A Zhipu GLM-5.3 modellje a skálázott utótanítás révén növelte teljesítményét

A Z.ai kiadta a GLM-5.3-at, amely a GLM-5.2 743 milliárd paraméteres alapját használja változatlanul, a teljesítménynövekedést kizárólag a skálázott utótanítás révén érve el. A fejlődés a hosszú távú kódolási feladatoknál a legszembetűnőbb: a Terminal-Bench 3.0 eredménye 4,6-ról 28,3-ra, a DeepSWE v1.1-é 46,2-ről 66,9-re nőtt. A kiberbiztonsági eredmények meglepőbbek: a Z.ai sebezhetőség-felderítési adatokat adott hozzá a modellhez, szerény javulásra számítva, ám a tanítás skálázásával a modell koherens, többlépcsős kihasználási terveket kezdett alkotni, amivel a CyberGym-en elért 84,5%-kal megelőzte a Mythos 5 és a GPT-5.6 Sol modelleket is. A nehezebb kódolási benchmarkokon azonban még elmarad a Claude Fable 5-től, az ExploitBench és az ExploitGym teszteken pedig a Mythos 5 mögött kullog. A modell már élőben elérhető a Z.ai API-ján, a Coding Plan-ben és a ZCode-ban; a súlyok (weights) körülbelül két hét múlva érkeznek, a biztonsági értékelés lezárultát követően.