GLM-5.3 von Z.ai verdoppelt die Codierung und glänzt mit verblüffenden Fähigkeiten im Bereich Cybersicherheit

Z.ai, das in Peking ansässige Unternehmen für künstliche Intelligenz, auch bekannt als Zhipu, hat GLM-5.3 veröffentlicht, eine neue Version seines Flaggschiffmodells, das nach Angaben des Unternehmens das bislang leistungsfähigste offene System für die Softwareentwicklung ist – und eines, das unerwartet beeindruckende Fähigkeiten im Bereich Cybersicherheit entwickelt hat. GLM-5.3 wurde am 14. August angekündigt und in einem Blogbeitrag des Unternehmens detailliert beschrieben. Es basiert auf dem gleichen Basismodell mit rund 700 Milliarden Parametern wie sein Vorgänger GLM-5.2, der im Juni veröffentlicht wurde. Jede Verbesserung, so das Unternehmen, sei das Ergebnis einer Nachschulung und nicht einer größeren Grundlage. Die Veröffentlichung ist die neueste in einer Welle chinesischer Open-Weight-Modelle, die darauf abzielen, geschlossene Systeme von Anthropic und OpenAI zu übertreffen. Für den Modell-Tracker AI Buzz Wire ist GLM-5.3 ein klares Signal, dass die Open-Weight-Grenze die Codierungslücke schneller schließt, als viele erwartet hatten.

Gewinne basieren ausschließlich auf der Zeit nach dem Training

Z.ai äußert sich unverblümt zu seinem Ansatz mit GLM-5.3: „Wir haben nur die Skalierung nach dem Training durchgeführt.“ Das Unternehmen übernahm den mit GLM-5.2 eingeführten Reinforcement-Learning-Stack – einschließlich IndexShare für die effiziente Verarbeitung langer Kontexte, SAO für Reinforcement Learning bei Long-Horizon-Aufgaben und ein Open-Source-Framework namens Slime für groß angelegtes asynchrones Training. Im letzten Monat wurden einfach mehr Umgebungen, vielfältigere Aufgaben und mehr Rechenleistung in diesen Stack gesteckt.

Die Auszahlung zeigt sich in allen Codierungs-Benchmarks. Auf Terminal Bench 3.0 springt GLM-5.3 vom GLM-5.2-Wert von 4,6 auf 28,3 – eine Verbesserung um mehr als das Sechsfache. Es veröffentlicht Open-Source-Ergebnisse auf dem neuesten Stand der Technik zu Terminal Bench 3.0 und zur letzten Prüfung der Agenten und verbessert sich beim ALE-CLI-Maß der Agentenfähigkeit von 23,8 auf 28,5. Z.ai meldet eine 50-prozentige Verbesserung gegenüber GLM-5.2 auf seinem hauseigenen Z.ai Code Bench, einem privaten Benchmark, der darauf ausgelegt ist, Coding-Agents in realistischen Entwicklungsumgebungen zu bewerten und das Risiko einer Kontamination durch öffentliche Testsätze zu reduzieren.

Entscheidend ist, dass die Gewinne nicht nur mit besseren Ergebnissen, sondern auch mit einer besseren Token-Effizienz einhergehen. Bei hohem Aufwand erreicht GLM-5.3 eine Fertigstellung von 31,4 % auf dem internen Benchmark bei etwa 50.000 Ausgabe-Tokens pro Aufgabe, was laut Z.ai Claude Opus 4.8 von Anthropic mit 29,5 % und 120.000 Token übertrifft. GLM-5.3 bleibt immer noch hinter dem fortschrittlicheren Claude Fable 5 von Anthropic zurück, der bei maximaler Anstrengung 39,5 % erreicht.

Ein unerwarteter Sprung in der Cyber-Fähigkeit

Das auffälligste Ergebnis von GLM-5.3 betrifft nicht die Codierung, sondern die Sicherheit. Als Z.ai nach dem Training skalierte und Schwachstellenerkennungsdaten und -umgebungen in den Trainingsmix einführte, erwartete man, dass sich das Modell beim Auffinden und Begründen von Fehlern verbessern würde. Was das Team überraschte, war, wie schnell sich diese Fähigkeit entwickelte.

