Cyberbeveiligingsbenchmarks: Hoe presteert GLM-5.3 tegen Amerikaanse concurrenten?

Het belangrijkste resultaat van GLM-5.3 is op CyberGym, een benchmark van UC Berkeley's Responsible AI Development Initiative die test of een model echte kwetsbaarheden kan identificeren en valideren op basis van white-box broncode . Daar scoort GLM-5.3 84,5%, waarmee het nipt beter presteert dan zowel Anthropic's Mythos 5 (83,8%) als OpenAI's GPT-5.6 Sol (83,6%) .

Het beeld verandert op ExploitBench, die dieper redeneervermogen vereist over hoe een echte kwetsbaarheid kan worden misbruikt en een werkende exploit vraagt. GLM-5.3 verdubbelt de score van zijn voorganger van 24,4% naar 54,4% . Z.ai rapporteert echter dat Mythos 5 78% scoort op ExploitBench en GPT-5.6 Sol 76,5% — GLM-5.3 blijft dus flink achter op deze moeilijkere maatstaf .

Op ExploitGym, dat telt hoeveel exploitatietaken een model kan voltooien binnen een genormaliseerd budget van twee uur, voltooit GLM-5.3 105 taken (tegenover 29 voor GLM-5.2) . Binnen een budget van zes uur stijgt dit naar 130 taken .

Bronnen:

Kwetsbaarheden in de echte wereld opsporen

Naast benchmarks is GLM-5.3 ingezet in de praktijk met indrukwekkende resultaten:

• 2.436 bevestigde kwetsbaarheden gevonden in 269 open-source projecten, bijgehouden in een openbaar Z.ai Security Disclosure Ledger .
• Hiervan werden 1.097 geclassificeerd als kritiek of hoog risico .
• Het model vond bugs in software die ongeveer 40 jaar oud was .
• Kort na de lancering identificeerde het ook een ernstige kwetsbaarheid in Cursor, de AI-gestuurde code-editor .

Belangrijke codeer- en algemene benchmarks

GLM-5.3 levert ook sterke prestaties op codeer- en agentische benchmarks, waarmee het zich positioneert als een toonaangevend open-weight model voor software-engineeringtaken:

• Terminal-Bench 3.0: scoorde 28,3 — de hoogste score onder open-weight modellen en benadert Anthropic's Claude Fable 5 .
• DeepSWE v1.1: steeg van 46,2 naar 66,9 .
• Z.ai interne Code Bench (Max effort): 34,5% (tegenover 23,4% voor GLM-5.2), met ongeveer 75.000 outputtokens per taak tegenover 96.000 .
• Agents' Last Exam: eerste plaats onder open-weight modellen .
• World of AI Benchmark composiet: gerangschikt op #6 overall met een composietscore van 81,3, net achter Kimi K3 (81,5) en vóór GPT-5.6 Terra .
• FrontierSWE: bereikte 78,1, een stijging van 67,5 .
• SWE-Marathon: verdubbeld van 19,4 naar 42,5 .

Waarom de open-weight release wordt uitgesteld

Z.ai zegt dat de cyberbeveiligingscapaciteit van het model "sneller groeide dan verwacht" tijdens de post-training . De 740 miljard parameters van het basismodel werden niet opnieuw getraind — alle winst kwam van verbeteringen in de post-training . Omdat deze capaciteit een onverwachte emergentie was, houdt het bedrijf de open-weight release twee weken tegen terwijl het de veiligheids- en beveiligingscontroles versterkt . Het model is al beschikbaar via de Z.ai API en via integraties met ZCode, Claude Code en OpenCode .

Belangrijke kanttekeningen

• Alle GLM-5.3 benchmarkscores zijn door het bedrijf gerapporteerd en nog niet onafhankelijk geverifieerd .
• Het voordeel op CyberGym ten opzichte van Mythos 5 en GPT-5.6 Sol is klein — minder dan een procentpunt .
• Op ExploitBench blijft GLM-5.3 ver achter bij Amerikaanse rivalen (54,4% versus 78% voor Mythos 5 en 76,5% voor GPT-5.6 Sol) .
• Ter context: een bredere cyberbeveiligingsbenchmark-aggregator vermeldt GPT-5.6 Sol met 84,5% op CyberGym (gelijk aan GLM-5.3) en Mythos 5 met 83,8%, terwijl Sol 73,5% en Mythos 5 78% scoren op ExploitBench .

