Z.ai GLM-5.3: โมเดล AI จีน แซงหน้า GPT-5.6 Sol และ Mythos 5 ในความสามารถเจาะระบบ?

เมื่อวันที่ 14 สิงหาคม 2026 Zhipu AI ซึ่งเปลี่ยนชื่อแบรนด์ในระดับสากลเป็น Z.ai ได้เปิดตัว GLM-5.3 โมเดลโอเพนเวทขนาด 740,000 ล้านพารามิเตอร์ ที่มีความสามารถในการเขียนโค้ดดีขึ้นประมาณ 50% จาก GLM-5.2 และมีความสามารถด้านความปลอดภัยไซเบอร์ที่เกิดขึ้นโดยไม่คาดคิดอย่างแข็งแกร่ง โมเดลนี้มีความสามารถสูงในการค้นหาและใช้ประโยชน์จากช่องโหว่ด้านความปลอดภัย จน Z.ai ต้องเลื่อนการเผยแพร่น้ำหนักโมเดลต่อสาธารณะออกไปสองสัปดาห์เพื่อทดสอบความปลอดภัยเพิ่มเติม

ผลลัพธ์เบนช์มาร์กความปลอดภัยไซเบอร์เทียบกับคู่แข่งสหรัฐฯ

ผลลัพธ์ที่โดดเด่นของ GLM-5.3 อยู่ที่ CyberGym เบนช์มาร์กจาก UC Berkeley Responsible AI Development Initiative ที่ทดสอบว่าโมเดลสามารถระบุและตรวจสอบช่องโหว่จริงจากซอร์สโค้ดแบบไวท์บ็อกซ์ได้หรือไม่ โดย GLM-5.3 ทำคะแนนได้ 84.5% แซงหน้า Mythos 5 (83.8%) ของ Anthropic และ GPT-5.6 Sol (83.6%) ของ OpenAI เล็กน้อย

อย่างไรก็ตาม สถานการณ์เปลี่ยนไปบน ExploitBench ซึ่งต้องใช้การคิดเชิงลึกมากขึ้นว่าช่องโหว่จริงสามารถถูกนำไปใช้ประโยชน์ได้อย่างไร และต้องการเอ็กซ์พลอยต์ที่ใช้งานได้จริง GLM-5.3 ทำคะแนนเพิ่มขึ้นกว่าสองเท่าจากรุ่นก่อน จาก 24.4% เป็น 54.4% แต่ Z.ai รายงานว่า Mythos 5 ทำได้ถึง 78% บน ExploitBench และ GPT-5.6 Sol ทำได้ 76.5% ทำให้ GLM-5.3 ตามหลังอย่างมากในการวัดผลที่ยากขึ้นนี้

บน ExploitGym ซึ่งนับจำนวนงานเอ็กซ์พลอยต์ที่โมเดลทำให้เสร็จภายในงบประมาณสองชั่วโมงที่ปรับมาตรฐานแล้ว GLM-5.3 ทำได้ 105 งาน (เพิ่มขึ้นจาก 29 งานของ GLM-5.2) ภายในงบประมาณหกชั่วโมง จำนวนนี้เพิ่มขึ้นเป็น 130 งาน

เบนช์มาร์ก	วัดอะไร	GLM-5.3	Anthropic Mythos 5	OpenAI GPT-5.6 Sol
CyberGym	การค้นหาและตรวจสอบช่องโหว่แบบไวท์บ็อกซ์จากซอร์สโค้ด	84.5%	83.8%	83.6%
ExploitBench	การคิดเชิงสาเหตุรากเหง้า + การส่งเอ็กซ์พลอยต์ที่ใช้งานได้	54.4%	78%	76.5%
ExploitGym (งบ 2 ชม.)	จำนวนเอ็กซ์พลอยต์ที่เสร็จสมบูรณ์ภายใต้งบประมาณที่ปรับมาตรฐาน	105 งาน	ไม่เปิดเผย	ไม่เปิดเผย

แหล่งที่มา:

การตรวจจับช่องโหว่ในโลกจริง

นอกเหนือจากเบนช์มาร์กแล้ว GLM-5.3 ยังถูกนำไปใช้ทดสอบความปลอดภัยในโลกจริงและให้ผลลัพธ์ที่น่าประทับใจ:

