Z.ai GLM-5.3: Il modello cinese che supera i rivali USA nei test di cybersicurezza (ma non su tutti i fronti)

Il 14 agosto 2026, Zhipu AI — che ora opera a livello internazionale come Z.ai — ha lanciato GLM-5.3, un modello open-weight da 740 miliardi di parametri che offre prestazioni di codifica circa del 50% migliori rispetto a GLM-5.2 e, inaspettatamente, capacità di cybersicurezza emergenti molto potenti . Il modello è così abile nel trovare e sfruttare falle di sicurezza che Z.ai ha deciso di ritardare di due settimane il rilascio pubblico dei suoi pesi per effettuare test di sicurezza aggiuntivi .

Risultati dei benchmark di cybersicurezza a confronto con i rivali USA

Il risultato più eclatante di GLM-5.3 arriva da CyberGym, un benchmark sviluppato dall'iniziativa Responsible AI Development dell'Università di Berkeley che verifica la capacità di un modello di identificare e validare vulnerabilità reali a partire dal codice sorgente . Qui, GLM-5.3 ottiene un punteggio dell'84,5%, superando di poco sia Mythos 5 di Anthropic (83,8%) che GPT-5.6 Sol di OpenAI (83,6%) .

Il quadro cambia drasticamente con ExploitBench, che richiede un ragionamento più profondo su come una vulnerabilità potrebbe essere effettivamente sfruttata e pretende la creazione di un exploit funzionante. GLM-5.3 ha più che raddoppiato il punteggio del suo predecessore, passando dal 24,4% al 54,4% . Tuttavia, Z.ai stessa riporta che Mythos 5 raggiunge il 78% su ExploitBench e GPT-5.6 Sol il 76,5% — lasciando GLM-5.3 molto indietro su questa metrica più difficile .

Su ExploitGym, che conta quanti task di sfruttamento un modello può completare in un budget normalizzato di due ore, GLM-5.3 termina 105 task (rispetto ai 29 di GLM-5.2) . Con un budget di sei ore, il numero sale a 130 task .

Benchmark	Cosa misura	GLM-5.3	Anthropic Mythos 5	OpenAI GPT-5.6 Sol
CyberGym	Scoperta e validazione di vulnerabilità da codice sorgente	84,5%	83,8%	83,6%
ExploitBench	Ragionamento sulla causa principale e creazione di exploit funzionante	54,4%	78%	76,5%
ExploitGym (budget 2 ore)	Completamento di exploit sotto budget normalizzato	105 task	Non dichiarato	Non dichiarato

Fonti:

Rilevamento di vulnerabilità nel mondo reale

Oltre ai benchmark, GLM-5.3 è stato impiegato in test di sicurezza reali con risultati notevoli:

• 2.436 vulnerabilità confermate trovate in 269 progetti open-source, con risultati tracciati in un registro pubblico di Z.ai chiamato Security Disclosure Ledger .
• Di queste, 1.097 sono state classificate come critiche o ad alta gravità .
• Il modello ha trovato bug in software risalenti a circa 40 anni fa .
• Subito dopo il lancio, ha anche identificato una grave vulnerabilità in Cursor, l'editor di codice basato sull'IA .

Punteggi chiave nella codifica e nei benchmark generali

GLM-5.3 mostra anche numeri solidi nei benchmark di codifica e agentici, posizionandosi come un modello open-weight leader per le attività di ingegneria del software:

• Terminal-Bench 3.0: ha ottenuto 28,3 — il punteggio più alto tra i modelli open-weight e vicino a quello di Claude Fable 5 di Anthropic .
• DeepSWE v1.1: è passato da 46,2 a 66,9 .
• Z.ai internal Code Bench (Max effort): 34,5% (rispetto al 23,4% di GLM-5.2), utilizzando circa 75.000 token di output per task contro i 96.000 .
• Agents' Last Exam: primo posto tra i modelli open-weight .
• World of AI Benchmark composite: classificato #6 assoluto con un punteggio composito di 81,3, appena dietro Kimi K3 (81,5) e davanti a GPT-5.6 Terra .
• FrontierSWE: ha raggiunto 78,1, in aumento rispetto a 67,5 .
• SWE-Marathon: è raddoppiato, passando da 19,4 a 42,5 .

Perché il rilascio dei pesi open-weight è stato ritardato

Z.ai ha dichiarato che la capacità di cybersicurezza del modello "è cresciuta più velocemente del previsto" durante la fase di post-training . I 740 miliardi di parametri del modello base non sono stati riaddestrati — tutti i miglioramenti sono arrivati dagli ottimizzamenti del post-training . Poiché questa capacità è emersa in modo inaspettato, l'azienda ha deciso di trattenere il rilascio open-weight per due settimane, il tempo di rafforzare i controlli di sicurezza . Il modello è già disponibile tramite l'API di Z.ai e attraverso integrazioni con ZCode, Claude Code e OpenCode .

Avvertenze importanti

• Tutti i punteggi dei benchmark di GLM-5.3 sono auto-dichiarati dall'azienda e non sono ancora stati verificati in modo indipendente .
• Il vantaggio su CyberGym rispetto a Mythos 5 e GPT-5.6 Sol è minimo — meno di un punto percentuale .
• Su ExploitBench, GLM-5.3 è nettamente dietro ai rivali USA (54,4% contro il 78% di Mythos 5 e il 76,5% di GPT-5.6 Sol) .
• Per contesto, un aggregatore di benchmark di cybersicurezza più ampio mostra GPT-5.6 Sol all'84,5% su CyberGym (alla pari con GLM-5.3) e Mythos 5 all'83,8%, mentre per ExploitBench segnala il 73,5% per Sol e il 78% per Mythos 5 .