Z.ai GLM-5.3: Model AI China Kalahkan AS di Benchmark Keamanan Siber, Tapi Masih Tertinggal di Tes yang Lebih Sulit
Pada 14 Agustus 2026, Z.ai (sebelumnya Zhipu AI) meluncurkan GLM 5.3, model open weight dengan 740 miliar parameter yang mencetak 84,5% di CyberGym — unggul tipis atas Anthropic Mythos 5 (83,8%) dan OpenAI GPT 5.6 Sol... GLM 5.3 menunjukkan peningkatan 50% dalam performa coding dibandingkan pendahulunya dan menemuka...
Diterbitkan olehDiedit dengan DeepSeek-V4-FlashGambar dibuat dengan GPT Image 1.5
Pada 14 Agustus 2026, Z.ai (sebelumnya Zhipu AI) meluncurkan GLM 5.3, model open weight dengan 740 miliar parameter yang mencetak 84,5% di CyberGym — unggul tipis atas Anthropic Mythos 5 (83,8%) dan OpenAI GPT 5.6 Sol...
GLM 5.3 menunjukkan peningkatan 50% dalam performa coding dibandingkan pendahulunya dan menemukan 2.436 kerentanan di 269 proyek open source, termasuk 1.097 kerentanan kritis atau severity tinggi.
Semua skor benchmark dilaporkan sendiri oleh perusahaan dan belum diverifikasi independen.
Kemampuan keamanan siber yang muncul secara tak terduga membuat Z.ai menunda rilis open weight selama dua minggu untuk pengujian keamanan tambahan.
What are the key capabilities and benchmark results of Chinese AI firm Zhipu's newly launched GLM-5.3 model, particularly in cybersecurity tZ.ai GLM-5.3 benchmark comparison against Anthropic Mythos 5 and OpenAI GPT-5.6 Sol on CyberGym and ExploitBench.
AI Perintah
Create a landscape editorial hero image for this Studio Global article: What are the key capabilities and benchmark results of Chinese AI firm Zhipu's newly launched GLM-5.3 model, particularly in cybersecurity t. Article summary: On August 14, 2026, Zhipu AI (now branding as **Z.ai**) launched **GLM-5.3**, a 740-billion-parameter open-weight model that delivers roughly 50% better coding performance than GLM-5.2 and unexpectedly strong emergent cy. Topic tags: general, general web, user generated, news. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts w
openai.com
Pada 14 Agustus 2026, Zhipu AI — yang kini melakukan rebranding internasional sebagai Z.ai — meluncurkan GLM-5.3, sebuah model open-weight dengan 740 miliar parameter yang memberikan peningkatan performa coding sekitar 50% lebih baik dari GLM-5.2 dan, yang mengejutkan, memiliki kemampuan keamanan siber emergent yang kuat . Model ini sangat mahir dalam menemukan dan mengeksploitasi celah keamanan sehingga Z.ai menunda rilis publik bobot (weights)nya selama dua minggu untuk pengujian keamanan tambahan .
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Apa jawaban singkat untuk "Z.ai GLM-5.3: Model AI China Kalahkan AS di Benchmark Keamanan Siber, Tapi Masih Tertinggal di Tes yang Lebih Sulit"?
Pada 14 Agustus 2026, Z.ai (sebelumnya Zhipu AI) meluncurkan GLM 5.3, model open weight dengan 740 miliar parameter yang mencetak 84,5% di CyberGym — unggul tipis atas Anthropic Mythos 5 (83,8%) dan OpenAI GPT 5.6 Sol...
Apa poin penting yang harus divalidasi terlebih dahulu?
Pada 14 Agustus 2026, Z.ai (sebelumnya Zhipu AI) meluncurkan GLM 5.3, model open weight dengan 740 miliar parameter yang mencetak 84,5% di CyberGym — unggul tipis atas Anthropic Mythos 5 (83,8%) dan OpenAI GPT 5.6 Sol... GLM 5.3 menunjukkan peningkatan 50% dalam performa coding dibandingkan pendahulunya dan menemukan 2.436 kerentanan di 269 proyek open source, termasuk 1.097 kerentanan kritis atau severity tinggi.
