Z.ai GLM-5.3: Kiinalainen tekoälymalli yllättää kyberkyvyillään – vertailussa Mythos 5 ja GPT-5.6 Sol

14. elokuuta 2026 kiinalainen tekoälylaboratorio Z.ai (entinen Zhipu AI) julkaisi GLM-5.3 -mallin, joka on 740 miljardin parametrin avoimen painon malli . Malli tarjoaa noin 50 % paremman koodauskyvyn kuin edeltäjänsä GLM-5.2, ja sen kyberkyvyt yllättivät jopa kehittäjät . Malli on niin taitava etsimään ja hyödyntämään tietoturva-aukkoja, että Z.ai lykkää sen avoimen lähdekoodin painojen julkistamista kahdella viikolla turvallisuustarkastusten vuoksi .

Kaikki alla olevat tulokset ovat yhtiön itsensä raportoimia eikä niitä ole vielä vahvistettu riippumattomasti .

Kyberturvallisuustulokset vs. yhdysvaltalaiset kilpailijat

GLM-5.3:n kärkitulos on CyberGym-testissä, jonka on kehittänyt UC Berkeleyn Responsible AI Development Initiative . Testi mittaa, kuinka hyvin malli pystyy tunnistamaan ja vahvistamaan todellisia haavoittuvuuksia lähdekoodista . Siinä GLM-5.3 sai 84,5 % ohittaen niukasti Anthropicin Mythos 5:n (83,8 %) ja OpenAI:n GPT-5.6 Solin (83,6 %) .

Tilanne muuttuu ExploitBench-testissä, joka vaatii syvällisempää päättelyä haavoittuvuuksien hyödyntämisestä ja valmiin hyökkäysmenetelmän tuottamista. GLM-5.3 yli kaksinkertaisti edeltäjänsä tuloksen nousten 24,4 %:sta 54,4 %:iin . Z.ai raportoi kuitenkin, että Mythos 5 sai ExploitBenchistä 78 % ja GPT-5.6 Sol 76,5 % – eli GLM-5.3 jää selvästi jälkeen tässä vaativammassa mittarissa .

ExploitGym-testissä, joka mittaa kuinka monta hyökkäystehtävää malli suorittaa normalisoidussa kahden tunnin budjetissa, GLM-5.3 suoritti 105 tehtävää (GLM-5.2 suoritti 29) . Kuuden tunnin budjetilla luku nousi 130 tehtävään .

Testi	Mitä se mittaa	GLM-5.3	Anthropic Mythos 5	OpenAI GPT-5.6 Sol
CyberGym	Haavoittuvuuksien tunnistus ja vahvistus lähdekoodista	84,5 %	83,8 %	83,6 %
ExploitBench	Päättely ja toimivan hyökkäysmenetelmän tuottaminen	54,4 %	78 %	76,5 %
ExploitGym (2h budjetti)	Suoritettujen hyökkäysten määrä	105 tehtävää	Ei julkistettu	Ei julkistettu

Lähteet:

Haavoittuvuuksien löytäminen todellisessa maailmassa

GLM-5.3 on ehtinyt tehdä vaikutuksen myös todellisessa kyberturvallisuustestauksessa:

• 2 436 vahvistettua haavoittuvuutta löydetty 269 avoimen lähdekoodin projektista, ja tulokset on kirjattu julkiseen Z.ai Security Disclosure Ledgeriin .
• Näistä 1 097 luokiteltiin kriittisiksi tai vakaviksi .
• Malli löysi ohjelmointivirheitä jopa noin 40 vuotta vanhasta ohjelmistosta .
• Pian julkaisunsa jälkeen se löysi vakavan haavoittuvuuden Cursor-koodieditorista .

Tärkeimmät koodaus- ja yleistestit

GLM-5.3 sai vahvoja tuloksia myös koodaus- ja agenttitesteissä, mikä tekee siitä johtavan avoimen painon mallin ohjelmistokehitystehtävissä:

• Terminal-Bench 3.0: sai 28,3 – korkein tulos avoimen painon malleissa ja lähellä Anthropicin Claude Fable 5:tä .
• DeepSWE v1.1: nousi 46,2:sta 66,9:ään .
• Z.ai:n sisäinen Code Bench (Max effort): 34,5 % (GLM-5.2 sai 23,4 %), käyttäen noin 75 000 ulostulomerkkiä tehtävää kohti verrattuna 96 000:een .
• Agents' Last Exam: ensimmäinen sija avoimen painon malleissa .
• World of AI Benchmark -koostetulos: sijalla #6 kokonaisuudessaan tuloksella 81,3, heti Kimi K3:n (81,5) takana ja GPT-5.6 Terran edellä .
• FrontierSWE: nousi 67,5:stä 78,1:een .
• SWE-Marathon: kaksinkertaistui 19,4:stä 42,5:een .

Miksi avoimen painon julkaisua lykätään

Z.ai kertoo, että mallin kyberkyvyt "kasvoivat odotettua nopeammin" jatkokoulutuksen aikana . Perusmallin 740 miljardia parametria eivät vaatineet uudelleenkoulutusta – kaikki parannukset tulivat jatkokoulutuksesta . Koska kyky oli odottamaton, yhtiö pitää avoimen painon julkaisua kaksi viikkoa jäähyllä vahvistaakseen turvallisuus- ja valvontatoimia . Malli on jo saatavilla Z.ai:n API:n kautta ja integraatioilla ZCodeen, Claude Codeen ja OpenCodeen .

Tärkeitä huomautuksia

• Kaikki GLM-5.3:n testitulokset ovat yhtiön itsensä raportoimia eikä niitä ole vielä riippumattomasti vahvistettu .
• CyberGymin etu Mythos 5:een ja GPT-5.6 Soliin verrattuna on kapea – alle prosenttiyksikön .
• ExploitBenchissä GLM-5.3 jää selvästi jälkeen yhdysvaltalaisista kilpailijoista (54,4 % vs. 78 % Mythos 5:llä ja 76,5 % GPT-5.6 Solilla) .
• Vertailun vuoksi laajempi kyberturvallisuustestien koostaja listaa GPT-5.6 Solin CyberGym-tulokseksi 84,5 % (sama kuin GLM-5.3) ja Mythos 5:n tulokseksi 83,8 %, kun taas ExploitBenchissä Sol saa 73,5 % ja Mythos 5 78 % .