Z.ai, китайська лабораторія штучного інтелекту, раніше відома як Zhipu AI, опублікувала повну вагу своєї моделі GLM-5.3 на Hugging Face, перетворивши одну з найпотужніших доступних моделей кодування та агентів у безкоштовне завантаження. Реліз був опублікований 28 серпня, всього через кілька днів після того, як лабораторія підтвердила, що вірусна стелс-модель, відома як «Ox Alpha», насправді була її власним GLM-5.3-Flash, і вона виконує обіцянку відкритих ваг, за якою спільнота уважно стежила весь тиждень.
Сторінка моделі швидко зібрала понад 1100 лайків, а тема Hacker News, яка оголосила про випуск, перевищила 600 балів, оскільки розробники перетравлювали те, що зараз знаходиться в загальнодоступному сховищі: 141 файл safetensors, надісланий у FP8, який містить, можливо, найефективнішу модель кодування, яку можна відкрито завантажувати на сьогодні. For more context on this story, see our ongoing AI industry coverage.
Що насправді відправив Z.ai
GLM-5.3 — це модель Mixture of Experts, побудована на архітектурі, яку Z.ai називає glm_moe_dsa. Згідно з конфігурацією, опублікованою разом із вагами, мережа складається з 78 рівнів із 256 маршрутизованими експертами, активуючи 8 експертів на токен плюс одного спільного експерта. Контекстне вікно охоплює 1 048 576 токенів — цілий мільйон — і модель підтримує параметр «reasoning_effort» із низькими, високими та максимальними налаштуваннями, за замовчуванням макс.
Мабуть, найцікавішим зауваженням у картці моделі є відвертість про те, звідки взялися вдосконалення: GLM-5.3 використовує ту саму базову модель, що й GLM-5.2, і всі переваги походять після навчання. Лабораторія однозначно описує результат як «найбільш ефективну модель відкритого ваги для кодування».
Контрольні показники: Open-Weights SOTA щодо кодування Agentic
Опублікована оціночна таблиця обширна та надзвичайно конкретна щодо своєї методології, у ній наведено результати проти Kimi K3, DeepSeek-V4 Pro-0813, Qwen3.8-Max, Opus 4.8 від Anthropic, Fable 5 від Google та GPT-5.6 Sol від OpenAI.
На термінальному стенді 3.0 GLM-5.3 набирає 28,3 — сучасний рівень мистецтва з відкритим вихідним кодом і стрибок із 4,6 для GLM-5.2, хоча все ще відстає від закритого кордону Fable 5 — 33,7 і GPT-5.6 Sol — 34,6. На термінальному стенді 2.1 він показує 88,2, фактично нарівні з Kimi K3 і GPT-5.6 Sol і випереджаючи 85,0 Opus 4.8. Результати DeepSWE підскочили з 46,2 до 66,9 між версіями, а GLM-5.3 очолює таблицю на AutomationBench з 48,2 і на GDPval-AA v2 з 1769, останній оцінив Artificial Analysis.
Z.ai також повідомляє про покращення на 50% у порівнянні з GLM-5.2 у своєму внутрішньому Code Bench, а також про найкращі результати у відкритих вагах у таких тестах, як «Останній іспит агентів».
Питання кіберздатності
Картка моделі надзвичайно відверта щодо розвитку, за якою дослідники безпеки відстежували протягом кількох місяців: «У міру того, як ми розширювали масштаби після навчання, кіберпотенціал розвивався швидше, ніж ми очікували», — йдеться у картці. GLM-5.3 є найсучаснішим у CyberGym для виявлення вразливостей на рівні 84,5, випереджаючи кожну модель на столі, включаючи GPT-5.6 Sol, і більш ніж удвічі перевищує GLM-5.2 за тестами експлуатації — 54,4 проти 24,4 на ExploitBench і 105/130 проти 29/39 на ExploitGym два бюджети часу.
