GLM-5.3 מול GLM-5.2: המספרים שפורסמו

ההשוואה הרשמית הברורה ביותר היא טענתה של Z.ai לשיפור של 50% ב־Z.ai Code Bench. הנתונים המפורטים יותר במבחנים הציבוריים מגיעים מטבלת השוואה שפורסמה בדיווח צד שלישי:

חשוב לקרוא את המספרים האלה כתוצאות מדווחות, ולא כמדידות שאושרו באופן בלתי תלוי: ההשוואה המפורטת מגיעה מפוסט של צד שלישי ב־X, בעוד שהמסמכים הרשמיים של Z.ai מאשרים את הטענות הכלליות על קוד, משימות ארוכות ואבטחת סייבר — אך אינם מציגים בקטע שסופק את כל המספרים.

מדוע Terminal-Bench 3.0 חשוב?

המעבר המדווח מ־4.6% ל־28.3% ב־Terminal-Bench 3.0 הוא הקפיצה הדרמטית ביותר בטבלה. המבחן רלוונטי לסוכני קוד משום שהוא בוחן עבודה בסביבת שורת פקודה: המודל נדרש בדרך כלל להשתמש בכלים, לבדוק את מצב המערכת, לבצע שינויים ולהמשיך דרך כמה שלבים — במקום להחזיר דוגמת קוד מבודדת אחת.

הנתונים תומכים בתיאור של GLM-5.3 כחזק משמעותית במבחן הזה. עם זאת, הם אינם מוכיחים שהמודל ינצח את GLM-5.2 בכל מאגר קוד או בכל תהליך פיתוח בעולם האמיתי.

מודל שנועד להחזיק מעמד לאורך משימה שלמה

השימוש המרכזי ש־Z.ai מייעדת ל־GLM-5.3 הוא עבודת פיתוח מתמשכת: תכנון, מימוש, ניפוי שגיאות ואיטרציות על פני פרויקט גדול ומורכב. החברה מציגה אותו כמודל בעל חלון הקשר של מיליון טוקנים, המותאם למשימות ארוכות ומורכבות.

זו אינה רק רענון שמטרתו לענות טוב יותר על בקשות קוד קצרות. לפי Z.ai, GLM-5.3 הגיע לביצועים ברמת שיא בקרב מודלים פתוחים ב־Terminal-Bench 3.0 וב־Agents’ Last Exam (CLI), ובמבחן הקוד הפנימי שלה הוא רשם שיפור של 50% לעומת GLM-5.2.

בפועל, המשמעות היא ניסיון לאפשר למודל לשמור יותר הקשר מפרויקט ולהוביל משימה דרך מספר גדול יותר של צעדים. אבל ציוני מבחנים לבדם אינם קובעים את האמינות, העלות, זמן התגובה או איכות ביצוע הכלים בסביבת פיתוח מסוימת. צוותים ששוקלים מעבר צריכים לבדוק מאגרי קוד ותהליכי עבודה שמייצגים את השימוש שלהם, ולא להניח שכל שיפור במבחן יעבור ללא שינוי גם לייצור.

גם יכולות הסייבר התחזקו

Z.ai אומרת כי GLM-5.3 השיג את התוצאה הטובה ביותר שלה עד כה במבחן CyberGym לאיתור חולשות. החברה מוסיפה כי ביצועי המודל בניצול חולשות עברו פי שניים את התוצאה של GLM-5.2.

בטבלת הצד השלישי, CyberGym עולה מ־77.2% ל־84.5%, ואילו ExploitBench עולה מ־24.4% ל־54.4%. הנתונים המדויקים האלה אינם מאומתים באופן עצמאי בחומר הרשמי שסופק, ולכן נכון להתייחס אליהם כאל טענות שפורסמו סביב ההשקה — ולא כאל מדדי תעשייה סופיים.

