نتائج مقاييس الأمن السيبراني مقابل المنافسين الأمريكيين

النتيجة الأبرز لـ GLM-5.3 كانت في اختبار CyberGym، وهو مقياس من مبادرة UC Berkeley لتطوير الذكاء الاصطناعي المسؤول، ويختبر قدرة النموذج على تحديد والتحقق من الثغرات الأمنية الحقيقية انطلاقاً من كود المصدر . هنا، سجل GLM-5.3 84.5%، متجاوزاً كلاً من Mythos 5 من Anthropic (83.8%) و GPT-5.6 Sol من OpenAI (83.6%) .

لكن الصورة تختلف جذرياً في اختبار ExploitBench، الذي يتطلب تفكيراً أعمق في كيفية استغلال الثغرة فعلياً وإنتاج كود استغلالي فعال. GLM-5.3 ضاعف درجة سابقه، مرتفعاً من 24.4% إلى 54.4% . ومع ذلك، تشير تقارير Z.ai إلى أن Mythos 5 يسجل 78% على ExploitBench و GPT-5.6 Sol يسجل 76.5%، مما يضع GLM-5.3 متخلفاً بفارق كبير في هذا المقياس الأصعب .

أما في اختبار ExploitGym، الذي يقيس عدد مهام الاستغلال التي يمكن للنموذج إكمالها ضمن ميزانية زمنية محددة، فقد أكمل GLM-5.3 105 مهام خلال ساعتين (مقارنة بـ 29 لـ GLM-5.2) . وخلال ست ساعات، يرتفع العدد إلى 130 مهمة .

اكتشاف الثغرات في العالم الحقيقي

إلى جانب المقاييس، تم نشر GLM-5.3 في اختبارات أمنية حقيقية وحقق نتائج مذهلة:

• اكتشاف 2,436 ثغرة مؤكدة عبر 269 مشروعاً مفتوح المصدر، مع توثيق النتائج في سجل إفصاح أمني عام لـ Z.ai .
• من بين هذه الثغرات، تم تصنيف 1,097 منها على أنها حرجة أو عالية الخطورة .
• وجد النموذج ثغرات في برمجيات يعود عمرها لحوالي 40 عاماً .
• بعد إطلاقه بفترة قصيرة، اكتشف النموذج ثغرة خطيرة في Cursor، محرر الأكواد المدعوم بالذكاء الاصطناعي .

المقاييس الرئيسية للبرمجة والأداء العام

يسجل GLM-5.3 أرقاماً قوية في مقاييس البرمجة والوكالة الذكية، مما يضعه في صدارة النماذج مفتوحة الوزن لمهام هندسة البرمجيات:

• Terminal-Bench 3.0: سجل 28.3 - الأعلى بين النماذج مفتوحة الوزن ويقترب من نموذج Claude Fable 5 من Anthropic .
• DeepSWE v1.1: قفز من 46.2 إلى 66.9 .
• مقياس Z.ai الداخلي للبرمجة (أقصى جهد): 34.5% (مقابل 23.4% لـ GLM-5.2)، باستخدام حوالي 75,000 رمز إخراج لكل مهمة مقابل 96,000 .
• Agents' Last Exam: المركز الأول بين النماذج مفتوحة الوزن .
• مقياس World of AI Benchmark المركب: في المرتبة #6 عالمياً بدرجة مركبة 81.3، خلف Kimi K3 (81.5) ومتقدماً على GPT-5.6 Terra .
• FrontierSWE: وصل إلى 78.1، مرتفعاً من 67.5 .
• SWE-Marathon: تضاعف من 19.4 إلى 42.5 .

لماذا تأخر إصدار الأوزان المفتوحة

صرحت Z.ai بأن قدرات النموذج في الأمن السيبراني "نمت بشكل أسرع من المتوقع" خلال مرحلة ما بعد التدريب . النموذج الأساسي بـ 740 مليار معلمة لم يتم إعادة تدريبه - جميع التحسينات جاءت من تحسينات ما بعد التدريب . ونظراً لأن هذه القدرة كانت مفاجئة وناشئة، تقوم الشركة بتأخير الإصدار المفتوح للأوزان لمدة أسبوعين لتعزيز ضوابط السلامة والأمان . النموذج متاح حالياً عبر واجهة برمجة التطبيقات (API) الخاصة بـ Z.ai ومن خلال التكامل مع ZCode و Claude Code و OpenCode .

تحفظات مهمة

• جميع نتائج مقاييس GLM-5.3 هي معلنة من قبل الشركة ولم يتم التحقق منها بشكل مستقل بعد .
• تفوق GLM-5.3 على Mythos 5 و GPT-5.6 Sol في اختبار CyberGym ضئيل جداً - أقل من نقطة مئوية واحدة .
• في اختبار ExploitBench، يتخلف GLM-5.3 بفارق كبير عن المنافسين الأمريكيين (54.4% مقابل 78% لـ Mythos 5 و 76.5% لـ GPT-5.6 Sol) .
• للسياق، يُظهر موقع تجميع مقاييس الأمن السيبراني الأوسع أن GPT-5.6 Sol سجل 84.5% على CyberGym (معادلاً GLM-5.3) و Mythos 5 سجل 83.8%، بينما تظهر نتائج ExploitBench 73.5% لـ Sol و 78% لـ Mythos 5 .

