Z.ai ha presentato GLM-5.3, nuova evoluzione della famiglia GLM progettata per attività di coding e agentic engineering a lungo orizzonte. Il modello mantiene la stessa base di GLM-5.2: i miglioramenti non derivano quindi da una nuova architettura o da un ulteriore ciclo di pre-training, ma dall’ampliamento del post-training, realizzato aumentando il calcolo impiegato e soprattutto il numero e la varietà degli ambienti nei quali il modello viene addestrato a svolgere compiti complessi. GLM-5.3 è già disponibile attraverso le API Z.ai e il GLM Coding Plan ed è stato distribuito agli utenti dei piani esistenti, mentre la pubblicazione dei pesi è prevista dopo circa due settimane, al termine delle attività aggiuntive di valutazione e hardening della sicurezza.
Il sistema di post-training riprende l’infrastruttura introdotta con GLM-5.2, che comprende IndexShare per la gestione del contesto lungo, SAO per il reinforcement learning su attività di lunga durata e slime, framework open source sviluppato per il reinforcement learning asincrono su larga scala. Con GLM-5.3 Z.ai ha esteso soprattutto gli ambienti operativi utilizzati durante l’addestramento, costruendoli per riprodurre vere unità di lavoro professionale anziché semplici esercizi di programmazione. Un ambiente può, per esempio, assegnare al modello il ruolo di un ingegnere di infrastrutture machine learning mettendogli a disposizione cluster di calcolo, documentazione interna, repository software e risultati sperimentali, per poi richiedergli di individuare colli di bottiglia, modificare il sistema e dimostrare un incremento misurabile delle prestazioni. Alcuni dei compiti impiegati nel training corrispondono, secondo Z.ai, a diversi giorni di lavoro per un ingegnere esperto.
La generazione di questi ambienti è stata a sua volta parzialmente automatizzata. Research agent trasformano schemi ricavati da attività reali in ambienti eseguibili di lunga durata, un judge agent verifica che ciascun problema sia effettivamente risolvibile e vengono costruiti verificatori senza fornire loro la soluzione di riferimento. Per una parte dei task anche il reward viene generato automaticamente, mentre le traiettorie prodotte dai solver vengono utilizzate per individuare e chiudere eventuali scorciatoie attraverso le quali il modello potrebbe ottenere una ricompensa senza risolvere correttamente il problema. La pipeline non elimina comunque l’intervento umano, che Z.ai indica ancora come componente significativa del processo di costruzione e verifica degli ambienti.
I miglioramenti più consistenti emergono proprio nei benchmark che richiedono attività prolungate. Su Terminal-Bench 3.0 GLM-5.3 passa dai 4,6 punti di GLM-5.2 a 28,3, mentre su DeepSWE v1.1 sale da 46,2 a 66,9. Nell’edizione CLI di Agents’ Last Exam il risultato passa invece da 23,8 a 28,5. Sul benchmark interno Z.ai Code Bench l’azienda misura un miglioramento del 50% rispetto a GLM-5.2. Nei test effettuati con livelli di effort comparabili, GLM-5.3 raggiunge il 31,4% utilizzando circa 50.000 token di output per attività, contro il 29,5% attribuito a Claude Opus 4.8 con circa 120.000 token, mentre Claude Fable 5 rimane superiore raggiungendo il 39,5% con effort massimo. Nei benchmark pubblici più impegnativi, tra cui Terminal-Bench 3.0 e DeepSWE, GLM-5.3 rimane inoltre dietro a GPT-5.6 Sol e Claude Fable 5.
Una parte rilevante del post-training è stata dedicata alla cybersecurity, introducendo dati e ambienti specifici per l’individuazione delle vulnerabilità. L’obiettivo iniziale era migliorare la capacità di identificare e analizzare singoli difetti nel software, ma aumentando la scala dell’addestramento Z.ai ha osservato un miglioramento anche nella capacità di collegare più fasi di un attacco. Il modello ha iniziato quindi a costruire sequenze coerenti di sfruttamento delle vulnerabilità, passando dall’analisi isolata di un bug alla pianificazione di exploitation chain composte da più passaggi. È proprio questa crescita delle capacità offensive oltre il comportamento atteso durante il training ad aver portato l’azienda a dedicare ulteriore attenzione alle verifiche di sicurezza prima della distribuzione pubblica dei pesi.
Su CyberGym, benchmark che valuta l’individuazione e la validazione di vulnerabilità partendo dal codice sorgente in modalità white-box, GLM-5.3 raggiunge l’84,5%, rispetto al 77,2% di GLM-5.2. Su ExploitBench, che richiede di ragionare su vulnerabilità reali e sulle procedure necessarie per sfruttarle, il risultato passa dal 24,4% al 54,4%. La differenza diventa ancora più evidente su ExploitGym: entro un limite di due ore GLM-5.3 completa 105 task contro i 29 del predecessore, mentre con un budget di sei ore ne completa 130 contro 39. Il risultato rimane però inferiore ai modelli closed frontier più avanzati utilizzati nel confronto: Mythos 5 completa rispettivamente 181 e 247 task nelle stesse finestre temporali.
Z.ai ha inoltre impiegato i propri modelli in collaborazione con diversi team di sicurezza in Cina per verificare la capacità di trasferire questi risultati dai benchmark al software reale. A partire da GLM-5.2 sono state individuate 2.436 vulnerabilità distribuite su 269 progetti open source, delle quali 1.097 classificate con severità critica o alta. I problemi riguardano componenti che comprendono kernel di sistema, sistemi operativi, motori dei browser e protocolli di rete e, in diversi casi, erano presenti nel codice da molti anni. La vulnerabilità più vecchia individuata nell’attività risalirebbe a codice introdotto nel 1981.
Le vulnerabilità vengono gestite attraverso lo Z.ai Security Disclosure Ledger, utilizzato per seguirne l’intero ciclo di divulgazione coordinata. Al momento del lancio di GLM-5.3 risultano 53 problemi già divulgati pubblicamente e associati a un CVE, mentre altri 2.383 rimangono sotto embargo durante il processo di comunicazione e correzione con i progetti interessati. Tra i casi recenti figurano una vulnerabilità use-after-free nel kernel Linux, un problema nella gestione della memoria di WebKit con effetti su Apple Safari e un errore di validazione dei parametri in FreeBSD.
GLM-5.3 introduce anche una modifica al funzionamento dell’API. Il reasoning può essere configurato attraverso tre livelli di thinking effort, low, high e max, ma non può più essere completamente disattivato. La modifica rappresenta quindi un breaking change per le applicazioni che utilizzavano GLM-5.2 con il thinking disabilitato. Nel GLM Coding Plan il nuovo modello è già disponibile per gli utenti e la documentazione Z.ai indica GLM-5.3, GLM-5-Turbo e GLM-4.7 tra i modelli supportati; le richieste indirizzate ai precedenti GLM-5.2 e GLM-5.1 vengono ora instradate automaticamente verso GLM-5.3.
La distribuzione dei pesi è prevista verso la fine di agosto, dopo il periodo dedicato alle valutazioni di sicurezza e all’hardening. Sarà questo passaggio a rendere GLM-5.3 effettivamente disponibile come modello open-weights e a permettere verifiche indipendenti dei risultati dichiarati, compresi quelli ottenuti sul benchmark interno Z.ai Code Bench e sui test di cybersecurity eseguiti con le configurazioni definite dall’azienda. Fino ad allora il modello può essere utilizzato tramite i servizi Z.ai, mentre l’accesso diretto ai pesi rimane temporaneamente sospeso proprio per le capacità di exploitation emerse durante la fase di post-training.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)