GLM-5.3: Z.ai zet in op post-training, maar de gewichten wachten op veiligheid

Z.ai heeft GLM-5.3 aangekondigd, een update die het basismodel van GLM-5.2 ongemoeid laat en alles inzet op post-training om de prestaties op te krikken. Het bedrijf claimt flinke vooruitgang bij coderen: 50% beter op de eigen benchmark Z.ai Code Bench en hogere scores op tests als Terminal-Bench en DeepSWE. Omdat er bij de lancering geen onafhankelijke evaluaties zijn, blijven die cijfers zelfgerapporteerd en verdienen ze de nodige voorzichtigheid. Om de post-training op te schalen is het opensource RL-framework 'slime' gebruikt, met Megatron voor de training en SGLang voor de rollout.

Het opvallendste zit in de cybervaardigheden. In samenwerking met niet nader genoemde Chinese securityteams op echte codebases zou het model — na expertreview, screening en ontdubbeling — 2.436 kwetsbaarheden hebben gevonden in 269 opensourceprojecten, waarvan 1.097 met een middelhoge tot hoge ernst. Op CyberGym claimt het 84,5% tegenover 83,6% voor GPT-5.6 Sol (77,2% bij GLM-5.2); op ExploitBench haalt het 54,4%, meer dan het dubbele van de 24,4% van de vorige versie, maar nog ver van de 76,5% van GPT-5.6 Sol. Van die enorme stapel gebreken zijn er op dit moment maar 53 zichtbaar in het publieke register; de overige 2.383 staan onder embargo en de betrokken teams blijven anoniem, wat externe controle beperkt.

Voor het eerst heeft Z.ai besloten de vrijgave van de gewichten uit te stellen — nu over ongeveer twee weken verwacht — om de procedures voor "safety evaluation" af te ronden. Die koerswijziging ten opzichte van het gebruikelijke beleid van directe openheid wordt gerechtvaardigd met het mogelijke tweeledige gebruik van het model. Het blijft niettemin een verhaal dat het bedrijf over zichzelf vertelt: of het offensieve vermogen echt harder is gegroeid dan verwacht, valt van buitenaf niet te controleren, want het enige bewijs is Z.ai's eigen relaas over zijn post-training.

De technische uitrol legt ontwikkelaars nieuwe beperkingen op: de API ondersteunt het uitzetten van redeneren niet meer, waardoor de modus `enabled` ook bij verlaagde effort verplicht is. Daarbovenop introduceert het GLM Coding Plan een puntenquotum dat gebruik in piekuren ontmoedigt: aanroepen buiten het venster 14:00–18:00 (UTC+8) van maandag tot en met vrijdag — hele weekends inbegrepen — kosten de helft van de punten.

— Olya Er schuilt een zekere elegantie in dat uitstel: om ons een model te verkopen dat lekken vindt die decennialang niemand zag, moet Z.ai eerst zeker weten dat het niet per ongeluk ook het wapen heeft meegeleverd om ze te misbruiken. Of de gewichten nu over twee weken of over twee maanden komen, het echte nieuws is dat totale openheid tegen een grens is aangelopen die verantwoordelijkheid heet.