GLM-5.3: новая модель Z.ai меняет подход к AI-агентам
Китайский стартап Z.ai выпустил GLM-5.3 — языковую модель с существенным приростом возможностей в долгосрочном программировании и кибербезопасности. Примечательно, что модель построена на той же базовой архитектуре, что и GLM-5.2: улучшения получены исключительно за счёт масштабирования постобучения, без нового цикла предобучения.
Для предпринимателей и технических руководителей здесь важен не сам факт выхода очередной модели, а то, что этот релиз ставит практические вопросы о доступе, безопасности и стоимости AI-агентов в корпоративной среде.
Что изменилось в возможностях модели
GLM-5.3 показывает значительный рост на нескольких бенчмарках для агентных задач. На Terminal-Bench 3.0 модель улучшилась с 4,6 до 28,3 балла, на DeepSWE v1.1 — с 46,2 до 66,9, на AutomationBench — с 26,2 до 48,2. Это не лидирующие позиции среди всех конкурентов: по данным самой Z.ai, GPT-5.6 Sol набирает 34,6 на Terminal-Bench, Claude Fable 5 — 33,7. Однако разрыв сократился за один цикл постобучения, что само по себе показательно.
Важный практический аспект — токенная эффективность. На внутреннем бенчмарке Z.ai Code Bench модель достигает 34,5% при режиме Max, потребляя около 75 000 выходных токенов на задачу, тогда как GLM-5.2 давала 23,4% при 96 000 токенах. Для компаний, которые запускают долгосрочные агентные циклы, это напрямую влияет на стоимость инференса и скорость выполнения задач.
Задачи, на которых обучалась модель, Z.ai описывает как приближённые к реальным инженерным процессам: агент получает доступ к кодовой базе, документации, вычислительным кластерам и должен диагностировать проблемы, вносить изменения, проводить эксперименты и демонстрировать измеримый результат. Некоторые сценарии рассчитаны на эквивалент нескольких дней работы опытного инженера.
Кибербезопасность: неожиданный результат постобучения
Наиболее чувствительная часть релиза касается кибербезопасности. Z.ai включила сценарии поиска уязвимостей в постобучение, ожидая умеренного прогресса. Вместо этого, по словам компании, возможности модели начали распространяться дальше по цепочке эксплойтов — от выявления уязвимостей к построению полных векторов атаки.
На CyberGym GLM-5.3 набирает 84,5% против 77,2% у GLM-5.2, превосходя по этому показателю GPT-5.6 Sol (83,6%) и Mythos 5 (83,8%) по данным Z.ai. На ExploitBench результат вырос с 24,4% до 54,4%, хотя здесь модель уступает ведущим конкурентам. Разработчик Z.ai опубликовал в X сообщение о том, что GLM-5.3 обнаружила потенциально серьёзную уязвимость в Cursor — AI-среде для разработки, недавно приобретённой SpaceX. На момент публикации исходной новости Cursor не подтвердил и не опроверг этот факт.
Z.ai сообщает, что в рамках работы с командами безопасности в Китае модель выявила 2 436 уязвимостей в 269 проектах. Из них 1 097 классифицированы как критические или высокой степени серьёзности, 53 раскрыты публично, остальные находятся под эмбарго. В ответ компания вводит «доверенный доступ» для наиболее чувствительных функций и откладывает публикацию открытых весов до завершения оценки безопасности — примерно на две недели после выпуска.
Это создаёт принципиальное противоречие для open-source стратегии: те же агентные возможности, которые делают модель полезной для разработки, делают её потенциально опасной в руках злоумышленника.
Практические последствия для бизнеса
Для компаний, уже использующих или планирующих использовать GLM-модели в производственных системах, важно учесть несколько конкретных изменений.
- GLM-5.3 не позволяет отключить режим мышления: приложения, передающие параметр thinking.type: disabled, получат ошибку — требуется явное указание уровня рассуждений.
- Модель пока доступна только через GLM Coding Plan и среду ZCode, API и открытые веса появятся позже.
- Тарифные планы варьируются от $12,60 в месяц для Lite до $188 за пользователя в месяц для командного Premium-доступа.
- Звонки вне пиковых часов в будни потребляют 50% от стандартного расхода кредитов.
- Общая стоимость API пока не раскрыта, что затрудняет прямое сравнение с конкурентами.
Компаниям, которые интегрировали GLM в свои пайплайны, необходимо проверить совместимость API-вызовов до миграции на новую версию: это не просто обновление идентификатора модели, а изменение поведения по умолчанию.
Для тех, кто только оценивает рынок AI-агентов для разработки, релиз GLM-5.3 подтверждает, что разрыв между открытыми и закрытыми моделями по агентным задачам сокращается. Одновременно он показывает, что по мере роста возможностей агентов вопрос доступа и ограничений становится всё более значимым для корпоративных закупок.
Кибербезопасностная составляющая релиза имеет значение и для тех компаний, которые не используют GLM напрямую. Рост возможностей AI в поиске уязвимостей означает, что собственный код, облачная инфраструктура и API становятся более уязвимыми — вне зависимости от того, какой моделью пользуется потенциальный атакующий. Это аргумент в пользу планового аудита безопасности и работы с программами ответственного раскрытия уязвимостей.
Для бизнеса это означает: если ваша компания использует AI-агентов в разработке или планирует их внедрение, необходимо до конца 2025 года провести аудит безопасности API и кодовой базы — рост возможностей моделей в области эксплойтов делает этот шаг частью базовой операционной гигиены, а не опциональной мерой.