Apa yang harus saya lakukan selanjutnya dalam latihan?
Semua skor benchmark dilaporkan sendiri oleh perusahaan dan belum diverifikasi independen.
Z.ai GLM-5.3: Model AI China Kalahkan AS di Benchmark Keamanan Siber, Tapi Masih Tertinggal di Tes yang Lebih Sulit
Pada 14 Agustus 2026, Z.ai (sebelumnya Zhipu AI) meluncurkan GLM 5.3, model open weight dengan 740 miliar parameter yang mencetak 84,5% di CyberGym — unggul tipis atas Anthropic Mythos 5 (83,8%) dan OpenAI GPT 5.6 Sol... GLM 5.3 menunjukkan peningkatan 50% dalam performa coding dibandingkan pendahulunya dan menemuka...
Diterbitkan olehDiedit dengan DeepSeek-V4-FlashGambar dibuat dengan GPT Image 1.5
Pada 14 Agustus 2026, Z.ai (sebelumnya Zhipu AI) meluncurkan GLM 5.3, model open weight dengan 740 miliar parameter yang mencetak 84,5% di CyberGym — unggul tipis atas Anthropic Mythos 5 (83,8%) dan OpenAI GPT 5.6 Sol...
GLM 5.3 menunjukkan peningkatan 50% dalam performa coding dibandingkan pendahulunya dan menemukan 2.436 kerentanan di 269 proyek open source, termasuk 1.097 kerentanan kritis atau severity tinggi.
Semua skor benchmark dilaporkan sendiri oleh perusahaan dan belum diverifikasi independen.
Kemampuan keamanan siber yang muncul secara tak terduga membuat Z.ai menunda rilis open weight selama dua minggu untuk pengujian keamanan tambahan.
What are the key capabilities and benchmark results of Chinese AI firm Zhipu's newly launched GLM-5.3 model, particularly in cybersecurity tZ.ai GLM-5.3 benchmark comparison against Anthropic Mythos 5 and OpenAI GPT-5.6 Sol on CyberGym and ExploitBench.
AI Perintah
Create a landscape editorial hero image for this Studio Global article: What are the key capabilities and benchmark results of Chinese AI firm Zhipu's newly launched GLM-5.3 model, particularly in cybersecurity t. Article summary: On August 14, 2026, Zhipu AI (now branding as **Z.ai**) launched **GLM-5.3**, a 740-billion-parameter open-weight model that delivers roughly 50% better coding performance than GLM-5.2 and unexpectedly strong emergent cy. Topic tags: general, general web, user generated, news. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts w
openai.com
Pada 14 Agustus 2026, Zhipu AI — yang kini melakukan rebranding internasional sebagai Z.ai — meluncurkan GLM-5.3, sebuah model open-weight dengan 740 miliar parameter yang memberikan peningkatan performa coding sekitar 50% lebih baik dari GLM-5.2 dan, yang mengejutkan, memiliki kemampuan keamanan siber emergent yang kuat . Model ini sangat mahir dalam menemukan dan mengeksploitasi celah keamanan sehingga Z.ai menunda rilis publik bobot (weights)nya selama dua minggu untuk pengujian keamanan tambahan .
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Apa jawaban singkat untuk "Z.ai GLM-5.3: Model AI China Kalahkan AS di Benchmark Keamanan Siber, Tapi Masih Tertinggal di Tes yang Lebih Sulit"?
Pada 14 Agustus 2026, Z.ai (sebelumnya Zhipu AI) meluncurkan GLM 5.3, model open weight dengan 740 miliar parameter yang mencetak 84,5% di CyberGym — unggul tipis atas Anthropic Mythos 5 (83,8%) dan OpenAI GPT 5.6 Sol...
