زیپ نے آج باضابطہ طور پر GLM-5.3 جاری کیا۔ GLM-5.2 کے مقابلے میں بنیادی ماڈل میں کوئی تبدیلی نہیں کی گئی، تاہم پوسٹ ٹریننگ Scaling کے ذریعے ماڈل کی ذہانت کی بالائی حد میں نمایاں اضافہ کیا گیا ہے: طویل مدتی کاموں کے درجنوں گنا زیادہ ماحول، زیادہ متنوع ماحول کی اقسام، اور انتہائی طویل پوسٹ ٹریننگ کا وقت۔
پچھلی نسل کے مقابلے میں GLM-5.3 کی نئی صلاحیتوں میں شامل ہیں:
زیادہ مضبوط پروگرامنگ صلاحیت۔ GLM-5.3 پروگرامنگ کی صلاحیت رکھنے والا سب سے مضبوط اوپن سورس ماڈل ہے۔ اندرونی طور پر تیار کردہ حقیقی تجرباتی جائزوں میں یہ GLM-5.2 سے 50٪ بہتر ہے، جبکہ Terminal Bench 3.0 اور Agents' Last Exam (CLI) سمیت عوامی بینچ مارک ٹیسٹوں میں اوپن سورس ماڈلز میں پہلی پوزیشن حاصل کرتا ہے۔
سائبر سکیورٹی کی صلاحیت۔ وائٹ باکس کوڈ ریویو اور کمزوریوں کی دریافت جیسے سکیورٹی کاموں میں GLM-5.3 کی کارکردگی Mythos 5 کے برابر ہے، جو سائبر سکیورٹی کے دفاعی منظرناموں کے لیے اس کی مضبوط صلاحیت کو ظاہر کرتی ہے۔
پوسٹ ٹریننگ Scaling۔ مذکورہ تمام بہتریاں پوسٹ ٹریننگ سے حاصل ہوئی ہیں۔ IndexShare، SAO اور مسلسل ترقی پذیر نئی نسل کے Slime فریم ورک کی بنیاد پر زیپ نے GLM-5.2 کے بالکل یکساں بنیادی ماڈل پر مؤثر طریقے سے Reinforcement Learning آگے بڑھائی ہے۔ ممکن ہے زیپ نے ابھی تک اس بنیادی ماڈل کی ذہانت کی بالائی حد کو مکمل طور پر دریافت نہ کیا ہو۔
اوپن سورس۔ زیپ اجرا کے دو ہفتے بعد ماڈل کے وزن جاری کرے گا، اس سے پہلے سکیورٹی جائزہ اور ماڈل کو مضبوط بنانے کا کام مکمل کیا جائے گا۔
زیپ کے مطابق، متعدد معروف بینچ مارک ٹیسٹوں میں GLM-5.3 اس وقت سب سے زیادہ درجہ رکھنے والا اوپن سورس ماڈل ہے۔ پروگرامنگ اور ایجنٹ کی صلاحیتوں میں یہ Claude Fable 5 کے قریب ہے، جبکہ پروگرامنگ کے حقیقی تجربے میں دیگر مقامی ماڈلز سے بہتر ہے۔
Terminal-Bench 3.0 میں، جو حقیقی ٹرمینل ماحول میں پیچیدہ کام مکمل کرنے کی ماڈل کی صلاحیت کو جانچتا ہے، GLM-5.3 کا اسکور 4.6 سے بڑھ کر 28.3 ہو گیا؛
DeepSWE v1.1 میں، جو طویل مدتی سافٹ ویئر انجینئرنگ اور مسلسل کوڈ ترمیم کی صلاحیت پر توجہ مرکوز کرتا ہے، اسکور 46.2 سے بڑھ کر 66.9 ہو گیا؛
Agents' Last Exam میں، جو متعدد حقیقی پیشہ ورانہ منظرناموں کا احاطہ کرتا ہے اور ٹولز کے درمیان تعاون اور طویل مدتی کاموں پر زور دیتا ہے، اسکور 23.8 سے بڑھ کر 28.5 ہو گیا؛
GDPval-AA v2 میں، جو 44 پیشوں کا احاطہ کرتا ہے اور حقیقی اعلیٰ قدر والی علمی ملازمتوں کا جائزہ لیتا ہے، GLM-5.3 نے 1,769 اسکور حاصل کیا، جو پروگرامنگ کی صلاحیت سے ابھرنے والی پیشہ ورانہ کاموں کی انجام دہی کی صلاحیت کو ظاہر کرتا ہے۔
زیپ کے خود تیار کردہ Z.ai Code Bench میں حقیقی پروگرامنگ منظرناموں کے اندر ماڈل کے مجموعی حقیقی تجربے کا جائزہ لیا جاتا ہے۔ ماڈل کو پیچیدہ مقامی ترقیاتی ماحول میں رکھا جاتا ہے اور سوچنے کی مختلف سطحوں کے تحت End-to-End کام انجام دینے کو کہا جاتا ہے، جو Coding Agent استعمال کرتے وقت ڈویلپر کے حقیقی تجربے سے زیادہ قریب ہے۔
ٹیسٹ کے نتائج سے ظاہر ہوتا ہے کہ GLM-5.3 نے نتائج اور Token کے استعمال کی شرح کے درمیان بہتر توازن حاصل کیا ہے۔ High سطح پر GLM-5.3 نے 31.4٪ درستگی حاصل کی، جو Claude Opus 4.8 کی اعلیٰ ترین سطح کے 29.5٪ سے زیادہ ہے۔ ہر کام کے لیے اوسطاً تقریباً 50 ہزار tokens آؤٹ پٹ درکار ہوئے، جبکہ Opus 4.8 کو تقریباً 120 ہزار tokens درکار ہوتے ہیں۔ اس کا مطلب ہے کہ GLM-5.3 کم تر عملی راستے سے کام مکمل کر سکتا ہے۔
آج سے زیپ کے آفیشل پروگرامنگ ٹول ZCode اور پیداواری ٹول AutoClaw دستیاب ہیں، جبکہ GLM Coding Plan تمام صارفین کے لیے کھول دیا گیا ہے اور سبسکرپشن بھی شروع کر دی گئی ہے۔
TraeWork / TraeCode / 扣子، WorkBuddy / CodeBuddy، Qoder / QwenWork، CatPaw، JoyCode اور OpenCode سمیت کوڈنگ پلیٹ فارمز نے ابتدائی تجربے کے لیے رسائی کھول دی ہے۔
API جلد ہی دستیاب ہو جائے گا، جبکہ مکمل ماڈل کے وزن دو ہفتوں کے اندر اوپن سورس کیے جائیں گے۔ اس سے پہلے ضروری سکیورٹی مضبوطی کا کام مکمل کیا جائے گا تاکہ اس کی ممکنہ حملہ آور صلاحیت کو حتی الامکان محدود رکھتے ہوئے دفاعی قدر برقرار رکھی جا سکے۔
آج 13:00 بجے GLM Coding Plan کے تمام صارفین کا کوٹا دوبارہ ترتیب دیا جائے گا، اور تمام صارفین کے پس منظر میں موجود「用量统计」میں استعمال کا مکمل کوٹا نظر آئے گا۔