לתוצאות בתחום הסייבר יש שתי משמעויות. ראשית, הן מצביעות על כך שהשיפור ביכולות הסוכניות עשוי לבוא לידי ביטוי לא רק בכתיבת יישומים, אלא גם באיתור חולשות ובהסקת מסקנות על פגמים בקוד. שנית, הן מדגישות את הצורך בהערכת בטיחות לפני הפצה רחבה: מודל שמסוגל יותר לאתר ולנצל חולשות יכול לסייע בעבודת הגנה, אך גם להגדיל את סיכוני השימוש לרעה ללא בקרות מתאימות.

מה השתנה מבחינה טכנית?

Z.ai מייחסת את השיפור בעיקר להרחבה של שלב ה־post-training, כלומר האימון שמגיע לאחר אימון הבסיס. לפי הסבר החברה, היא הרחיבה את סביבות המשימה ששימשו באימון כך שידמו יותר תהליכי פיתוח ומחקר אמיתיים שנמשכים ימים, במקום להתמקד בעיקר בתרגילי קוד קצרים ועצמאיים.

במילים אחרות, השיפור מוצג כתוצאה של שינוי בתהליך האימון ובסביבות העבודה — לא רק כתוצאה מחלון הקשר הגדול יותר או מארכיטקטורת בסיס חדשה שתוארה בהשקה. גישה כזו מסבירה מדוע הקפיצות הגדולות ביותר שדווחו מופיעות במבחנים ארוכי־טווח וסוכניים: שלב האימון נועד ללמד את המודל לתכנן, להשתמש בכלים, להתאושש מכישלונות ולהמשיך במשימות ממושכות.

זו עדיין הגרסה של Z.ai להסבר לשיפור. יהיה צורך בבדיקות בלתי תלויות כדי לקבוע עד כמה התוצאות משתמרות במודלים, במערכות הפעלה לסוכנים, בפרומפטים ובפרויקטי תוכנה שונים.

זמינות ומועד המשקלים הפתוחים

GLM-5.3 זמין דרך GLM Coding Plan של Z.ai, שתומך בו בכל המסלולים המוצגים — Max, Pro ו־Lite — וכן בסביבת הפיתוח ZCode.

המשקלים הפתוחים עדיין לא היו זמינים במידע שסופק. דיווח צד שלישי טען כי Z.ai ציפתה לפרסם אותם בערך שבועיים לאחר ההשקה ב־14 באוגוסט 2026, לאחר הערכת בטיחות נוספת. המשמעות היא יעד אפשרי לסוף אוגוסט 2026, אך מדובר בלוח זמנים tentative ואינו תאריך שחרור מאושר.

עבור מפתחים ששוקלים להשתמש במודל כבר עכשיו, ההבחנה החשובה היא בין גישה לבין שחזור: אפשר להתנסות ב־GLM-5.3 דרך מוצרי הקוד הנתמכים של Z.ai, אך לא ניתן עדיין לשחזר באופן מלא באופן מקומי את תוצאות ההשקה באמצעות המשקלים המתוארים במקורות שסופקו.

השורה התחתונה

GLM-5.3 הוא שדרוג ממוקד לסוכני קוד, ולא שינוי מספרי שגרתי בשם המודל. Z.ai מדווחת על שיפור של 50% במבחן הקוד הפנימי שלה, תוצאות חזקות יותר במבחנים למשימות ארוכות ושיפור משמעותי ביכולות הסייבר לעומת GLM-5.2.

הסתייגות הראיות חשובה כאן במיוחד: Z.ai מאשרת את כיוון השיפור, אך ההשוואות הציבוריות המדויקות ולוח הזמנים של כשבועיים לפרסום המשקלים מגיעים מדיווח צד שלישי וטרם אומתו באופן עצמאי. עד שיתפרסמו בדיקות רחבות יותר והמשקלים יהיו זמינים, עדיף לראות ב־GLM-5.3 שדרוג מבטיח לסוכני קוד, שכבר נגיש דרך מוצרי Z.ai — אך עדיין לא מודל פתוח שניתן לשחזר במלואו.

