterträning, som kostar storleksordningar mindre än en förträningskörning och kan itereras på veckor istället för månader. Servolas egen tolkning: den verkliga frontier-risksignalen har tyst flyttats från 'hur stor var grundmodellen' till 'hur mycket efterträningsberäkning och vilka miljöer ingick', och inget av dagens tröskelregelverk ställer alls den andra frågan.
Läs vidare: Shieldstral håller moderationen på dina egna servrar | Bitcoinbolag Vill Ha AI-Tillgång Efter 634M Hackat