Cyberbeveiligingsbenchmarks: Hoe presteert GLM-5.3 tegen Amerikaanse concurrenten?

Het belangrijkste resultaat van GLM-5.3 is op CyberGym, een benchmark van UC Berkeley's Responsible AI Development Initiative die test of een model echte kwetsbaarheden kan identificeren en valideren op basis van white-box broncode . Daar scoort GLM-5.3 84,5%, waarmee het nipt beter presteert dan zowel Anthropic's Mythos 5 (83,8%) als OpenAI's GPT-5.6 Sol (83,6%) .

Het beeld verandert op ExploitBench, die dieper redeneervermogen vereist over hoe een echte kwetsbaarheid kan worden misbruikt en een werkende exploit vraagt. GLM-5.3 verdubbelt de score van zijn voorganger van 24,4% naar 54,4% . Z.ai rapporteert echter dat Mythos 5 78% scoort op ExploitBench en GPT-5.6 Sol 76,5% — GLM-5.3 blijft dus flink achter op deze moeilijkere maatstaf .

Op ExploitGym, dat telt hoeveel exploitatietaken een model kan voltooien binnen een genormaliseerd budget van twee uur, voltooit GLM-5.3 105 taken (tegenover 29 voor GLM-5.2) . Binnen een budget van zes uur stijgt dit naar 130 taken .

Bronnen:

Kwetsbaarheden in de echte wereld opsporen

Naast benchmarks is GLM-5.3 ingezet in de praktijk met indrukwekkende resultaten:

• 2.436 bevestigde kwetsbaarheden gevonden in 269 open-source projecten, bijgehouden in een openbaar Z.ai Security Disclosure Ledger .
• Hiervan werden 1.097 geclassificeerd als kritiek of hoog risico .
• Het model vond bugs in software die ongeveer 40 jaar oud was .
• Kort na de lancering identificeerde het ook een ernstige kwetsbaarheid in Cursor, de AI-gestuurde code-editor .

Belangrijke codeer- en algemene benchmarks

GLM-5.3 levert ook sterke prestaties op codeer- en agentische benchmarks, waarmee het zich positioneert als een toonaangevend open-weight model voor software-engineeringtaken:

• Terminal-Bench 3.0: scoorde 28,3 — de hoogste score onder open-weight modellen en benadert Anthropic's Claude Fable 5 .
• DeepSWE v1.1: steeg van 46,2 naar 66,9 .
• Z.ai interne Code Bench (Max effort): 34,5% (tegenover 23,4% voor GLM-5.2), met ongeveer 75.000 outputtokens per taak tegenover 96.000 .
• Agents' Last Exam: eerste plaats onder open-weight modellen .
• World of AI Benchmark composiet: gerangschikt op #6 overall met een composietscore van 81,3, net achter Kimi K3 (81,5) en vóór GPT-5.6 Terra .
• FrontierSWE: bereikte 78,1, een stijging van 67,5 .
• SWE-Marathon: verdubbeld van 19,4 naar 42,5 .

Waarom de open-weight release wordt uitgesteld

Z.ai zegt dat de cyberbeveiligingscapaciteit van het model "sneller groeide dan verwacht" tijdens de post-training . De 740 miljard parameters van het basismodel werden niet opnieuw getraind — alle winst kwam van verbeteringen in de post-training . Omdat deze capaciteit een onverwachte emergentie was, houdt het bedrijf de open-weight release twee weken tegen terwijl het de veiligheids- en beveiligingscontroles versterkt . Het model is al beschikbaar via de Z.ai API en via integraties met ZCode, Claude Code en OpenCode .

Belangrijke kanttekeningen

• Alle GLM-5.3 benchmarkscores zijn door het bedrijf gerapporteerd en nog niet onafhankelijk geverifieerd .
• Het voordeel op CyberGym ten opzichte van Mythos 5 en GPT-5.6 Sol is klein — minder dan een procentpunt .
• Op ExploitBench blijft GLM-5.3 ver achter bij Amerikaanse rivalen (54,4% versus 78% voor Mythos 5 en 76,5% voor GPT-5.6 Sol) .
• Ter context: een bredere cyberbeveiligingsbenchmark-aggregator vermeldt GPT-5.6 Sol met 84,5% op CyberGym (gelijk aan GLM-5.3) en Mythos 5 met 83,8%, terwijl Sol 73,5% en Mythos 5 78% scoren op ExploitBench .