GLM 5.3 mit starken Verbesserungen bei Code und Cybersicherheit
Das neue Modell von Z.ai übertrifft viele Konkurrenten bei der Programmierung und findet selbstständig kritische Sicherheitslücken.
Z.ai hat am heutigen Freitag das KI-Modell GLM-5.3 veröffentlicht. Durch ein angepasstes Post-Training löst es komplexe Programmieraufgaben deutlich besser als sein Vorgänger und zeigt überraschend weitreichende Fähigkeiten beim Aufspüren von Sicherheitslücken.
Bessere Benchmarkwerte durch Post-Training
GLM-5.3 nutzt das gleiche Basismodell mit 743 Milliarden Parametern wie GLM-5.2. Alle Verbesserungen resultieren laut Z.ai aus dem Post-Training. Das Unternehmen hat das Modell auf realistische Arbeitsabläufe trainiert, bei denen es eigenständig Code analysiert, optimiert und testet, anstatt nur einzelne Fragmente zu generieren.
Beim Terminal Bench 3.0 springt GLM-5.3 von 4,6 auf 28,3 Punkte. Im hauseigenen Z.ai Code Bench erreicht es bei maximalem Rechenaufwand eine Abschlussrate von 34,5 Prozent und nutzt dafür rund 75.000 Ausgabetoken. Damit platziert es sich vor Claude Opus 4.8, bleibt aber hinter Claude Fable 5.
Eigenständige Suche nach Schwachstellen
Beim Training mit Daten zur Cybersicherheit entwickelten sich die Fähigkeiten des Modells schneller als erwartet. GLM-5.3 identifiziert nicht nur einzelne Fehler, sondern entwirft Pläne für mehrstufige Angriffe.
Auf dem Benchmark CyberGym, der das Auslösen von Fehlern in Quellcode testet, erreicht GLM-5.3 einen Wert von 84,5 Prozent. Das ist der Bestwert vor Mythos 5 und GPT-5.6 Sol. Bei der tiefergehenden Analyse im ExploitBench verdoppelt das Modell das Ergebnis seines Vorgängers auf 54,4 Prozent. Hier führen geschlossene Modelle wie Mythos 5 mit 78,0 Prozent allerdings weiterhin deutlich.
Quelle: Z.ai
In Zusammenarbeit mit Sicherheitsteams analysierte GLM-5.3 auch echten Quellcode. Es fand 2.436 Schwachstellen in 269 Open-Source-Projekten. 1.097 dieser Fehler gelten als hoch oder kritisch. Die älteste entdeckte Lücke stammte aus dem Jahr 1981. Das Unternehmen dokumentiert die Funde in einem eigenen öffentlichen Register.
Quelle: Z.ai
Neues Framework für das Training
Die Grundlage für die Fortschritte bildet das Open-Source-Framework »slime«. Z.ai nutzt es für Reinforcement Learning bei langwierigen Aufgaben. Durch Systemoptimierungen konnte das Unternehmen den Durchsatz beim Training um den Faktor 2,3 steigern. Das ermöglichte es, komplexe Umgebungen als Trainingsdaten einzubinden, ohne die gesamte Infrastruktur neu aufbauen zu müssen.
Entwickler können GLM-5.3 über eine Programmierschnittstelle nutzen. Die API bietet die Denk-Stufen »low«, »high« und »max«. Eine Option zum kompletten Abschalten dieser Denkprozesse gibt es nicht mehr. Nach Abschluss aktueller Sicherheitsprüfungen plant Z.ai, die offenen Modellgewichte in zwei Wochen zu veröffentlichen.
Anzeige