AI Buzz Wire охопив ці можливості, коли вони з’явилися у випуску лише для API в середині серпня. Що змінилося зараз, так це розподіл: ваги можна завантажити, квантовані збірки спільноти, ймовірно, швидко з’являться, і будь-хто з достатньою пам’яттю може запускати модель локально. Під час обговорення Hacker News деякі користувачі відзначили, що модель здається менш обмежувальною щодо завдань, пов’язаних із безпекою, ніж альтернативи, розміщені в США. Це враження спільноти, а не офіційна політика, але відображає те, чому цей випуск обговорюється в колах безпеки так само, як і в колах розробників.
Ліцензія, спрямована на гіпермасштабувальників
На відміну від GLM-5.3-Flash, який постачався за чистою ліцензією Массачусетського технологічного інституту, GLM-5.3 поставляється зі спеціальною «ліцензією GLM-5.3». New Stack охарактеризував це як спрямоване на гіперскейлерів, і текст це підтверджує. Майже для всіх умови фактично є дозвільними: використовувати, копіювати, змінювати, об’єднувати, публікувати, розповсюджувати, субліцензувати та продавати, лише з вимогою включити повідомлення.
Виняток стосується однієї конкретної бізнес-моделі. Якщо ліцензіат або його філії ведуть бізнес «Модель як послуга», пропонуючи третім особам доступ до висновків або тонкого налаштування, і їхній сукупний дохід перевищує 10 мільярдів доларів США протягом будь-яких послідовних 12 місяців, вони повинні пройти перевірку безпеки Z.ai перед будь-яким комерційним використанням моделі або її похідних. Це положення окреслює коло саме навколо найбільших хмарних провайдерів, залишаючи недоторканими стартапи, дослідників, підприємства та хости середнього масштабу.
Двосторонній підхід показовий. Варіант Flash, тепер представлений як модель Ox Alpha, яка стала вірусною до того, як TechCrunch розкрив її походження, повністю працює на китайському кремнієвому процесорі та має позначку MIT для максимального впровадження. Флагман отримує спеціальну ліцензію, яка тримає розгортання гіперскейлера — особливо в американських хмарах — під контролем власного процесу перевірки Z.ai.
Запустіть це самостійно
Для тих, хто хоче спробувати, картка моделі містить список підтримки розгортання через vLLM, SGLang, KTransformers, Unsloth і Hugging Face Transformers, а також кулінарні рецепти для деяких із них. Зокрема, розгортання Huawei Ascend NPU задокументовано за допомогою vLLM-Ascend, xLLM і SGLang — це продовжує роботу лабораторії, щоб довести, що передові моделі працюють на обладнанні не від Nvidia. У спільноті DeepInfra першим запропонував сторонню кінцеву точку відкритої моделі на OpenRouter.
Z.ai також опублікував технічний звіт про arXiv під назвою «GLM-5: від Vibe Coding до Agentic Engineering», в якому розповідається про розвиток сімейства моделей.
Чому це важливо
Випуск стискає розрив між закритим і відкритим кордоном до помилки округлення на багатьох тестах агентського кодування — тижні, а не роки. У поєднанні з Kimi K3 і DeepSeek-V4 це означає, що розробники за межами найбільших лабораторій тепер мають надійні альтернативи, якими вони можуть володіти, перевіряти та точно налаштовувати.
Це також сигналізує про зміну способів управління відкритими випусками. Розподіл MIT-vs-custom-licence в рамках єдиної сімейства моделей свідчить про те, що китайські лабораторії вчаться використовувати ліцензування як стратегічну інфраструктуру: відкритість там, де воно створює екосистему, важіль там, де воно захищає позицію. Наступним тестом буде перевірка того, чи будь-який оператор MaaS вартістю понад 10 мільярдів доларів справді піддасться перевірці безпеки Z.ai — чи це положення просто тримає найбільші хмари позаду, поки всі інші будують на вершині.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
