GLM-5.3 против GLM-5.2: что изменилось в новой модели Z.ai
GLM 5.3 — новая модель Z.ai для программирования и агентных сценариев с контекстом на 1 млн токенов; компания заявляет о приросте на 50% относительно GLM 5.2 в собственном тесте Z.ai Code Bench. По опубликованным сторонним данным, результат GLM 5.3 в Terminal Bench 3.0 вырос с 4,6% до 28,3%, а в ExploitBench — с 24,...
GLM 5.3 — новая модель Z.ai для программирования и агентных сценариев с контекстом на 1 млн токенов; компания заявляет о приросте на 50% относительно GLM 5.2 в собственном тесте Z.ai Code Bench.
По опубликованным сторонним данным, результат GLM 5.3 в Terminal Bench 3.0 вырос с 4,6% до 28,3%, а в ExploitBench — с 24,4% до 54,4%; эти точные цифры пока не подтверждены независимым тестированием.
Z.ai связывает улучшения с масштабированием post training и обучением в средах, имитирующих многоэтапную инженерную и исследовательскую работу.
Модель уже доступна в GLM Coding Plan и ZCode, но открытые веса, по предварительной оценке, должны выйти примерно через две недели после запуска 14 августа 2026 года — после дополнительной проверки безопасности.
What is Z.ai’s GLM-5.3, how does it compare with GLM-5.2 in coding, long-horizon tasks, cybersecurity, and benchmarks such as Z.ai Code BencAI-generated editorial illustration for GLM-5.3’s coding-agent and cybersecurity capabilities.
Промпт ИИ
Create a landscape editorial hero image for this Studio Global article: What is Z.ai’s GLM-5.3, how does it compare with GLM-5.2 in coding, long-horizon tasks, cybersecurity, and benchmarks such as Z.ai Code Benc. Article summary: GLM-5.3 is Z.ai’s flagship coding-and-agent model, aimed at complex software engineering and long-horizon tasks. It has a 1M-token context window and is available through Z.ai’s GLM Coding Plan; its API availability was . Topic tags: general, documentation, 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,
openai.com
GLM-5.3 — новая модель Z.ai для программирования и автономных агентных задач. Компания позиционирует её не как обычное обновление для коротких запросов, а как инструмент для сложной разработки: планирования, написания кода, глубокого отладки и многоэтапной работы с проектом. В документации Z.ai указано контекстное окно на 1 млн токенов, а главное преимущество перед GLM-5.2 описывается как более высокая эффективность в долгих и комплексных задачах.
Главное сравнение GLM-5.3 и GLM-5.2
Самый однозначный официальный показатель — заявленный Z.ai прирост на 50% в собственном тесте Z.ai Code Bench. Кроме того, компания сообщает о результатах уровня SOTA среди открытых моделей в публичных оценках Terminal-Bench 3.0 и Agents’ Last Exam (CLI).
Точные значения в сравнительной таблице ниже опубликованы сторонним источником, а не воспроизведены в представленном фрагменте официальной документации Z.ai:
Тест
GLM-5.2
GLM-5.3
Что это может означать
Terminal-Bench 3.0
4,6%
28,3%
Существенно более сильная работа в длительных задачах через командную строку
DeepSWE v1.1
46,2%
66,9%
Улучшение в задачах программной инженерии
Agents’ Last Exam (CLI)
23,8%
28,5%
Более уверенная работа агента с инструментами
CyberGym
77,2%
84,5%
Более высокий результат в поиске уязвимостей
Studio Global AI
Продолжайте свое исследование
На этой странице есть ответ, подтвержденный источником, который вы можете продолжить внутри Studio Global.
Каков краткий ответ на вопрос «GLM-5.3 против GLM-5.2: что изменилось в новой модели Z.ai»?
GLM 5.3 — новая модель Z.ai для программирования и агентных сценариев с контекстом на 1 млн токенов; компания заявляет о приросте на 50% относительно GLM 5.2 в собственном тесте Z.ai Code Bench.
Какие ключевые моменты необходимо проверить в первую очередь?
GLM 5.3 — новая модель Z.ai для программирования и агентных сценариев с контекстом на 1 млн токенов; компания заявляет о приросте на 50% относительно GLM 5.2 в собственном тесте Z.ai Code Bench. По опубликованным сторонним данным, результат GLM 5.3 в Terminal Bench 3.0 вырос с 4,6% до 28,3%, а в ExploitBench — с 24,4% до 54,4%; эти точные цифры пока не подтверждены независимым тестированием.
Что мне делать дальше на практике?
Z.ai связывает улучшения с масштабированием post training и обучением в средах, имитирующих многоэтапную инженерную и исследовательскую работу.
Эти числа следует воспринимать как заявленные результаты, требующие независимой проверки: детальное сравнение опубликовано в посте стороннего автора в X, тогда как официальные материалы подтверждают общую картину улучшений, но не приводят в представленном отрывке все значения таблицы.
