GLM-5.3 Z.ai Menggandakan Pengkodean dan Muncul Dengan Keterampilan Keamanan Siber yang Menakjubkan

Z.ai, perusahaan kecerdasan buatan yang berbasis di Beijing, juga dikenal sebagai Zhipu, telah merilis GLM-5.3, sebuah versi baru dari model andalannya yang menurut perusahaan merupakan sistem open-weight paling mumpuni untuk rekayasa perangkat lunak — dan yang secara tak terduga telah mengembangkan keterampilan keamanan siber yang hebat. Diumumkan pada tanggal 14 Agustus dan dirinci dalam postingan blog perusahaan, GLM-5.3 dibuat dengan model dasar sekitar 700 miliar parameter yang sama dengan pendahulunya GLM-5.2, yang dirilis pada bulan Juni. Setiap perbaikan, kata perusahaan, berasal dari pasca-pelatihan dan bukan dari landasan yang lebih besar. Rilisan ini adalah yang terbaru dari gelombang model open-weight Tiongkok yang bertujuan untuk mengungguli sistem tertutup dari Anthropic dan OpenAI. Untuk pelacak model AI Buzz Wire, GLM-5.3 adalah sinyal yang jelas bahwa open-weight frontier menutup kesenjangan pengkodean lebih cepat dari perkiraan banyak orang.

Keuntungan Dibangun Sepenuhnya Pasca Pelatihan

Z.ai berterus terang tentang pendekatannya dengan GLM-5.3: "Hanya penskalaan pasca-pelatihan yang kami lakukan." Perusahaan ini meneruskan tumpukan pembelajaran penguatan yang diperkenalkan dengan GLM-5.2 — termasuk IndexShare untuk pemrosesan konteks panjang yang efisien, SAO untuk pembelajaran penguatan pada tugas-tugas jangka panjang, dan kerangka kerja sumber terbuka yang disebut slime untuk pelatihan asinkron skala besar. Selama sebulan terakhir, perusahaan ini menambahkan lebih banyak lingkungan, tugas yang lebih beragam, dan lebih banyak komputasi ke dalam tumpukan tersebut.

Imbalannya muncul di seluruh tolok ukur pengkodean. Pada Terminal Bench 3.0, skor GLM-5.3 melonjak dari skor GLM-5.2 sebesar 4,6 menjadi 28,3 — peningkatan lebih dari enam kali lipat. Ini memposting hasil canggih sumber terbuka di Terminal Bench 3.0 dan Ujian Terakhir Agen, dan meningkat dari 23,8 menjadi 28,5 pada ukuran kemampuan agen ALE-CLI. Z.ai melaporkan peningkatan sebesar 50% dibandingkan GLM-5.2 pada Z.ai Code Bench miliknya, sebuah tolok ukur swasta yang dirancang untuk mengevaluasi agen pengkodean dalam lingkungan pengembangan yang realistis dan mengurangi risiko kontaminasi dari rangkaian pengujian publik.

Yang terpenting, keuntungan tersebut datang dari efisiensi token yang lebih baik, bukan hanya hasil yang lebih baik. Pada upaya Tinggi, GLM-5.3 mencapai penyelesaian 31,4% pada tolok ukur internal dengan sekitar 50.000 token keluaran per tugas, yang menurut Z.ai melampaui Claude Opus 4.8 dari Anthropic sebesar 29,5% dengan 120.000 token. GLM-5.3 masih tertinggal dari Claude Fable 5 Anthropic yang lebih canggih, yang mencapai 39,5% pada upaya maksimal.

Lompatan Tak Terduga dalam Kemampuan Cyber

Hasil yang paling mencolok dari GLM-5.3 bukan pada pengkodean tetapi pada keamanan. Ketika Z.ai meningkatkan skala pasca-pelatihan dan memperkenalkan data dan lingkungan penemuan kerentanan ke dalam campuran pelatihan, Z.ai mengharapkan model tersebut meningkat dalam menemukan dan mempertimbangkan kelemahan. Yang mengejutkan tim adalah betapa cepatnya kemampuan tersebut berkembang.