GLM-5.3 wurde nicht nur besser darin, einzelne Fehler zu erkennen; Es begann, über mehrere Phasen der Ausnutzung nachzudenken und kohärente Pläne für vollständige Angriffsketten zu entwickeln. Bei CyberGym, einem Benchmark, der testet, ob ein Modell Schwachstellen anhand von White-Box-Quellcode identifizieren und validieren kann, erreicht GLM-5.3 84,5 %, verglichen mit 77,2 % für GLM-5.2. Das ist das beste Ergebnis im Benchmark, vor Mythos 5 mit 83,8 % und GPT-5.6 Sol mit 83,6 %. Im ExploitBench, der tiefergehende Überlegungen zu echten Schwachstellen und deren Ausnutzung erfordert, übertrifft GLM-5.3 die Punktzahl von GLM-5.2 mehr als und erreicht 54,4 % – obwohl es deutlich hinter Mythos 5 mit 78,0 % und GPT-5.6 Sol mit 76,5 % zurückbleibt.

Z.ai beobachtet ein konsistentes Muster: Je weiter oben in der Ausbeutungskette ein Benchmark steht, desto größer ist der Gewinn gegenüber GLM-5.2 – und desto größer ist auch die verbleibende Lücke zur geschlossenen Grenze. „Die Leistungsfähigkeit wächst genau dort am schnellsten, wo wir am weitesten zurückliegen“, stellt das Unternehmen fest.

Echte Schwachstellenentdeckungen

Die Cyberkompetenzen beschränken sich nicht auf Benchmarks. Z.ai berichtet, dass es seit GLM-5.2 mit mehreren Sicherheitsteams in China zusammenarbeitet, um seine Modelle anhand realer Codebasen zu testen. Nach Expertenprüfung, Screening und Deduplizierung identifizierte das Modell 2.436 Schwachstellen in 269 Projekten, darunter 1.097 Probleme mittlerer bis hoher Schwere. Die Ergebnisse umfassen Systemkerne, Betriebssysteme, Browser-Engines, Open-Source-Infrastruktur, Webanwendungen und Netzwerkprotokolle – viele davon waren jahrelang oder sogar jahrzehntelang unbemerkt geblieben, wobei die ältesten etwa 40 Jahre alt waren.

Diese Ergebnisse spiegeln die Arbeit wider, die Anthropic in seiner eigenen Multiagenten-Sicherheitsforschung beschrieben hat, bei der koordinierte Schwärme von Agenten eingesetzt wurden, um in großem Maßstab nach Schwachstellen in Open-Source-Software zu suchen.

Offene Gewichte – mit Verzögerung

Z.ai sagt, dass es die GLM-5.3-Gewichte in zwei Wochen veröffentlichen wird, sobald die Sicherheitsbewertung und die Härtung abgeschlossen sind. Diese absichtliche Verzögerung spiegelt die Spannung wider, die sich durch die Ankündigung zieht: Ein Modell, das schneller als von seinen Entwicklern erwartet starke offensive Cyberfähigkeiten entwickelt, ist genau die Art von System, die Fragen zur verantwortungsvollen Freisetzung aufwirft. Das Unternehmen betont, dass die Konsistenz zwischen Training und Einführung auf ein hohes Maß an numerischer Präzision verbessert wurde und dass sich ein Großteil der Schwierigkeiten bei der Skalierung vom Modell selbst auf die Gestaltung realistischer, überprüfbarer Aufgabenumgebungen verlagert hat.

Das Wettbewerbsbild ist klar. GLM-5.3 verringert den Abstand zur geschlossenen Grenze bei Codierungs- und Agentenaufgaben und übernimmt gleichzeitig die klare Führung bei mindestens einem wichtigen Benchmark zur Schwachstellenerkennung. Dabei handelt es sich um ein offenes Gewichtungsmodell – das bedeutet, dass die Gewichte nach ihrer Veröffentlichung für jedermann frei verfügbar sind, um sie herunterzuladen, zu studieren und darauf aufzubauen. Ob diese Offenheit den Fortschritt beschleunigt oder neue Sicherheitsbedenken aufwirft, ist eine Debatte, die GLM-5.3 garantiert wieder entfachen wird.

Bleiben Sie der KI immer einen Schritt voraus

Für die neuesten KI-Modellveröffentlichungen, Benchmark-Kämpfe und Branchenanalysen setzen Sie ein Lesezeichen auf AI Buzz Wire.

Weitere KI-Neuigkeiten lesen →