JawabanDipublikasikan24 sumber
GLM-5.3 Meluncur Hanya Beberapa Jam Setelah “Soooooon”, Bawa Lompatan Besar untuk Coding dan Keamanan Siber
Zhipu dilaporkan merilis GLM 5.3 hanya beberapa jam setelah kepala ilmuwannya, Tang Jie, membalas pertanyaan tentang model tersebut dengan “sooooooon”. Dengan basis sekitar 743 miliar parameter yang sama seperti GLM 5.2, GLM 5.3 mengandalkan post training untuk meningkatkan kemampuan coding, penggunaan terminal, dan...
Diterbitkan olehDiedit dengan GPT-5.6 LunaGambar dibuat dengan GPT Image 1.5
Jawaban penelitian
Poin-poin penting
- Zhipu dilaporkan merilis GLM 5.3 hanya beberapa jam setelah kepala ilmuwannya, Tang Jie, membalas pertanyaan tentang model tersebut dengan “sooooooon”.
- Dengan basis sekitar 743 miliar parameter yang sama seperti GLM 5.2, GLM 5.3 mengandalkan post training untuk meningkatkan kemampuan coding, penggunaan terminal, dan tugas agen AI.
- Zhipu melaporkan skor 84,5 di CyberGym serta 2.436 temuan keamanan dari 269 proyek open source, tetapi angka angka tersebut masih terutama berasal dari klaim perusahaan dan belum direplikasi secara luas oleh pihak ind...
AI Perintah
openai.comCreate a landscape editorial hero image for this Studio Global article: What happened when Zhipu AI chief scientist Tang Jie responded “sooooooon” to a user asking about GLM-5.3, and what did Zhipu’s subsequently. Article summary: Tang Jie’s “sooooooon” proved unusually literal: Zhipu released GLM-5.3 only hours later, positioning it as a coding, agentic, and cyber-defence upgrade built on GLM-5.2’s base rather than a larger pretrained model. [1][. Topic tags: general, general web, user generated. 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 with fa
Balasan Tang Jie yang ditulis memanjang—“sooooooon”—ternyata bukan sekadar pemanis media sosial. Zhipu dilaporkan merilis GLM-5.3 hanya beberapa jam kemudian. 12
Namun, yang membuat peluncuran ini menarik bukan hanya kecepatannya. GLM-5.3 diposisikan sebagai model yang berfokus pada coding, pekerjaan perangkat lunak berbasis agen, dan keamanan siber. Strategi teknisnya juga tidak biasa: model ini mempertahankan basis sekitar 743 miliar parameter milik GLM-5.2, sementara Zhipu mengaitkan peningkatan kinerjanya terutama dengan post-training yang diperluas, bukan pelatihan awal dengan model yang lebih besar. 1
4
20
Lompatan kemampuan dari basis model yang sama
Dalam peluncuran GLM-5.3, post-training ditempatkan sebagai sumber utama peningkatan kemampuan. Pendekatan ini penting karena peningkatan performa AI sering kali dikaitkan dengan penambahan ukuran model atau pelatihan awal yang jauh lebih besar.
Perbandingan yang dilaporkan Zhipu menunjukkan kemajuan paling jelas pada tugas rekayasa perangkat lunak yang sulit dan membutuhkan banyak penggunaan alat:
- SWE-Marathon: 19,4 menjadi 42,5
- FrontierSWE: 67,5 menjadi 78,1
- Terminal-Bench 3.0: 4,6 menjadi 28,3
- DeepSWE v1.1: 46,2 menjadi 66,9
Angka-angka tersebut berasal dari perbandingan yang dipublikasikan Zhipu dan analisis sekunder atas hasilnya. 1
3
6
7
Kenaikan Terminal-Bench terlihat sangat mencolok jika dihitung berdasarkan selisih poin. Meski begitu, lonjakan besar dari skor awal yang rendah tidak otomatis membuktikan bahwa GLM-5.3 adalah model terbaik untuk semua tugas rekayasa perangkat lunak. Pada SWE-Marathon, misalnya, skor 42,5 yang dilaporkan masih berada di bawah Kimi K3 dan Opus 4.8 dalam tabel perbandingan yang tersedia. 6
9
CyberGym menjadi sorotan utama
Skor yang paling menarik perhatian adalah 84,5 di CyberGym, benchmark yang menguji kemampuan menemukan dan memvalidasi kerentanan dari kode sumber. Dalam perbandingan Zhipu, skor tersebut sedikit mengungguli Mythos 5 dengan 83,8 dan GPT-5.6 Sol dengan 83,6. 2
5
6
CyberGym bukan sekadar menguji apakah model dapat menyarankan kode yang lebih aman. Tugasnya mencakup identifikasi kelemahan, penyusunan serangan, dan validasi dampaknya—lebih dekat dengan penemuan kerentanan serta penalaran mengenai rangkaian eksploitasi daripada penyelesaian kode biasa. 12
17
Perbedaan ini menjelaskan mengapa hasil tersebut mendapat perhatian dari media keamanan siber. The Register melaporkan klaim Zhipu bahwa peningkatan GLM-5.3 tidak hanya terlihat dalam menemukan celah terisolasi, tetapi juga dalam menalar beberapa tahap rangkaian eksploitasi. 17
Tetap diperlukan kehati-hatian saat menyebutnya sebagai model “terdepan”. Perbandingan yang tersedia masih bersifat laporan vendor, dan belum ada replikasi independen berskala besar. 2
4
6
Pengujian pada kode dunia nyata
Di luar CyberGym, Zhipu dilaporkan bekerja sama dengan tim keamanan untuk menguji model pada basis kode dunia nyata. Buku besar keamanan yang dipublikasikan perusahaan mencatat 2.436 temuan keamanan di 269 proyek open source, termasuk 1.097 temuan dengan tingkat keparahan Kritis atau Tinggi. Laporan juga menyebut temuan tertua berasal dari 1981 dan kerentanan tersebut rata-rata tidak ditemukan selama 26,6 tahun. 21
31
Angka itu menunjukkan jenis alur kerja keamanan yang ingin diasosiasikan Zhipu dengan GLM-5.3. Namun, angka tersebut tidak boleh dianggap sebagai pengukuran yang telah diaudit secara independen. Berdasarkan laporan yang tersedia, data itu berasal dari Zhipu, sementara rekam jejak benchmark yang lebih luas juga masih banyak bertumpu pada pengungkapan perusahaan.
