Z.ai hat GLM-5.3 am 14. August veröffentlicht. dieselbe 743B-Basis wie GLM-5.2 — jeder Gewinn stammt aus hochskaliertem Post-Training. Das Coding sprang in internen Bewertungen um ~50 % und Terminal-Bench 3.0 stieg von 4,6 auf 28,3. Das ist eine 6-fach-Steigerung, ohne das Basismodell zu verändern.
Die Fähigkeit, für die niemand trainiert hat
Z.ai fügte Vulnerability-Discovery-Umgebungen hinzu, in der Hoffnung, dass das Modell besser einzelne Bugs erkennt. Was herauskam, waren komplette mehrstufige Exploit-Ketten. Es erreichte 84,5 % bei CyberGym und lag damit knapp über Mythos 5 und GPT-5.6 Sol. Zum ersten Mal übertrifft ein Open-Weight-Modell Closed-Frontier-Modelle im Bereich Offensive Security — und das war emergent, nicht das Ziel. Seit GLM-5.2 haben Z.ai-Modelle 2.436 Schwachstellen in 269 Open-Source-Projekten gefunden, davon 1.097 kritisch oder hoch.
Heute verwenden
Es ist ein Textmodell, das Sie über die Z.ai-API ansprechen, preislich wie 5.2: 1,40 $ pro Million Eingaben, 4,40 $ Ausgabe, 0,26 $ im Cache. Denken ist jetzt obligatorisch — low, high, max, kein Ausschalter. Der offensichtliche Anwendungsfall ist langfristiges agentisches Coding, bei dem es in die Nähe von Claude Fable 5 kommt zu einem Bruchteil der Kosten. Die Gewichte fallen in zwei Wochen.