GLM-5.3: Zhipu AI jauns kodēšanas un kiberdrošības modelis

Atklāšanas pirmais akts bija kļūda, kuras izcelsme meklējama 1981. gadā un kas desmitiem gadu bija neredzama. Tā noteica toni Zhipu AI jaunajam atklājumam: GLM-5.3, 743 miljardu parametru valodu modelim, kas pielāgots kodēšanai, aģentisko darba plūsmu vadībai un kiberdrošības analīzei.

Zhipu AI apgalvo, ka GLM-5.3 nav lielāks pamatmodelis, bet gudrāks. Svars uzturēts 743 miljardu parametru līmenī, tomēr komanda pārstrādāja pēcapmācības slāni, izmantojot bagātīgākas simulētas vides, plašāku uzdevumu daudzveidību un intensīvāku interaktīvo skaitļošanu, lai iegūtu veiktspējas pieaugumu. Rezultāts vairāk izskatās pēc precīzas uzlabošanas nekā pēc vienkāršas mērogošanas ar spēku.

Piekļuve pieejama caur maksas GLM Kodēšanas plānu un ZCode platformu. API piekļuve un lejupielādējami modeļa svari ir plānoti pakāpeniskai izdošanai pēc posmiem sadalītām drošības pārbaudēm nākamo nedēļu laikā, kas nozīmē, ka organizācijas var izmēģināt modeli agrīnā stadijā, kamēr Zhipu to pārbauda plašākai izplatīšanai.

Tokenu efektivitāte bija galvenais rādītājs. Z.ai savā Code Bench testā GLM-5.3 sasniedza 34,5% panākumu līmeni, izmantojot apmēram 75 000 izejas tokenu, salīdzinot ar GLM-5.2 23,4% panākumu apmēru aptuveni 96 000 tokenu gadījumā. Vienkārši sakot: mazāk troksņa, vairāk rezultātu. Šādas uzlabojumus inženieri pamanīs vispirms.

Runājot par tīrām programmēšanas spējām, aina ir jaukta. Terminal Bench 3.0, kas novērtē veiktspēju reālās Linux vidēs un automatizētās sistēmās, pacēla GLM-5.3 līdz 28,3 punktiem, salīdzinot ar iepriekšējās paaudzes 4,6. Iespaidīgi. Tomēr komerciālie konkurenti joprojām vada; Claude Fable 5 ieguva 33,7 punktus, bet GPT-5.6 Sol 34,6, saglabājot goda pjedestāla vietas.

Reālās pasaules kļūdu labojumos, testētos DeepSWE v1.1, GLM-5.3 saņēma 66,9 punktus, kas ir būtisks uzlabojums pār priekšgājēju, bet nedaudz atpaliek no tādiem vienaudžiem kā Kimi K3 (67,5) un Fable 5 (69,7). Secinājums: GLM-5.3 sašaurina plaisu ar atvērtā un slēgtā koda konkurentiem, taču vadošie uzņēmumu risinājumi joprojām ir ļoti konkurētspējīgi.

Tas, kas patiesi pārsteidz GLM-5.3, ir kiberdrošība: tas izcīnīja pirmo vietu CyberGym testā ar 84,5% rezultātu, apsteidzot Fable 5 (83,8%) un GPT-5.6 Sol (83,6%). Zhipu publicēja drošības ierakstu, kurā parādīts, ka GLM-5.3 identificēja 2 436 ievainojamības 269 atvērtā koda projektos, no kurām 1 097 klasificētas kā no vidēja līdz kritiskam riskam. Viens atklājums īpaši izceļas: ekspluatācija, kuras izcelsme meklējama 1981. gadā un ko iepriekšējie skeneri un pētnieki vidēji nebija atklājuši 26,6 gadus.

Viss tas nostāda GLM-5.3 kā ticamu izaicinātāju reģionālajiem konkurentiem, piemēram, Kimi K3, un kā provokatīvu pretendentu pret ASV komerciālajiem modeļiem. Tas nav tikai vēl viens izlaidums; tas ir gadījuma pētījums par to, kā atteikties no tīras parametru palielināšanas par labu gudrākai, mērķtiecīgai pēcapmācībai, vienlaikus gūstot papildu ieguvumus kiberdrošībā.

Vai GLM-5.3 pamudinās piegādātājus atvērt vairāk savas rīku ķēdes vai piespiedīs jaunu posmu ar uz benchmarkiem orientētu inženieriju? Nākamie API testu un kopienas pārskatu mēneši rādīs.