Z.ai, det kinesiska AI-labbet tidigare känt som Zhipu AI, har släppt hela vikten av sin GLM-5.3-modell på Hugging Face, vilket gör en av de starkaste kodnings- och agentmodellerna som finns tillgängliga till en gratis nedladdning. Releasen gick live den 28 augusti, bara några dagar efter att labbet bekräftat att den virala stealth-modellen känd som "Ox Alpha" i själva verket var dess egen GLM-5.3-Flash, och den uppfyller det öppna viktlöftet som fick samhället att titta noga hela veckan.
Modellsidan samlade snabbt mer än 1 100 gilla-markeringar, och Hacker News-tråden som tillkännagav releasen klättrade förbi 600 poäng när utvecklare smälte det som nu ligger i ett offentligt arkiv: 141 säkerhetsfiler, skickade i FP8, som består av vad som kan vara den mest kapabla öppet nedladdningsbara kodningsmodellen hittills. For more context on this story, see our ongoing AI industry coverage.
Vad Z.ai faktiskt skickade
GLM-5.3 är en Mixture-of-Experts-modell byggd på en arkitektur Z.ai kallar glm_moe_dsa. Enligt konfigurationen som publiceras vid sidan av vikterna, staplar nätverket 78 lager med 256 dirigerade experter, vilket aktiverar 8 experter per token plus en delad expert. Kontextfönstret sträcker sig över 1 048 576 tokens — en hel miljon — och modellen stöder en "reasoning_effort"-parameter med låga, höga och maxinställningar, som standard är max.
Den kanske mest intressanta noteringen i modellkortet är en uppriktighet om var förbättringarna kom ifrån: GLM-5.3 använder samma basmodell som GLM-5.2, och varje vinst kommer från efterträning. Labbet beskriver på ett skarpt sätt resultatet som "den mest kapabla modellen med öppen vikt för kodning."
Benchmarks: Open-Weights SOTA om agentkodning
Den publicerade utvärderingstabellen är omfattande och ovanligt specifik om dess metodik, listar resultat mot Kimi K3, DeepSeek-V4 Pro-0813, Qwen3.8-Max, Anthropics Opus 4.8, Googles Fable 5 och OpenAI:s GPT-5.6 Sol.
På Terminal Bench 3.0 får GLM-5.3 poäng 28.3 — det senaste inom öppen källkod, och ett hopp från 4.6 för GLM-5.2, men fortfarande bakom den stängda gränsen för Fable 5 på 33.7 och GPT-5.6 Sol på 34.6. På Terminal Bench 2.1 har den 88.2, i huvudsak i nivå med Kimi K3 och GPT-5.6 Sol och före Opus 4.8:s 85.0. DeepSWE-resultaten hoppade från 46,2 till 66,9 mellan versionerna, och GLM-5.3 toppar tabellen på AutomationBench på 48,2 och på GDPval-AA v2 vid 1769, den senare utvärderad av artificiell analys.
Z.ai rapporterar också en 50% förbättring jämfört med GLM-5.2 på sin interna Code Bench, tillsammans med öppna vikter-bästa resultat på benchmarks som Agents' Last Exam.
Cyberkapacitetsfrågan
Modellkortet är anmärkningsvärt trubbigt om en utveckling som säkerhetsforskare har spårat i månader: "När vi skalade efter träning utvecklades cyberförmågan snabbare än vi förväntat oss", står det i kortet. GLM-5.3 är toppmoderna på CyberGym för upptäckt av sårbarheter på 84.5, vilket leder till alla modeller på bordet inklusive GPT-5.6 Sol, och den mer än fördubblar GLM-5.2 på exploateringsbenchmarks – 54.4 mot 24.4 på ExploitBench och 105/193 gånger budget mot ExploitBench mot två budget/G9-tider.
AI Buzz Wire täckte dessa funktioner när de dök upp med API-versionen i mitten av augusti. Det som förändras nu är distributionen: vikterna är nedladdningsbara, kvantiserade community-byggen kommer sannolikt att följa snabbt, och alla med tillräckligt med minne kan köra modellen lokalt. I Hacker News-diskussionen noterade vissa användare att modellen kändes mindre restriktiv kring säkerhetsangränsande uppgifter än USA-värdade alternativ – communityintryck snarare än ett officiellt policypåstående, men reflekterande varför denna utgåva diskuteras i säkerhetskretsar lika mycket som utvecklare.
En licens riktad mot Hyperscalers
Till skillnad från GLM-5.3-Flash, som levereras under en ren MIT-licens, kommer GLM-5.3 med en anpassad "GLM-5.3 License". The New Stack karakteriserade den som att den syftade till hyperscalers, och texten bekräftar det. För nästan alla är villkoren i praktiken tillåtande: använd, kopiera, modifiera, slå samman, publicera, distribuera, underlicensiera och sälj, med bara ett krav att inkludera meddelandet.
Undantaget riktar sig till en specifik affärsmodell. Om en licenstagare eller dess dotterbolag driver en "Model as a Service"-verksamhet – som erbjuder tredje part slutledning eller finjusterande åtkomst – och deras sammanlagda intäkter överstiger 10 miljarder USD under några på varandra följande 12 månader, måste de klara en Z.ai säkerhetsgranskning innan någon kommersiell användning av modellen eller dess derivat. Den klausulen drar en cirkel exakt kring de största molnleverantörerna, samtidigt som startups, forskare, företag och medelstora värdar lämnas orörda.
Den tvåspåriga strategin är talande. Flash-varianten, nu avslöjad som Ox Alpha-modellen som blev viral innan TechCrunch avslöjade dess ursprung, körs helt på kinesiskt kisel och bär MIT-flaggan för maximal användning. Flaggskeppet får en skräddarsydd licens som håller hyperscaler-distributionen – särskilt av amerikanska moln – instängd bakom Z.ais egen granskningsprocess.
Kör det själv
För de som är benägna att prova listar modellkortet distributionsstöd över vLLM, SGLang, KTransformers, Unsloth och Hugging Face Transformers, med kokboksrecept för flera av dem. Noterbart är att Huawei Ascend NPU-distribution dokumenteras genom vLLM-Ascend, xLLM och SGLang – fortsätter labbets strävan att bevisa att frontier-modeller körs på icke-Nvidia-hårdvara. I communityn var DeepInfra först med att erbjuda en tredje parts slutpunkt av den öppna modellen på OpenRouter.
Z.ai publicerade också en teknisk rapport om arXiv, med titeln "GLM-5: from Vibe Coding to Agentic Engineering", som täcker modellfamiljens utveckling.
Varför det är viktigt
Utgåvan komprimerar gapet mellan den stängda gränsen och den öppna gränsen till ett avrundningsfel på många agentiska riktmärken för kodning - veckor, inte år. I kombination med Kimi K3 och DeepSeek-V4 betyder det att utvecklare utanför de största labbet nu har trovärdiga alternativ som de kan äga, granska och finjustera.
Det signalerar också en förändring i hur öppna releaser styrs. MIT-vs-custom-licensen delas inom en enda modellfamilj tyder på att kinesiska labb lär sig att använda licensiering som strategisk infrastruktur: öppenhet där det bygger ett ekosystem, utnyttjande där det skyddar position. Nästa test kommer att vara om någon MaaS-operatör över 10 miljarder dollar faktiskt underkastar sig en Z.ai-säkerhetsgranskning – eller om klausulen helt enkelt håller de största molnen borta medan alla andra bygger på toppen.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