GLM-5.3 מול GLM-5.2: המספרים שפורסמו

ההשוואה הרשמית הברורה ביותר היא טענתה של Z.ai לשיפור של 50% ב־Z.ai Code Bench. הנתונים המפורטים יותר במבחנים הציבוריים מגיעים מטבלת השוואה שפורסמה בדיווח צד שלישי:

חשוב לקרוא את המספרים האלה כתוצאות מדווחות, ולא כמדידות שאושרו באופן בלתי תלוי: ההשוואה המפורטת מגיעה מפוסט של צד שלישי ב־X, בעוד שהמסמכים הרשמיים של Z.ai מאשרים את הטענות הכלליות על קוד, משימות ארוכות ואבטחת סייבר — אך אינם מציגים בקטע שסופק את כל המספרים.

מדוע Terminal-Bench 3.0 חשוב?

המעבר המדווח מ־4.6% ל־28.3% ב־Terminal-Bench 3.0 הוא הקפיצה הדרמטית ביותר בטבלה. המבחן רלוונטי לסוכני קוד משום שהוא בוחן עבודה בסביבת שורת פקודה: המודל נדרש בדרך כלל להשתמש בכלים, לבדוק את מצב המערכת, לבצע שינויים ולהמשיך דרך כמה שלבים — במקום להחזיר דוגמת קוד מבודדת אחת.

הנתונים תומכים בתיאור של GLM-5.3 כחזק משמעותית במבחן הזה. עם זאת, הם אינם מוכיחים שהמודל ינצח את GLM-5.2 בכל מאגר קוד או בכל תהליך פיתוח בעולם האמיתי.

מודל שנועד להחזיק מעמד לאורך משימה שלמה

השימוש המרכזי ש־Z.ai מייעדת ל־GLM-5.3 הוא עבודת פיתוח מתמשכת: תכנון, מימוש, ניפוי שגיאות ואיטרציות על פני פרויקט גדול ומורכב. החברה מציגה אותו כמודל בעל חלון הקשר של מיליון טוקנים, המותאם למשימות ארוכות ומורכבות.

זו אינה רק רענון שמטרתו לענות טוב יותר על בקשות קוד קצרות. לפי Z.ai, GLM-5.3 הגיע לביצועים ברמת שיא בקרב מודלים פתוחים ב־Terminal-Bench 3.0 וב־Agents’ Last Exam (CLI), ובמבחן הקוד הפנימי שלה הוא רשם שיפור של 50% לעומת GLM-5.2.

בפועל, המשמעות היא ניסיון לאפשר למודל לשמור יותר הקשר מפרויקט ולהוביל משימה דרך מספר גדול יותר של צעדים. אבל ציוני מבחנים לבדם אינם קובעים את האמינות, העלות, זמן התגובה או איכות ביצוע הכלים בסביבת פיתוח מסוימת. צוותים ששוקלים מעבר צריכים לבדוק מאגרי קוד ותהליכי עבודה שמייצגים את השימוש שלהם, ולא להניח שכל שיפור במבחן יעבור ללא שינוי גם לייצור.

גם יכולות הסייבר התחזקו

Z.ai אומרת כי GLM-5.3 השיג את התוצאה הטובה ביותר שלה עד כה במבחן CyberGym לאיתור חולשות. החברה מוסיפה כי ביצועי המודל בניצול חולשות עברו פי שניים את התוצאה של GLM-5.2.

בטבלת הצד השלישי, CyberGym עולה מ־77.2% ל־84.5%, ואילו ExploitBench עולה מ־24.4% ל־54.4%. הנתונים המדויקים האלה אינם מאומתים באופן עצמאי בחומר הרשמי שסופק, ולכן נכון להתייחס אליהם כאל טענות שפורסמו סביב ההשקה — ולא כאל מדדי תעשייה סופיים.

