Z.ai、ベースモデルを再学習せずGLM-5.3をリリース — 複雑なコーディングと長期的タスクで向上

Z.aiはGLM-5.3をリリースした。このモデルはGLM-5.2と同じ743Bパラメータのベースモデルを再学習なしで使用しており、報告された改善はすべて後処理（ポストトレーニング）のスケール拡大によるものである。具体的には、タスク環境の増加、環境タイプの多様化、トレーニング時間の延長が挙げられる。コーディング性能は最も長期的なベンチマークで顕著に向上し、Terminal-Bench 3.0は4.6から28.3へと跳ね上がった。サイバーセキュリティ分野では予想以上の進展があり、CyberGymは84.5%に達した。

展開状況は部分的である。GLM-5.3はZ.ai API、GLM Coding Plan、ZCodeを通じて利用可能だが、ウェイト（重み）は未公開だ。Z.aiは安全性の評価と強化が完了した後、発売から約2週間以内に公開するとしている。スタートアップや中規模のエンジニアリング組織はCoding PlanまたはAPIを介して直ちに採用できる。データの保存場所やベンダーレビューのルールがある企業は、ウェイトの公開を待つべきだろう。セキュリティベンダーやMSSPにとっては、最大のシグナルと同時に最大のポリシーリスクをもたらす。

コーディング結果について、Terminal-Bench 3.0はGLM-5.2比で4.6から28.3へ、DeepSWE v1.1は46.2から66.9へ、Agents' Last Exam (CLI)は23.8から28.5へ改善した。44の職業を網羅するGDPval-AA v2では1769点を記録した。Z.ai独自のCode BenchではGLM-5.2から50%の改善を報告しており、およそ5万出力トークン/タスクで31.4%を達成。比較として、Claude Opus 4.8は12万トークンで29.5%、Claude Fable 5は最大努力で39.5%と依然リードしている。Z.aiはプライベートベンチマークがデータ汚染のリスクを減らすと主張する。公開スイートでは、GLM-5.3はいくつかの高難度コーディング評価でGPT-5.6 SolやFable 5に劣る。すべての数値はベンダー報告によるもので、ハーネスやコンテキスト長、サンプリング設定は発表に記載されている。

サイバーセキュリティの結果は計画外だったとZ.aiは強調する。脆弱性発見データを追加した際、単一バグの推論が向上することを期待していたが、訓練を拡大するにつれて能力が複合的に伸び、モデルはエクスプロイトチェーン全体にわたる一貫した計画を立て始めた。CyberGymは77.2%から84.5%に上昇し、Mythos 5（83.8%）やGPT-5.6 Sol（83.6%）を上回った。ExploitBenchは24.4%から54.4%へ倍増以上となったが、Mythos 5は78.0%で依然上回る。ExploitGymでは、GLM-5.3は2時間で105タスク、6時間で130タスクを完了。GLM-5.2はそれぞれ29と39、Mythos 5は181と247を完了した。パターンは一貫しており、エクスプロイトチェーンの奥深くのベンチマークほどGLM-5.2からの改善が大きいが、クローズドなフロンティアモデルとの差も広がっている。

重要なポイント：GLM-5.3はGLM-5.2のベースモデルを再利用しており、すべての改善は後処理による。Terminal-Bench 3.0は4.6→28.3、CyberGymは84.5%、ExploitBenchは54.4%。ウェイトは約2週間後に公開予定。