GLM-5.3 выходит: кодинг ближе к Fable 5, найден баг 40-летней давности

В бенчмарках модель стала самой результативной среди open-source. При этом с ростом числа токенов точность кодинга продолжает расти: на высоком уровне она достигает показателей Claude Opus 4.8 при заметно меньших затратах. Отдельный акцент сделан на безопасности. В белом ящике CyberGym модель набрала 84,5 процента, улучшив результат прошлой версии 77,2 процента. Перед релизом Zhipu вместе с университетами и компаниями провела интенсивные red team-тесты: было найдено 2404 уязвимости, из них 1088 — среднего и высокого уровня. Они затрагивают 220 проектов: от ядра операционных систем до интернет-протоколов. Самый старый баг пролежал в коде 40 лет.

Журналисты провели собственные испытания. GLM-5.3 по текстовому описанию собрала интерактивную версию эпизода из «Властелина колец», разобрала 3D-модель часов и создала полноценную мини-игру с базой данных, правами доступа и тестами. В задаче на поиск уязвимостей модель нашла все 12 заложенных классов багов в веб-приложении и не стала дублировать однотипные проблемы. Затем она сама исправила все найденные дыры, добавила регрессионные тесты, и все 54 проверки прошли. Отдельно проверяли честность модели: на компьютере без GPU GLM-5.3 не стала имитировать работу с CUDA, а честно пометила результаты как непроверенные, где это было необходимо.

Как отмечают в компании, безопасность становится неотъемлемой частью инженерной работы агентов: они получают доступ к репозиториям, терминалу и деплою, поэтому должны не только писать код, но и видеть риски, исправлять их и знать границы своих доказательств.