GLM-5.3 mod GLM-5.2: Det forbedrer Z.ai’s nye kodemodel

GLM-5.3 er Z.ai’s nyeste model til kodning og autonome softwareagenter. Den er udviklet til komplekse udviklingsopgaver, dyb fejlfinding og arbejdsforløb, der strækker sig over mange trin. Z.ai angiver et kontekstvindue på 1 million tokens og beskriver modellen som stærkere end forgængeren GLM-5.2 til langvarige og komplekse opgaver.

Det centrale er derfor ikke kun en højere score i traditionelle kodetest. Z.ai siger, at GLM-5.3 præsterer 50 % bedre i virksomhedens interne Z.ai Code Bench og opnår state-of-the-art-resultater blandt open source-modeller i offentlige evalueringer som Terminal-Bench 3.0 og Agents’ Last Exam (CLI).

GLM-5.3 mod GLM-5.2: De rapporterede benchmarkforbedringer

Den tydeligste officielle sammenligning er Z.ai’s påstand om en forbedring på 50 % i Z.ai Code Bench. For de offentlige benchmarks indeholder det tilgængelige materiale følgende tal fra en tredjepartsrapport:

Benchmark	GLM-5.2	GLM-5.3	Hvad resultatet peger på
Terminal-Bench 3.0	4,6 %	28,3 %	Markant bedre resultat i længere kommandolinjeopgaver
DeepSWE v1.1	46,2 %	66,9 %	Stærkere præstation i softwareudviklingsopgaver
Agents’ Last Exam (CLI)	23,8 %	28,5 %	Fremgang i agentopgaver med værktøjsbrug
CyberGym	77,2 %	84,5 %	Bedre evne til at finde sårbarheder
ExploitBench	24,4 %	54,4 %	Mere end dobbelt så høj rapporteret score som GLM-5.2

Tallene bør læses som rapporterede resultater og ikke som uafhængigt bekræftede målinger. Den detaljerede sammenligning stammer fra et opslag fra en tredjepart på X, mens Z.ai’s officielle dokumentation bekræfter de overordnede påstande om kodning, langvarige benchmarks og cybersikkerhed – men ikke gengiver alle tallene i det tilgængelige uddrag.

Hvorfor Terminal-Bench 3.0 er interessant

Stigningen fra 4,6 % til 28,3 % i Terminal-Bench 3.0 er den mest markante forskel i den rapporterede oversigt. Benchmarken er relevant for kodeagenter, fordi den tester arbejde i et kommandolinjemiljø. Modellen skal typisk bruge værktøjer, undersøge systemets tilstand, foretage ændringer og fortsætte gennem flere faser i stedet for blot at generere ét isoleret kodestykke.

Resultatet understøtter beskrivelsen af GLM-5.3 som væsentligt stærkere i netop denne test. Det er dog ikke et bevis på, at modellen vil slå GLM-5.2 i alle virkelige kodebaser eller udviklingsmiljøer.

Fokus på kodning over mange trin

GLM-5.3 er rettet mod vedvarende udviklingsarbejde: planlægning, implementering, fejlfinding og gentagne ændringer på tværs af et større projekt og en længere kontekst. Z.ai’s modeloversigt angiver et kontekstvindue på 1 million tokens og placerer specifikt modellen i kategorien for langvarige, komplekse opgaver.

Det gør udgivelsen til mere end en almindelig opdatering til korte kodeforespørgsler. Z.ai rapporterer state-of-the-art-resultater blandt open source-modeller i Terminal-Bench 3.0 og Agents’ Last Exam (CLI), mens virksomhedens egen Code Bench-sammenligning viser en fremgang på 50 % i forhold til GLM-5.2.

I praksis betyder det, at GLM-5.3 er designet til at fastholde og anvende mere projektkontekst, mens den fører en opgave gennem flere trin. Benchmarkresultater siger dog ikke i sig selv noget sikkert om stabilitet, pris, svartid eller kvaliteten af værktøjsbrug i et bestemt udviklingsmiljø. Organisationer, der overvejer at skifte model, bør derfor teste deres egne repræsentative kodebaser og arbejdsgange i stedet for at antage, at et benchmarkløft overføres uændret til produktion.