Apa poin penting yang harus divalidasi terlebih dahulu?
Pada 14 Agustus 2026, Z.ai (sebelumnya Zhipu AI) meluncurkan GLM 5.3, model open weight dengan 740 miliar parameter yang mencetak 84,5% di CyberGym — unggul tipis atas Anthropic Mythos 5 (83,8%) dan OpenAI GPT 5.6 Sol... GLM 5.3 menunjukkan peningkatan 50% dalam performa coding dibandingkan pendahulunya dan menemukan 2.436 kerentanan di 269 proyek open source, termasuk 1.097 kerentanan kritis atau severity tinggi.
Apa yang harus saya lakukan selanjutnya dalam latihan?
Semua skor benchmark dilaporkan sendiri oleh perusahaan dan belum diverifikasi independen.
Hasil utama GLM-5.3 ada di CyberGym, sebuah benchmark dari Inisiatif Pengembangan AI yang Bertanggung Jawab milik UC Berkeley yang menguji kemampuan model untuk mengidentifikasi dan memvalidasi kerentanan nyata dari kode sumber white-box . Di sana, GLM-5.3 mencetak 84,5%, unggul tipis atas Mythos 5 (83,8%) milik Anthropic dan GPT-5.6 Sol (83,6%) milik OpenAI .
Gambaran berubah di ExploitBench, yang membutuhkan penalaran lebih dalam tentang bagaimana kerentanan nyata benar-benar dapat dieksploitasi dan menuntut pembuatan eksploit yang berfungsi. GLM-5.3 lebih dari dua kali lipat skor pendahulunya, naik dari 24,4% menjadi 54,4%. Namun, Z.ai melaporkan bahwa Mythos 5 mencetak 78% di ExploitBench dan GPT-5.6 Sol mencetak 76,5% — membuat GLM-5.3 tertinggal jauh pada metrik yang lebih sulit ini .
Di ExploitGym, yang menghitung berapa banyak tugas eksploitasi yang dapat diselesaikan model dalam anggaran dua jam yang dinormalisasi, GLM-5.3 menyelesaikan 105 tugas (naik dari 29 untuk GLM-5.2) . Dalam anggaran enam jam, angka itu naik menjadi 130 tugas .
Benchmark
Apa yang Diukur
GLM-5.3
Anthropic Mythos 5
OpenAI GPT-5.6 Sol
CyberGym
Penemuan & validasi kerentanan white-box dari kode sumber
84,5%
83,8%
83,6%
ExploitBench
Penalaran akar masalah + menghasilkan eksploit yang berfungsi
54,4%
78%
76,5%
ExploitGym (anggaran 2 jam)
Penyelesaian eksploitasi dalam anggaran yang dinormalisasi
105 tugas
Tidak diungkapkan
Tidak diungkapkan
Sumber:
Deteksi Kerentanan di Dunia Nyata
Di luar benchmark, GLM-5.3 telah digunakan dalam pengujian keamanan dunia nyata dengan hasil yang mengesankan:
2.436 kerentanan terkonfirmasi ditemukan di 269 proyek open-source, dengan hasil yang dilacak dalam Buku Besar Pengungkapan Keamanan Z.ai publik .
Dari jumlah tersebut, 1.097 diklasifikasikan sebagai kritis atau severity tinggi.
Model ini menemukan bug di perangkat lunak yang berusia sekitar 40 tahun.
Tak lama setelah peluncuran, model ini juga mengidentifikasi kerentanan serius di Cursor, editor kode bertenaga AI .
Tolok Ukur Coding & Umum Utama
GLM-5.3 juga mencatatkan angka-angka kuat pada benchmark coding dan agentic, memposisikannya sebagai model open-weight terdepan untuk tugas-tugas rekayasa perangkat lunak:
Terminal-Bench 3.0: mencetak 28,3 — tertinggi di antara model open-weight dan mendekati Claude Fable 5 milik Anthropic .
