---
title: GLM 5.3 mit starken Verbesserungen bei Code und Cybersicherheit
description: Das neue Modell von Z.ai übertrifft viele Konkurrenten bei der Programmierung und findet selbstständig kritische Sicherheitslücken.
author: Andreas Becker
url: https://www.all-ai.de/news/news26top/glm-5-3-start
---

![Ein schnelles Pferd](https://www.all-ai.de/images/2-news/8-26/glm-5.3-1600.webp)

# 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.

[Andreas Becker](https://www.all-ai.de/charaktere)·14.08.26

GPT-Images-2.0

![Ein schnelles Pferd](https://www.all-ai.de/images/2-news/8-26/glm-5.3-1600.webp#joomlaImage://local-images/2-news/8-26/glm-5.3-1600.webp?width=1600&height=900)

Kurzfassung
 ▾

Quellen
 ▾

- Z.ai hat das neue KI-Modell GLM-5.3 veröffentlicht, das bei Programmieraufgaben einen enormen Leistungssprung macht.
- Durch spezielles Training löst die KI nicht nur Code-Probleme, sondern entwirft Pläne für mehrstufige Cyberangriffe.
- In echten Tests konnte das Modell über 2.400 kritische Schwachstellen in Open-Source-Projekten aufspüren, die teilweise Jahrzehnte alt waren.
- Entwickler können GLM-5.3 ab sofort über eine Programmierschnittstelle nutzen, bevor bald die offenen Modellgewichte folgen.

- [Z.ai Blog: GLM-5.3 Frontier Coding with Emergent Cyber Capabilities](https://z.ai/blog/glm-5.3)
- [X (Twitter): Z.ai kündigt GLM-5.3 an](https://x.com/Zai_org/status/2088132965922476159)

[Z.ai](http://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.

![glm 5.3 Benchmark 1](https://www.all-ai.de/images/2-news/8-26/glm-5.3-1.webp)

![glm 5.3 Benchmark 2](https://www.all-ai.de/images/2-news/8-26/glm-5.3-1b.webp)

###### Quelle: Z.ai

#### 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.

![glm 5.3 Benchmark 3](https://www.all-ai.de/images/2-news/8-26/glm-5.3-3.webp)

###### 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.

![glm 5.3 Benchmark 4](https://www.all-ai.de/images/2-news/8-26/glm-5.3-4.webp)

###### 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