Почему важен Terminal-Bench 3.0
Рост с 4,6% до 28,3% в Terminal-Bench 3.0 — самый заметный скачок в приведённом сравнении. Тест особенно важен для кодинговых агентов, поскольку проверяет работу в командной строке. Модели приходится анализировать состояние среды, вызывать инструменты, вносить изменения и последовательно продвигаться к результату, а не просто выдавать один фрагмент кода.
По имеющимся данным, GLM-5.3 значительно сильнее GLM-5.2 именно в этом тесте. Однако такой результат сам по себе не доказывает, что новая модель будет лучше на любом реальном репозитории или в каждом рабочем процессе разработки.
Ставка на длинные агентные сценарии
Z.ai делает акцент на задачах, которые требуют длительного удержания контекста: от составления плана и реализации до отладки, проверки и повторных итераций. Контекстное окно на 1 млн токенов должно быть полезно при работе с большими проектами, множеством файлов и продолжительными цепочками действий.
Компания также заявляет о результатах уровня SOTA среди открытых моделей в Terminal-Bench 3.0 и Agents’ Last Exam (CLI), а в собственном Code Bench — о преимуществе на 50% над GLM-5.2.
На практике это означает, что GLM-5.3 рассчитана на более продолжительную работу с проектом, а не только на ответы в формате «запрос — код». Но бенчмарки не показывают автоматически надёжность, стоимость, задержку ответа или качество выполнения инструментальных команд в конкретной среде. Перед переходом с GLM-5.2 разработчикам стоит проверить модель на собственных репозиториях и типичных сценариях.
Что изменилось в кибербезопасности
Z.ai сообщает, что GLM-5.3 показала лучший для компании результат в тесте CyberGym, который оценивает поиск уязвимостей. Также Z.ai утверждает, что способность модели эксплуатировать уязвимости превысила результат GLM-5.2 более чем вдвое.
Сторонняя сравнительная таблица указывает на рост CyberGym с 77,2% до 84,5%, а ExploitBench — с 24,4% до 54,4%. Точные значения не подтверждены независимыми измерениями в представленном наборе официальных материалов, поэтому их корректнее считать заявленными результатами запуска, а не окончательными отраслевыми показателями.
Для специалистов по безопасности это двоякий сигнал. С одной стороны, более способная модель может помогать искать и анализировать уязвимости в защитных целях. С другой — рост возможностей по обнаружению и эксплуатации ошибок повышает риски злоупотреблений. Перед широким внедрением потребуются дополнительные проверки безопасности и подходящие ограничения доступа.
Как Z.ai объясняет прирост производительности
По версии Z.ai, основной причиной улучшений стало масштабирование post-training — дополнительного обучения модели после базовой подготовки. Компания расширила набор задач и обучающих сред, чтобы они больше напоминали реальные многодневные процессы разработки и исследований, а не короткие изолированные упражнения по программированию.
Иными словами, Z.ai связывает результат прежде всего с изменением процесса обучения и самих сред, а не просто с увеличением контекстного окна. Такой подход объясняет, почему наиболее заметный рост наблюдается в долгих агентных тестах: модель обучали планировать, пользоваться инструментами, восстанавливаться после ошибок и продолжать работу через несколько последовательных этапов.
Это объяснение остаётся версией самой Z.ai. Чтобы понять, насколько прирост переносится на другие проекты, промпты, агентские оболочки и наборы инструментов, потребуются независимые испытания.
Где уже можно использовать GLM-5.3
Модель доступна в тарифах GLM Coding Plan — Max, Pro и Lite — и поддерживается в среде разработки ZCode.
На момент описания открытые веса ещё не были представлены в доступных источниках. Сторонний отчёт сообщал, что Z.ai рассчитывает выпустить их примерно через две недели после запуска 14 августа 2026 года, после дополнительной проверки безопасности. Это указывает на конец августа 2026 года, но срок остаётся предварительным и не должен восприниматься как подтверждённая дата.
Для разработчиков здесь важна разница между доступом и воспроизводимостью. Попробовать GLM-5.3 уже можно через продукты Z.ai, но полностью повторить опубликованные результаты локально пока нельзя с помощью весов, описанных в представленных источниках.
Итог
GLM-5.3 выглядит целевым обновлением для кодинговых агентов, а не простой сменой номера версии. Z.ai заявляет о приросте на 50% в собственном Code Bench, более сильной работе в долгих агентных сценариях и заметном улучшении показателей кибербезопасности по сравнению с GLM-5.2.
Главная оговорка касается доказательности. Официальная документация подтверждает направление улучшений, но точные публичные сравнения и ориентир по срокам выхода весов основаны на сторонних сообщениях и ещё требуют независимой проверки. Пока разумнее считать GLM-5.3 многообещающим обновлением, доступным через продукты Z.ai, но ещё не полностью воспроизводимой открытой моделью.