نتائج مقاييس الأمن السيبراني مقابل المنافسين الأمريكيين

النتيجة الأبرز لـ GLM-5.3 كانت في اختبار CyberGym، وهو مقياس من مبادرة UC Berkeley لتطوير الذكاء الاصطناعي المسؤول، ويختبر قدرة النموذج على تحديد والتحقق من الثغرات الأمنية الحقيقية انطلاقاً من كود المصدر . هنا، سجل GLM-5.3 84.5%، متجاوزاً كلاً من Mythos 5 من Anthropic (83.8%) و GPT-5.6 Sol من OpenAI (83.6%) .

لكن الصورة تختلف جذرياً في اختبار ExploitBench، الذي يتطلب تفكيراً أعمق في كيفية استغلال الثغرة فعلياً وإنتاج كود استغلالي فعال. GLM-5.3 ضاعف درجة سابقه، مرتفعاً من 24.4% إلى 54.4% . ومع ذلك، تشير تقارير Z.ai إلى أن Mythos 5 يسجل 78% على ExploitBench و GPT-5.6 Sol يسجل 76.5%، مما يضع GLM-5.3 متخلفاً بفارق كبير في هذا المقياس الأصعب .

أما في اختبار ExploitGym، الذي يقيس عدد مهام الاستغلال التي يمكن للنموذج إكمالها ضمن ميزانية زمنية محددة، فقد أكمل GLM-5.3 105 مهام خلال ساعتين (مقارنة بـ 29 لـ GLM-5.2) . وخلال ست ساعات، يرتفع العدد إلى 130 مهمة .

اكتشاف الثغرات في العالم الحقيقي

إلى جانب المقاييس، تم نشر GLM-5.3 في اختبارات أمنية حقيقية وحقق نتائج مذهلة:

• اكتشاف 2,436 ثغرة مؤكدة عبر 269 مشروعاً مفتوح المصدر، مع توثيق النتائج في سجل إفصاح أمني عام لـ Z.ai .
• من بين هذه الثغرات، تم تصنيف 1,097 منها على أنها حرجة أو عالية الخطورة .
• وجد النموذج ثغرات في برمجيات يعود عمرها لحوالي 40 عاماً .
• بعد إطلاقه بفترة قصيرة، اكتشف النموذج ثغرة خطيرة في Cursor، محرر الأكواد المدعوم بالذكاء الاصطناعي .

المقاييس الرئيسية للبرمجة والأداء العام

يسجل GLM-5.3 أرقاماً قوية في مقاييس البرمجة والوكالة الذكية، مما يضعه في صدارة النماذج مفتوحة الوزن لمهام هندسة البرمجيات:

• Terminal-Bench 3.0: سجل 28.3 - الأعلى بين النماذج مفتوحة الوزن ويقترب من نموذج Claude Fable 5 من Anthropic .
• DeepSWE v1.1: قفز من 46.2 إلى 66.9 .
• مقياس Z.ai الداخلي للبرمجة (أقصى جهد): 34.5% (مقابل 23.4% لـ GLM-5.2)، باستخدام حوالي 75,000 رمز إخراج لكل مهمة مقابل 96,000 .
• Agents' Last Exam: المركز الأول بين النماذج مفتوحة الوزن .
• مقياس World of AI Benchmark المركب: في المرتبة #6 عالمياً بدرجة مركبة 81.3، خلف Kimi K3 (81.5) ومتقدماً على GPT-5.6 Terra .
• FrontierSWE: وصل إلى 78.1، مرتفعاً من 67.5 .
• SWE-Marathon: تضاعف من 19.4 إلى 42.5 .

لماذا تأخر إصدار الأوزان المفتوحة

صرحت Z.ai بأن قدرات النموذج في الأمن السيبراني "نمت بشكل أسرع من المتوقع" خلال مرحلة ما بعد التدريب . النموذج الأساسي بـ 740 مليار معلمة لم يتم إعادة تدريبه - جميع التحسينات جاءت من تحسينات ما بعد التدريب . ونظراً لأن هذه القدرة كانت مفاجئة وناشئة، تقوم الشركة بتأخير الإصدار المفتوح للأوزان لمدة أسبوعين لتعزيز ضوابط السلامة والأمان . النموذج متاح حالياً عبر واجهة برمجة التطبيقات (API) الخاصة بـ Z.ai ومن خلال التكامل مع ZCode و Claude Code و OpenCode .

تحفظات مهمة

• جميع نتائج مقاييس GLM-5.3 هي معلنة من قبل الشركة ولم يتم التحقق منها بشكل مستقل بعد .
• تفوق GLM-5.3 على Mythos 5 و GPT-5.6 Sol في اختبار CyberGym ضئيل جداً - أقل من نقطة مئوية واحدة .
• في اختبار ExploitBench، يتخلف GLM-5.3 بفارق كبير عن المنافسين الأمريكيين (54.4% مقابل 78% لـ Mythos 5 و 76.5% لـ GPT-5.6 Sol) .
• للسياق، يُظهر موقع تجميع مقاييس الأمن السيبراني الأوسع أن GPT-5.6 Sol سجل 84.5% على CyberGym (معادلاً GLM-5.3) و Mythos 5 سجل 83.8%، بينما تظهر نتائج ExploitBench 73.5% لـ Sol و 78% لـ Mythos 5 .