לתוצאות בתחום הסייבר יש שתי משמעויות. ראשית, הן מצביעות על כך שהשיפור ביכולות הסוכניות עשוי לבוא לידי ביטוי לא רק בכתיבת יישומים, אלא גם באיתור חולשות ובהסקת מסקנות על פגמים בקוד. שנית, הן מדגישות את הצורך בהערכת בטיחות לפני הפצה רחבה: מודל שמסוגל יותר לאתר ולנצל חולשות יכול לסייע בעבודת הגנה, אך גם להגדיל את סיכוני השימוש לרעה ללא בקרות מתאימות.

מה השתנה מבחינה טכנית?

Z.ai מייחסת את השיפור בעיקר להרחבה של שלב ה־post-training, כלומר האימון שמגיע לאחר אימון הבסיס. לפי הסבר החברה, היא הרחיבה את סביבות המשימה ששימשו באימון כך שידמו יותר תהליכי פיתוח ומחקר אמיתיים שנמשכים ימים, במקום להתמקד בעיקר בתרגילי קוד קצרים ועצמאיים.

במילים אחרות, השיפור מוצג כתוצאה של שינוי בתהליך האימון ובסביבות העבודה — לא רק כתוצאה מחלון הקשר הגדול יותר או מארכיטקטורת בסיס חדשה שתוארה בהשקה. גישה כזו מסבירה מדוע הקפיצות הגדולות ביותר שדווחו מופיעות במבחנים ארוכי־טווח וסוכניים: שלב האימון נועד ללמד את המודל לתכנן, להשתמש בכלים, להתאושש מכישלונות ולהמשיך במשימות ממושכות.

זו עדיין הגרסה של Z.ai להסבר לשיפור. יהיה צורך בבדיקות בלתי תלויות כדי לקבוע עד כמה התוצאות משתמרות במודלים, במערכות הפעלה לסוכנים, בפרומפטים ובפרויקטי תוכנה שונים.

זמינות ומועד המשקלים הפתוחים

GLM-5.3 זמין דרך GLM Coding Plan של Z.ai, שתומך בו בכל המסלולים המוצגים — Max, Pro ו־Lite — וכן בסביבת הפיתוח ZCode.

המשקלים הפתוחים עדיין לא היו זמינים במידע שסופק. דיווח צד שלישי טען כי Z.ai ציפתה לפרסם אותם בערך שבועיים לאחר ההשקה ב־14 באוגוסט 2026, לאחר הערכת בטיחות נוספת. המשמעות היא יעד אפשרי לסוף אוגוסט 2026, אך מדובר בלוח זמנים tentative ואינו תאריך שחרור מאושר.

עבור מפתחים ששוקלים להשתמש במודל כבר עכשיו, ההבחנה החשובה היא בין גישה לבין שחזור: אפשר להתנסות ב־GLM-5.3 דרך מוצרי הקוד הנתמכים של Z.ai, אך לא ניתן עדיין לשחזר באופן מלא באופן מקומי את תוצאות ההשקה באמצעות המשקלים המתוארים במקורות שסופקו.

השורה התחתונה

GLM-5.3 הוא שדרוג ממוקד לסוכני קוד, ולא שינוי מספרי שגרתי בשם המודל. Z.ai מדווחת על שיפור של 50% במבחן הקוד הפנימי שלה, תוצאות חזקות יותר במבחנים למשימות ארוכות ושיפור משמעותי ביכולות הסייבר לעומת GLM-5.2.

הסתייגות הראיות חשובה כאן במיוחד: Z.ai מאשרת את כיוון השיפור, אך ההשוואות הציבוריות המדויקות ולוח הזמנים של כשבועיים לפרסום המשקלים מגיעים מדיווח צד שלישי וטרם אומתו באופן עצמאי. עד שיתפרסמו בדיקות רחבות יותר והמשקלים יהיו זמינים, עדיף לראות ב־GLM-5.3 שדרוג מבטיח לסוכני קוד, שכבר נגיש דרך מוצרי Z.ai — אך עדיין לא מודל פתוח שניתן לשחזר במלואו.