GLM-5.3 tidak hanya menjadi lebih baik dalam mendeteksi bug yang terisolasi; mereka mulai mempertimbangkan berbagai tahap eksploitasi, membentuk rencana yang koheren untuk rantai serangan yang lengkap. Di CyberGym, sebuah tolok ukur yang menguji apakah suatu model dapat mengidentifikasi dan memvalidasi kerentanan dari kode sumber white-box, skor GLM-5.3 sebesar 84,5%, naik dari GLM-5.2 sebesar 77,2%. Itu adalah hasil terbaik pada benchmark, mengungguli Mythos 5 sebesar 83,8% dan GPT-5.6 Sol sebesar 83,6%. Di ExploitBench, yang memerlukan pemikiran lebih dalam tentang kerentanan nyata dan eksploitasinya, GLM-5.3 menggandakan skor GLM-5.2 lebih dari dua kali lipat, yaitu mencapai 54,4% — meskipun masih tertinggal jauh di belakang Mythos 5 sebesar 78,0% dan GPT-5.6 Sol sebesar 76,5%.

Z.ai mengamati pola yang konsisten: semakin tinggi rantai eksploitasi yang menjadi acuan, semakin besar keuntungan dibandingkan GLM-5.2 — dan juga semakin lebar kesenjangan yang tersisa menuju batas tertutup. “Kemampuan tumbuh paling cepat ketika kita paling tertinggal,” kata perusahaan itu.

Penemuan Kerentanan di Dunia Nyata

Keterampilan dunia maya tidak terbatas pada tolok ukur saja. Z.ai melaporkan bahwa sejak GLM-5.2, mereka telah bekerja sama dengan beberapa tim keamanan di Tiongkok untuk menguji modelnya terhadap basis kode dunia nyata. Setelah tinjauan ahli, penyaringan, dan deduplikasi, model ini mengidentifikasi 2.436 kerentanan di 269 proyek, termasuk 1.097 masalah dengan tingkat keparahan sedang hingga tinggi. Temuan ini mencakup kernel sistem, sistem operasi, mesin browser, infrastruktur sumber terbuka, aplikasi web, dan protokol jaringan – banyak di antaranya yang luput dari perhatian selama bertahun-tahun atau bahkan puluhan tahun, dengan yang tertua berusia sekitar 40 tahun.

Hasil-hasil tersebut sejalan dengan apa yang telah dijelaskan oleh Anthropic dalam penelitian keamanan multiagennya, di mana sekelompok agen yang terkoordinasi digunakan untuk mencari kerentanan dalam perangkat lunak sumber terbuka dalam skala besar.

Bobot Terbuka — Dengan Penundaan

Z.ai mengatakan pihaknya akan merilis anak timbangan GLM-5.3 dalam dua minggu, setelah evaluasi keamanan dan pengerasan selesai. Penundaan yang disengaja ini mencerminkan ketegangan yang terjadi selama pengumuman tersebut: sebuah model yang mengembangkan kemampuan siber ofensif yang kuat lebih cepat dari perkiraan pembuatnya adalah jenis sistem yang menimbulkan pertanyaan tentang peluncuran yang bertanggung jawab. Perusahaan ini menekankan bahwa konsistensi pelatihan-peluncurannya telah ditingkatkan hingga mencapai tingkat presisi numerik yang tinggi, dan sebagian besar kesulitan dalam penskalaan telah beralih dari model itu sendiri ke desain lingkungan tugas yang realistis dan dapat diverifikasi.

Gambaran kompetitifnya jelas. GLM-5.3 mempersempit jarak ke batas tertutup dalam pengkodean dan tugas-tugas agen sambil mengklaim keunggulan langsung pada setidaknya satu tolok ukur penemuan kerentanan utama. Ia melakukannya sebagai model bobot terbuka — artinya, setelah dirilis, bobot tersebut akan tersedia secara bebas untuk diunduh, dipelajari, dan dikembangkan oleh siapa saja. Apakah keterbukaan tersebut mempercepat kemajuan atau menimbulkan kekhawatiran baru mengenai keamanan, masih menjadi perdebatan mengenai GLM-5.3.

Tetap Terdepan dalam AI

Untuk rilis model AI terbaru, pertarungan benchmark, dan analisis industri, tandai AI Buzz Wire.

Baca berita AI selengkapnya →