DeepSWE v1.1: melonjak dari 46,2 menjadi 66,9.
Z.ai internal Code Bench (Max effort): 34,5% (vs. 23,4% GLM-5.2), menggunakan sekitar 75.000 token output per tugas versus 96.000 .
Agents' Last Exam: peringkat pertama di antara model open-weight .
World of AI Benchmark composite: peringkat #6 secara keseluruhan dengan skor komposit 81,3, tepat di belakang Kimi K3 (81,5) dan di atas GPT-5.6 Terra .
FrontierSWE: mencapai 78,1, naik dari 67,5 .
SWE-Marathon: berlipat ganda dari 19,4 menjadi 42,5.
Mengapa Bobot Open Ditunda
Z.ai mengatakan kemampuan keamanan siber model "tumbuh lebih cepat dari yang diantisipasi" selama pasca-pelatihan . 740 miliar parameter model dasar tidak dilatih ulang — semua peningkatan berasal dari perbaikan pasca-pelatihan . Karena kemampuan tersebut merupakan kejutan yang muncul, perusahaan menahan rilis open-weight selama dua minggu sambil memperkuat kontrol keamanan dan keselamatan . Model ini sudah tersedia melalui API Z.ai dan melalui integrasi dengan ZCode, Claude Code, dan OpenCode .
Catatan Penting
Semua skor benchmark GLM-5.3 dilaporkan oleh perusahaan dan belum diverifikasi secara independen .
Keunggulan CyberGym atas Mythos 5 dan GPT-5.6 Sol sangat tipis — kurang dari satu poin persentase .
Di ExploitBench, GLM-5.3 tertinggal jauh dari pesaing AS (54,4% vs. 78% untuk Mythos 5 dan 76,5% untuk GPT-5.6 Sol) .
Sebagai konteks, agregator benchmark keamanan siber yang lebih luas menempatkan GPT-5.6 Sol di 84,5% pada CyberGym (menyamai GLM-5.3) dan Mythos 5 di 83,8%, sementara menunjukkan ExploitBench 73,5% untuk Sol dan 78% untuk Mythos 5 .
x.com
Preparing GLM-5.3 for Open Release: A Responsible Path to Cyber ...
Hasil utama GLM-5.3 ada di CyberGym, sebuah benchmark dari Inisiatif Pengembangan AI yang Bertanggung Jawab milik UC Berkeley yang menguji kemampuan model untuk mengidentifikasi dan memvalidasi kerentanan nyata dari kode sumber white-box . Di sana, GLM-5.3 mencetak 84,5%, unggul tipis atas Mythos 5 (83,8%) milik Anthropic dan GPT-5.6 Sol (83,6%) milik OpenAI .
Gambaran berubah di ExploitBench, yang membutuhkan penalaran lebih dalam tentang bagaimana kerentanan nyata benar-benar dapat dieksploitasi dan menuntut pembuatan eksploit yang berfungsi. GLM-5.3 lebih dari dua kali lipat skor pendahulunya, naik dari 24,4% menjadi 54,4%. Namun, Z.ai melaporkan bahwa Mythos 5 mencetak 78% di ExploitBench dan GPT-5.6 Sol mencetak 76,5% — membuat GLM-5.3 tertinggal jauh pada metrik yang lebih sulit ini .
Di ExploitGym, yang menghitung berapa banyak tugas eksploitasi yang dapat diselesaikan model dalam anggaran dua jam yang dinormalisasi, GLM-5.3 menyelesaikan 105 tugas (naik dari 29 untuk GLM-5.2) . Dalam anggaran enam jam, angka itu naik menjadi 130 tugas .
