Z.ai открыла веса GLM-5.3 — весь прирост обеспечило постобучение той же базовой модели

Китайская Z.ai опубликовала открытые веса языковой модели GLM-5.3. Её можно развернуть на собственном оборудовании через vLLM, SGLang, Transformers и другие популярные инструменты.

В основе новинки лежит та же базовая модель, что и у GLM-5.2. Архитектуру и первоначальное обучение не меняли: весь прирост разработчики связывают с постобучением — этапом, на котором модель учат рассуждать, пользоваться инструментами и выполнять практические задачи.

Главный акцент сделали на программировании и длительной автономной работе. По внутреннему тесту Z.ai, качество кода выросло на 50%. В публичном Terminal Bench 3.0 результат поднялся с 4,6 до 28,3 балла, а в Agents’ Last Exam — с 23,8 до 28,5.

Однако GLM-5.3 не стала безусловным лидером во всех проверках. На Terminal Bench 3.0 она уступила GPT-5.6 Sol и Fable 5, а на DeepSWE немного отстала от Kimi K3. При этом результаты разных моделей получены с неодинаковыми настройками, лимитами времени и средами запуска, поэтому таблица не заменяет независимое сравнение.

Отдельно Z.ai выделяет способности модели в кибербезопасности. На CyberGym для поиска уязвимостей GLM-5.3 набрала 84,5 балла против 77,2 у предыдущей версии. На ExploitBench показатель вырос более чем вдвое — с 24,4 до 54,4. Компания утверждает, что киберспособности в целом развивались быстрее, чем ожидалось, а наибольший прирост зафиксировали на этапах эксплуатации уязвимостей.

Пользователь может задавать модели один из трёх уровней глубины рассуждений: low, high или max. Максимальный режим включён по умолчанию и использовался для воспроизведения заявленных результатов.

GLM-5.3 использует ту же базовую модель, что и GLM-5.2, а заявленные улучшения получены на этапе постобучения. Её веса открыты для локального запуска.