• พบ ช่องโหว่ที่ยืนยันแล้ว 2,436 จุด ใน 269 โปรเจกต์โอเพนซอร์ส โดยผลลัพธ์ถูกติดตามใน Z.ai Security Disclosure Ledger สาธารณะ
• ในจำนวนนี้ 1,097 จุดถูกจัดเป็นช่องโหว่ระดับรุนแรงหรือสูง
• โมเดลพบจุดบอดในซอฟต์แวร์ที่เก่าแก่ถึงประมาณ 40 ปี
• หลังจากเปิดตัวไม่นาน ก็พบ ช่องโหว่ร้ายแรงใน Cursor โปรแกรมแก้ไขโค้ดที่ขับเคลื่อนด้วย AI

เบนช์มาร์กการเขียนโค้ดและทั่วไปที่สำคัญ

GLM-5.3 ยังทำคะแนนได้ดีในเบนช์มาร์กการเขียนโค้ดและเอเจนต์ ทำให้เป็นโมเดลโอเพนเวทชั้นนำสำหรับงานวิศวกรรมซอฟต์แวร์:

• Terminal-Bench 3.0: ได้ 28.3 — สูงที่สุดในบรรดาโมเดลโอเพนเวท และใกล้เคียงกับ Claude Fable 5 ของ Anthropic
• DeepSWE v1.1: เพิ่มขึ้นจาก 46.2 เป็น 66.9
• Z.ai internal Code Bench (Max effort): 34.5% (เทียบกับ 23.4% ของ GLM-5.2) โดยใช้โทเค็นเอาต์พุตประมาณ 75,000 โทเค็นต่องาน เทียบกับ 96,000 โทเค็น
• Agents' Last Exam: ที่หนึ่งในบรรดาโมเดลโอเพนเวท
• World of AI Benchmark composite: อันดับ #6 โดยรวม ด้วยคะแนนรวม 81.3 รองจาก Kimi K3 (81.5) และนำหน้า GPT-5.6 Terra
• FrontierSWE: สูงถึง 78.1 เพิ่มจาก 67.5
• SWE-Marathon: เพิ่มขึ้นสองเท่าจาก 19.4 เป็น 42.5

เหตุใดโอเพนเวทจึงถูกเลื่อนออกไป

Z.ai กล่าวว่าความสามารถด้านความปลอดภัยไซเบอร์ของโมเดล "เติบโตเร็วกว่าที่คาดการณ์ไว้" ในระหว่างการโพสต์เทรนนิ่ง พารามิเตอร์ 740,000 ล้านของโมเดลพื้นฐาน ไม่ได้ถูกเทรนใหม่ — การปรับปรุงทั้งหมดมาจากการโพสต์เทรนนิ่ง เนื่องจากความสามารถนี้เกิดขึ้นโดยไม่คาดคิด บริษัทจึงชะลอการเผยแพร่โอเพนเวทเป็นเวลาสองสัปดาห์ในระหว่างที่เสริมสร้างการควบคุมความปลอดภัย โมเดลนี้พร้อมใช้งานผ่าน API ของ Z.ai และผ่านการผสานรวมกับ ZCode, Claude Code และ OpenCode

ข้อควรระวังที่สำคัญ

• คะแนนเบนช์มาร์กทั้งหมดของ GLM-5.3 เป็น ข้อมูลที่รายงานโดยบริษัท และยังไม่ได้รับการตรวจสอบอย่างอิสระ
• ข้อได้เปรียบเหนือ Mythos 5 และ GPT-5.6 Sol บน CyberGym นั้นแคบมาก — น้อยกว่าหนึ่งเปอร์เซ็นต์
• บน ExploitBench GLM-5.3 ตามหลังคู่แข่งสหรัฐฯ ในช่วงกว้าง (54.4% เทียบกับ 78% ของ Mythos 5 และ 76.5% ของ GPT-5.6 Sol)
• สำหรับบริบท ตัวรวบรวมเบนช์มาร์กความปลอดภัยไซเบอร์ในวงกว้าง แสดง GPT-5.6 Sol ที่ 84.5% บน CyberGym (เท่ากับ GLM-5.3) และ Mythos 5 ที่ 83.8% ในขณะที่แสดง ExploitBench ที่ 73.5% สำหรับ Sol และ 78% สำหรับ Mythos 5