Benchmark
Apa yang Diukur
GLM-5.3
Anthropic Mythos 5
OpenAI GPT-5.6 Sol
CyberGym
Penemuan & validasi kerentanan white-box dari kode sumber
84,5%
83,8%
83,6%
ExploitBench
Penalaran akar masalah + menghasilkan eksploit yang berfungsi
54,4%
78%
76,5%
ExploitGym (anggaran 2 jam)
Penyelesaian eksploitasi dalam anggaran yang dinormalisasi
105 tugas
Tidak diungkapkan
Tidak diungkapkan
Sumber:
Deteksi Kerentanan di Dunia Nyata
Di luar benchmark, GLM-5.3 telah digunakan dalam pengujian keamanan dunia nyata dengan hasil yang mengesankan:
2.436 kerentanan terkonfirmasi ditemukan di 269 proyek open-source, dengan hasil yang dilacak dalam Buku Besar Pengungkapan Keamanan Z.ai publik .
Dari jumlah tersebut, 1.097 diklasifikasikan sebagai kritis atau severity tinggi.
Model ini menemukan bug di perangkat lunak yang berusia sekitar 40 tahun.
Tak lama setelah peluncuran, model ini juga mengidentifikasi kerentanan serius di Cursor, editor kode bertenaga AI .
Tolok Ukur Coding & Umum Utama
GLM-5.3 juga mencatatkan angka-angka kuat pada benchmark coding dan agentic, memposisikannya sebagai model open-weight terdepan untuk tugas-tugas rekayasa perangkat lunak:
Terminal-Bench 3.0: mencetak 28,3 — tertinggi di antara model open-weight dan mendekati Claude Fable 5 milik Anthropic .
DeepSWE v1.1: melonjak dari 46,2 menjadi 66,9.
Z.ai internal Code Bench (Max effort): 34,5% (vs. 23,4% GLM-5.2), menggunakan sekitar 75.000 token output per tugas versus 96.000 .
Agents' Last Exam: peringkat pertama di antara model open-weight .
World of AI Benchmark composite: peringkat #6 secara keseluruhan dengan skor komposit 81,3, tepat di belakang Kimi K3 (81,5) dan di atas GPT-5.6 Terra .
FrontierSWE: mencapai 78,1, naik dari 67,5 .
SWE-Marathon: berlipat ganda dari 19,4 menjadi 42,5.
Mengapa Bobot Open Ditunda
Z.ai mengatakan kemampuan keamanan siber model "tumbuh lebih cepat dari yang diantisipasi" selama pasca-pelatihan . 740 miliar parameter model dasar tidak dilatih ulang — semua peningkatan berasal dari perbaikan pasca-pelatihan . Karena kemampuan tersebut merupakan kejutan yang muncul, perusahaan menahan rilis open-weight selama dua minggu sambil memperkuat kontrol keamanan dan keselamatan . Model ini sudah tersedia melalui API Z.ai dan melalui integrasi dengan ZCode, Claude Code, dan OpenCode .
Catatan Penting
Semua skor benchmark GLM-5.3 dilaporkan oleh perusahaan dan belum diverifikasi secara independen .
Keunggulan CyberGym atas Mythos 5 dan GPT-5.6 Sol sangat tipis — kurang dari satu poin persentase .
Di ExploitBench, GLM-5.3 tertinggal jauh dari pesaing AS (54,4% vs. 78% untuk Mythos 5 dan 76,5% untuk GPT-5.6 Sol) .
Sebagai konteks, agregator benchmark keamanan siber yang lebih luas menempatkan GPT-5.6 Sol di 84,5% pada CyberGym (menyamai GLM-5.3) dan Mythos 5 di 83,8%, sementara menunjukkan ExploitBench 73,5% untuk Sol dan 78% untuk Mythos 5 .
x.com
Preparing GLM-5.3 for Open Release: A Responsible Path to Cyber ...
axios.comChina's latest open-weight model rivals U.S. models at hacking
daily.devGLM-5.3: Frontier Coding with Emergent Cyber Capabilities | daily.dev
techtimes.comGLM-5.3: Post-Training Produced Exploit Chains Z.ai ... - Tech Times
nationpress.comZhipu GLM-5.3 beats Anthropic Mythos 5 on CyberGym benchmark