Bukan hanya menulis kode, tetapi menjalankan rangkaian tugas
Pemosisian GLM-5.3 tidak berhenti pada pemrograman mandiri. Zhipu memasarkannya untuk agen AI yang dapat berjalan dalam waktu lama, menggunakan berbagai alat, bekerja di terminal, dan menyelesaikan tugas rekayasa dengan banyak tahapan.
Hasil yang dilaporkan mencakup 73,0 di Toolathlon Verified, naik dari 59,9 pada GLM-5.2, serta 48,2 di AutomationBench, naik dari 26,2. Perbandingan lain yang dipublikasikan mencatat skor 28,5 di Agents’ Last Exam. 1
7
11
Benchmark tersebut menunjukkan perbedaan praktis yang penting. Keunggulan model yang ditawarkan bukan sekadar menghasilkan potongan kode yang tampak masuk akal, melainkan menjalankan serangkaian tindakan di repositori, terminal, atau lingkungan berbasis alat.
Namun, penerapan di lingkungan produksi tetap bergantung pada izin akses alat, cakupan pengujian, proses peninjauan manusia, serta tingkat kegagalan model pada basis kode tertentu. Skor benchmark yang tinggi belum dengan sendirinya menjamin pekerjaan rekayasa perangkat lunak yang konsisten dan aman.
Apa yang bisa disimpulkan dari peluncuran ini?
Bukti yang tersedia mendukung kesimpulan yang lebih terbatas daripada klaim bahwa “GLM-5.3 mengalahkan semua model frontier”. Hasil Zhipu menunjukkan peningkatan besar yang dilaporkan dibandingkan GLM-5.2 pada sejumlah benchmark coding dan agen AI, ditambah skor CyberGym yang menjadi yang tertinggi dalam tabel perbandingan yang diterbitkan Zhipu dan dikutip oleh sejumlah laporan. 2
5
6
Hasil tersebut belum membuktikan bahwa GLM-5.3 unggul secara merata dalam semua tugas pemrograman, penalaran, keselamatan, maupun penggunaan umum. Beberapa model pesaing masih berada di posisi lebih tinggi pada benchmark coding tertentu, dan hasil yang ada belum diuji ulang secara luas oleh evaluator independen. 6
9
Kesimpulan yang lebih penting justru terletak pada metodenya: GLM-5.3 menjadikan post-training berskala besar sebagai cara untuk membuka kemampuan khusus dari basis model besar yang sudah ada. Jika pengujian independen mengonfirmasi peningkatan tersebut, investasi pada post-training dan evaluasi yang cermat dalam alur kerja perangkat lunak serta keamanan siber dapat menjadi sama pentingnya dengan sekadar membandingkan jumlah parameter.
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "GLM-5.3 Meluncur Hanya Beberapa Jam Setelah “Soooooon”, Bawa Lompatan Besar untuk Coding dan Keamanan Siber"?
Zhipu dilaporkan merilis GLM 5.3 hanya beberapa jam setelah kepala ilmuwannya, Tang Jie, membalas pertanyaan tentang model tersebut dengan “sooooooon”.
Apa poin penting yang harus divalidasi terlebih dahulu?
Zhipu dilaporkan merilis GLM 5.3 hanya beberapa jam setelah kepala ilmuwannya, Tang Jie, membalas pertanyaan tentang model tersebut dengan “sooooooon”. Dengan basis sekitar 743 miliar parameter yang sama seperti GLM 5.2, GLM 5.3 mengandalkan post training untuk meningkatkan kemampuan coding, penggunaan terminal, dan tugas agen AI.
Apa yang harus saya lakukan selanjutnya dalam latihan?
Zhipu melaporkan skor 84,5 di CyberGym serta 2.436 temuan keamanan dari 269 proyek open source, tetapi angka angka tersebut masih terutama berasal dari klaim perusahaan dan belum direplikasi secara luas oleh pihak ind...
Sumber
pandaily.comGLM-5.3 Arrives Hours After Tang Jie's 'sooooooon' — Zhipu's Coding and Security Model Doubles SWE-Marathon, Tops CyberGym
cheapestinference.comGLM-5.3 API — status, specs & subscription | CheapestInference
global.chinadaily.com.cnChinese startup launches new AI model