Også fremskridt inden for cybersikkerhed

Z.ai siger, at GLM-5.3 har opnået virksomhedens hidtil bedste resultat i CyberGym-benchmarken for opdagelse af sårbarheder. Z.ai oplyser desuden, at modellens resultater inden for udnyttelse af sårbarheder er mere end dobbelt så høje som GLM-5.2’s.

Tredjepartsoversigten angiver, at CyberGym steg fra 77,2 % til 84,5 %, mens ExploitBench gik fra 24,4 % til 54,4 %. De præcise tal er ikke uafhængigt bekræftet i det officielle materiale, der er tilgængeligt her, og bør derfor betragtes som rapporterede lanceringstal snarere end endeligt fastslåede branchemålinger.

Cybersikkerhedsresultaterne er interessante af to grunde. De antyder, at modellens agentforbedringer ikke kun gælder applikationskode, men også kan bruges til at finde og analysere fejl. Samtidig understreger de behovet for sikkerhedsevaluering, før modellen tages bredt i brug: En model, der er bedre til at opdage og udnytte sårbarheder, kan styrke defensivt sikkerhedsarbejde, men også øge risikoen for misbrug uden passende kontrolmekanismer.

Hvad er ændret teknisk?

Z.ai tilskriver primært GLM-5.3’s forbedringer et opskaleret eftertræningsforløb. Virksomheden forklarer, at den har udvidet de opgavemiljøer, der bruges under træningen, så de i højere grad ligner virkelige, fler-dages forløb inden for softwareudvikling og forskning i stedet for hovedsageligt at fokusere på korte og selvstændige kodeøvelser.

Med andre ord fremstilles forbedringen som et resultat af ændringer i træning og miljøer – ikke blot som et større kontekstvindue eller en ny, offentligt beskrevet grundarkitektur. Det kan forklare, hvorfor de største rapporterede fremskridt ses i langvarige og agentbaserede evalueringer: Eftertræningen har haft fokus på at lære modellen at planlægge, bruge værktøjer, komme videre efter fejl og fortsætte gennem længere opgaver.

Forklaringen er dog Z.ai’s egen beskrivelse af forbedringen. Der er brug for uafhængige tests for at afgøre, hvor meget af fremgangen der generaliserer på tværs af modeller, agentrammer, prompts og softwareprojekter.

Tilgængelighed og tidsplanen for åbne modelvægte

GLM-5.3 er tilgængelig via Z.ai’s GLM Coding Plan, som understøtter modellen på de oplyste planer, og i udviklingsmiljøet ZCode.

De åbne modelvægte var ikke tilgængelige i det leverede kildemateriale. En tredjepartsrapport skrev, at Z.ai forventede at frigive dem cirka to uger efter lanceringen den 14. august 2026, når yderligere sikkerhedsevaluering var gennemført. Det peger på slutningen af august 2026, men tidsplanen er foreløbig og bør ikke opfattes som en bekræftet dato.

For udviklere er forskellen mellem adgang og reproducerbarhed vigtig. GLM-5.3 kan afprøves gennem Z.ai’s understøttede kodeprodukter, men lanceringens detaljerede resultater kan endnu ikke fuldt ud reproduceres lokalt med de modelvægte, der er beskrevet i de tilgængelige kilder.

Konklusionen

GLM-5.3 ligner en målrettet opgradering til kodeagenter snarere end en almindelig modelopdatering. Z.ai rapporterer 50 % fremgang i virksomhedens interne kodebenchmark, bedre resultater i evalueringer af langvarige agentopgaver og betydelige fremskridt inden for cybersikkerhed sammenlignet med GLM-5.2.

Det vigtigste forbehold handler om dokumentationen. Z.ai bekræfter retningen på forbedringerne, mens de præcise offentlige benchmark-sammenligninger og tidsplanen på cirka to uger for modelvægtene stammer fra tredjepartsrapportering og fortsat skal efterprøves uafhængigt.

Indtil bredere tests og en frigivelse af modelvægtene foreligger, er GLM-5.3 bedst forstået som en lovende og allerede tilgængelig opgradering til kodeagenter – ikke endnu som en fuldt uafhængigt reproducerbar åben model.