智谱は本日、GLM-5.3を正式に発表した。GLM-5.2と比べて基盤モデルは変わらないが、ポストトレーニングのスケーリングによってモデルの知能上限を大幅に引き上げた。数十倍に増えた長期タスク環境、より豊富で多様な環境タイプ、そして非常に長時間のポストトレーニングを実施している。
前世代と比べ、GLM-5.3の新たな能力は以下のとおり。
より高いプログラミング能力。GLM-5.3はプログラミング能力で最強のオープンソースモデルであり、社内で構築した実使用感評価ではGLM-5.2を50%上回った。Terminal Bench 3.0、Agents' Last Exam (CLI)などの公開ベンチマークでも、オープンソースモデルとして首位を獲得している。
サイバーセキュリティ能力。ホワイトボックスコードレビューや脆弱性発見などのセキュリティタスクにおいて、GLM-5.3はMythos 5と同等の性能を示し、サイバーセキュリティ防御シーンでの大きな可能性を見せている。
ポストトレーニングのスケーリング。上記の向上はすべてポストトレーニングによるものだ。IndexShare、SAO、そして継続的に進化する次世代Slimeフレームワークを基盤に、智谱はGLM-5.2とまったく同じ基盤上で強化学習を効率的に進めている。智谱は、この基盤の知能上限をまだ十分に引き出せていない可能性がある。
オープンソース化。智谱は発表から2週間後にモデルの重みを公開する予定で、それまでに安全性評価とモデルの強化を完了する。
智谱によると、複数の主要ベンチマークでGLM-5.3は現在最も高い順位のオープンソースモデルであり、プログラミング能力とエージェント能力はClaude Fable 5に近く、プログラミングの実使用感では他の中国製モデルを上回る。
実際のターミナル環境で複雑なタスクを完了する能力を測るTerminal-Bench 3.0では、GLM-5.3のスコアが4.6から28.3に向上した。
長期的なソフトウェアエンジニアリングと継続的なコード変更能力に焦点を当てたDeepSWE v1.1では、スコアが46.2から66.9に向上した。
複数の実在する専門分野を対象とし、ツール間の連携と長期タスクを重視するAgents' Last Examでは、スコアが23.8から28.5に向上した。
44種類の職業を対象に、実際の高価値な知識労働を評価するGDPval-AA v2では1,769点を獲得し、プログラミング能力から創発した専門タスク遂行能力を示した。
智谱が独自開発したZ.ai Code Benchは、実際のプログラミングシーンにおけるモデルの総合的な実使用感を評価する。モデルを複雑なローカル開発環境に置き、異なる思考レベルでエンドツーエンドのタスクを実行させることで、開発者がCoding Agentを実際に使用する際の体験に近づけている。
テスト結果によると、GLM-5.3は性能とToken利用効率の間でより良いバランスを実現した。Highレベルでは、GLM-5.3の正解率は31.4%に達し、Claude Opus 4.8の最高レベルの29.5%を上回った。1タスクあたりの平均出力は約5万tokensで、Opus 4.8の約12万tokensより少なく、GLM-5.3がより短い実行経路でタスクを完了できることを意味する。
本日より、智谱公式のプログラミングツールZCodeと効率化ツールAutoClawの提供を開始し、GLM Coding Planの全ユーザー向け提供およびサブスクリプションを開始する。
TraeWork / TraeCode / 扣子、WorkBuddy / CodeBuddy、Qoder / QwenWork、CatPaw、JoyCode、OpenCodeなどのコーディングプラットフォームでは、先行体験を開始する。
APIはまもなく提供開始予定で、完全なモデルの重みは2週間以内にオープンソース化される。それまでに必要な安全強化を完了し、潜在的な攻撃能力を可能な限り制限しながら、防御面での価値を維持する。
本日13:00に、GLM Coding Planの全ユーザー向け利用枠をリセットする。すべてのユーザーはバックエンドの「使用量統計」で、利用可能枠が満額に戻ったことを確認できる。