Z.ai выпустила GLM-5.3, но главный сюрприз оказался не в очередном улучшении кодинга. Компания говорит, что модель неожиданно сильно прибавила в кибербезопасности, хотя при обучении разработчики прежде всего масштабировали reinforcement learning на задачах, похожих на реальную работу инженеров.
Базовая модель осталась той же, что у GLM-5.2: весь прирост обеспечило постобучение. На внутреннем Z.ai Code Bench результат вырос на 50%, а на DeepSWE v1.1 — с 46,2% до 66,9%. В Terminal-Bench 3.0 скачок ещё заметнее: с 4,6% до 28,3%.
Но затем началось самое интересное. В Z.ai добавили в обучение задачи по поиску уязвимостей и обнаружили, что способность модели развивается быстрее ожидаемого. На CyberGym GLM-5.3 получила 84,5% против 77,2% у GLM-5.2, а на ExploitBench результат вырос более чем вдвое — с 24,4% до 54,4%.
Проверка на реальном коде дала ещё более впечатляющую картину. По данным Z.ai, совместно с командами по безопасности модель обнаружила 2436 уязвимостей в 269 проектах, включая 1097 проблем средней и высокой критичности. Самая старая из них появилась примерно 45 лет назад, в 1981 году.
При этом GLM-5.3 пока нельзя скачать: веса обещают выпустить через две недели после релиза, после проверки безопасности и дополнительного усиления защиты.
Получается любопытный эффект: разработчики масштабировали RL ради более самостоятельного решения сложных задач, а получили ещё и резкий рост возможностей в поиске уязвимостей. Для рынка это важный сигнал — дальнейшее развитие ИИ может одновременно ускорять разработку и открывать новые инструменты для поиска проблем в коде.
