GLM-5.3: Z.ai делает ставку на пост-обучение, но веса ждут проверки безопасности

Z.ai анонсировала GLM-5.3 — обновление, которое оставляет базовую модель GLM-5.2 без изменений и целиком ставит на пост-обучение ради роста показателей. Компания заявляет о существенном прогрессе в программировании: плюс 50% на внутреннем бенчмарке Z.ai Code Bench и более высокие результаты в тестах вроде Terminal-Bench и DeepSWE. Однако независимых оценок на момент запуска нет, поэтому все эти цифры остаются самоотчётом и требуют осторожности. Для масштабирования пост-обучения использован открытый RL-фреймворк 'slime' вместе с Megatron на этапе обучения и SGLang на этапе роллаута.

Самое примечательное — кибервозможности. Работая с неназванными китайскими командами по безопасности над реальными кодовыми базами, модель, по утверждению компании, нашла — после экспертной проверки, отсева и дедупликации — 2436 уязвимостей в 269 open-source проектах, 1097 из них средней и высокой критичности. На CyberGym заявлено 84,5% против 83,6% у GPT-5.6 Sol (77,2% у GLM-5.2); на ExploitBench модель достигает 54,4% — более чем вдвое больше 24,4% предыдущей версии, — но всё ещё далека от 76,5% GPT-5.6 Sol. Из этой огромной массы дефектов в публичном реестре сейчас видны лишь 53, остальные 2383 находятся под эмбарго, а участвовавшие команды остаются анонимными, что ограничивает внешнюю проверку.

Впервые Z.ai решила отложить публикацию весов — ожидается примерно через две недели, — чтобы завершить процедуры «safety evaluation». Отход от привычной политики немедленной открытости объясняется потенциальным двойным назначением модели. Но это по-прежнему рассказ компании о самой себе: выросли ли наступательные возможности действительно сверх ожиданий, снаружи проверить невозможно, потому что единственное свидетельство — то, как Z.ai описывает собственное пост-обучение.

Техническая реализация накладывает на разработчиков новые ограничения: API больше не поддерживает отключение рассуждений, режим `enabled` обязателен даже при сниженном effort. Кроме того, GLM Coding Plan вводит балльную систему квот, которая отбивает охоту работать в часы пик: вызовы вне интервала 14:00–18:00 (UTC+8) с понедельника по пятницу — включая целиком выходные — тарифицируются вполовину баллов.

— Olya В этой задержке есть своя элегантность: чтобы продать нам модель, способную найти дыры, которых никто не замечал десятилетиями, Z.ai должна сначала убедиться, что не вручила заодно и оружие для их эксплуатации. Придут веса через две недели или через два месяца — настоящая новость в том, что полная открытость наткнулась на границу под названием ответственность.