GLM-5.3

Qu'est-ce que GLM-5.3 ?

GLM-5.3 est le dernier modèle frontalier de Z.ai, conçu spécifiquement pour les tâches complexes de codage et d'agents à long horizon. Il partage le même modèle de base que son prédécesseur, GLM-5.2 — chaque amélioration provient d'un scaling massif du post-entraînement plutôt que de changements architecturaux. Le résultat est une performance SOTA open-source en codage agentique, ainsi que des capacités émergentes en découverte de vulnérabilités et en cyberdéfense qui n'étaient pas explicitement ciblées lors de l'entraînement.

À qui s'adresse-t-il

• Ingénieurs logiciels professionnels travaillant sur des projets d'infrastructure pluriquotidiens, où le modèle peut prendre en charge des tâches de bout en bout comme le diagnostic de goulots d'étranglement, la mise en œuvre d'optimisations et l'exécution d'expériences sur des clusters de calcul.
• Chercheurs en sécurité et équipes red team à la recherche d'un modèle ouvert avec de véritables capacités cybernétiques — GLM-5.3 montre des résultats solides sur les benchmarks de génération d'exploits et de découverte de vulnérabilités sans sacrifier les capacités générales de codage.
• Développeurs de produits IA ayant besoin d'un modèle capable de gérer de manière autonome des workflows d'agents à long horizon, réduisant ainsi le besoin pour les utilisateurs de décomposer les problèmes et de superviser chaque étape.

Fonctionnalités clés

Scaling massif du post-entraînement

Les gains de GLM-5.3 proviennent entièrement du scaling du post-entraînement sur la pile construite pour GLM-5.2 : IndexShare pour un traitement efficace des contextes longs, SAO pour l'apprentissage par renforcement sur des tâches à long horizon, et slime pour l'entraînement asynchrone à grande échelle. Au cours du dernier mois, Z.ai a augmenté les environnements, la diversité des tâches et la puissance de calcul — sans aucune modification du modèle de base.

Environnements de tâches synthétisés

Pour aller au-delà des benchmarks construits à la main, Z.ai a développé des pipelines qui synthétisent des environnements exécutables et vérifiables de bout en bout. Des agents de recherche collectent des schémas de tâches issus du travail réel et les convertissent en environnements à long horizon avec des dépendances multi-étapes et un état caché. Un agent juge vérifie la résolvabilité, et les vérificateurs sont synthétisés sans accès aux solutions de référence, fermant ainsi les raccourcis de récompense.

Capacités cybernétiques émergentes

Grâce à l'entraînement sur des workflows proches de la production, GLM-5.3 a développé des forces inattendues en découverte de vulnérabilités et en cyberdéfense. Il obtient 84,5 sur CyberGym et 54,4 sur ExploitBench — un bond significatif par rapport aux 29/39 de GLM-5.2 sur les tâches 2h/6h d'ExploitGym — démontrant que le scaling du post-entraînement sur un travail d'expert diversifié peut débloquer des capacités au-delà des objectifs d'entraînement initiaux.

Fiabilité à long horizon

La stratégie SAO avec compaction est reprise de GLM-5.2, aidant les gains à persister sur des tâches étendues plutôt que de s'estomper sur des tâches courtes. L'amélioration est spectaculaire : Terminal-Bench 3.0 est passé de 4,6 à 28,3, et DeepSWE v1.1 de 46,2 à 66,9.

Ce qui se démarque

GLM-5.3 prouve que le scaling du post-entraînement seul — et non l'architecture — est la nouvelle frontière pour le codage agentique et les capacités cybernétiques.

C'est la meilleure performance open-source à ce jour sur les benchmarks de codage agentique, et les résultats cybernétiques sont véritablement surprenants. Le pipeline d'environnements synthétisés est également une réalisation d'infrastructure majeure : il déplace le goulot d'étranglement de la capacité du modèle vers la génération d'environnements, et Z.ai travaille déjà à rendre ce processus plus autonome. Pour les équipes ayant besoin d'un modèle ouvert capable de prendre en charge un travail substantiel de bout en bout, GLM-5.3 est actuellement la référence à battre.

À explorer si…

Vous développez des outils de codage agentique, des workflows de recherche en sécurité, ou de l'automatisation à long horizon nécessitant un modèle capable de prendre réellement en charge des tâches. Si vous attendiez un modèle ouvert qui approche les modèles frontaliers fermés sur le codage complexe et le travail cybernétique, GLM-5.3 mérite une évaluation sérieuse.