GLM-5.3: модель Zhipu AI з 743 мільярдами параметрів націлилася на автономне програмування

Zhipu AI представила GLM-5.3 — модель із відкритими вагами та 743 мільярдами параметрів, орієнтовану не стільки на звичайний діалог, скільки на програмування, розробку програмного забезпечення й агентні сценарії. Центральна теза компанії полягає в тому, що помітний приріст можливостей забезпечило передусім посттренування: заявлений масштаб GLM-5.3 залишився таким самим, як у GLM-5.2, але результати на тестах тривалого програмування та використання інструментів суттєво зросли.

Серед головних показників — заявлене покращення на 50% у внутрішньому Z.ai Code Bench, 28,3 бала на Terminal-Bench 3.0 і 66,9 на DeepSWE 1.1. Це вказує на модель, яку розробляли для багатокрокових інженерних завдань, а не лише для створення окремих фрагментів коду. Водночас ці результати ще потребують незалежної перевірки в однакових умовах.

Головна ставка — не на більшу модель, а на посттренування

Заявлені 743 мільярди параметрів самі по собі є значним показником. Однак Zhipu описує GLM-5.3 як оновлення, створене переважно завдяки посттренуванню, без розширення базової моделі. Практичний висновок із такого підходу: ефективність уже наявної фундаментальної моделі можна підвищувати спеціалізованим навчанням, не збільшуючи кількість параметрів.

Посттренування може впливати на те, як модель планує роботу, користується інструментами, дотримується інструкцій і відновлюється після помилок у складному процесі. Доступні джерела підтверджують заявлений Zhipu підхід, але не дають незалежної відповіді на питання, яка саме техніка забезпечила кожну частину приросту.

Найпомітніший прогрес — у довгих програмних завданнях

Zhipu заявляє, що GLM-5.3 приблизно на 50% перевершує GLM-5.2 у програмуванні за внутрішнім тестом Z.ai Code Bench. Найбільш виразна різниця помітна в оцінюваннях, де моделі потрібно виконати тривалу послідовність дій:

• Terminal-Bench 3.0: 28,3 бала у GLM-5.3 проти 4,6 у GLM-5.2.
• DeepSWE 1.1: 66,9 проти 46,2.
• Agents’ Last Exam (CLI): 28,5 проти 23,8 у попередньої моделі.

Terminal-Bench 3.0 особливо важливий для заяв про агентне програмування, оскільки перевіряє роботу з терміналом і командною оболонкою, а не лише здатність надати статичну відповідь. DeepSWE 1.1 зосереджений на програмно-інженерних завданнях і тому краще відображає роботу над повнішими циклами розробки.

За словами Zhipu, результат 28,3 на Terminal-Bench 3.0 був найвищим серед моделей із відкритим кодом на момент оголошення та випереджав Kimi K3 від Moonshot AI. Це саме позиція компанії, тому порівняння варто розглядати з урахуванням версій тестів, способів формулювання запитів і умов доступу до кожної моделі.

Від генератора коду — до агента, який працює з програмами

GLM-5.3 позиціонують як систему, що має не просто підказувати код, а виконувати робочий процес: аналізувати репозиторій, запускати команди, знаходити причини помилок, змінювати файли та рухатися до поставленої мети з меншим втручанням людини.

Саме тут проходить межа між традиційним асистентом програміста й AI-агентом. Перший відповідає на вузьке запитання, тоді як другий має підтримувати послідовність дій упродовж усього завдання. Покращення на Terminal-Bench і DeepSWE відповідають такому напряму, але сам бал у тесті ще не доводить надійність агента в незнайомому виробничому середовищі.

Zhipu також стверджує, що програмні та агентні можливості GLM-5.3 наближаються до рівня Claude Fable 5, а в реальних завданнях програмування модель практично випереджає інші китайські системи. Це маркетингове позиціонування розробника, а не остаточний незалежний рейтинг.

Кібербезпека — ще одна заявлена сфера застосування

У презентації GLM-5.3 Zhipu пов’язує покращене міркування й роботу з інструментами із завданнями кібербезпеки, зокрема з пошуком програмних вразливостей. У публічно наведених результатах CyberGym модель отримала 84,5% у завданнях із виявлення та перевірки вразливостей.

Ця можливість має подвійне призначення. Навички, які допомагають захисникам знаходити слабкі місця, водночас можуть зробити небезпечну автономну поведінку більш наслідковою. Тому наявні дані дають підстави говорити про заявлений напрям можливостей із пошуку вразливостей, але не про надійність GLM-5.3 як аудиту безпеки чи про безпечне автономне проведення атак.

Що це означає для розробників

Найважливіший сигнал у релізі GLM-5.3 — не сам по собі показник у 743 мільярди параметрів. Значно важливіше, що Zhipu наголошує на посттренуванні й тестах, які вимірюють здатність моделі підтримувати роботу над програмним завданням упродовж багатьох кроків.

Під час практичної оцінки моделі розробникам варто перевірити:

1. Чи виконує вона завдання від початку до кінця? Тестуйте зміни в репозиторії, налагодження та роботу в командному рядку, а не лише генерацію окремих фрагментів коду.
2. Скільки нагляду їй потрібно? Вимірюйте, як модель реагує на невдалі команди, нечіткі вимоги та помилки інструментів.
3. Чи відтворюються заявлені результати? Повторюйте тести з документованими запитами й однаковими умовами доступу до моделей.
4. Де проходять межі безпеки? Перевіряйте виконання коду, роботу із секретами та запити, пов’язані з кібербезпекою, лише в контрольованому середовищі.
5. Що на практиці означає «відкриті ваги»? Перед плануванням самостійного розгортання або донавчання потрібно перевірити доступність ваг, ліцензію та умови використання. На момент релізу повідомлення про доступ до них були непослідовними.

Підсумок

GLM-5.3 — це реліз Zhipu AI із заявленими 743 мільярдами параметрів, у якому значну частину приросту компанія пояснює посттренуванням, а не збільшенням базової моделі. Стрибок із 4,6 до 28,3 на Terminal-Bench 3.0 і з 46,2 до 66,9 на DeepSWE 1.1 чітко показує головну ставку розробника: створити потужніших агентів для програмування, здатних працювати над довшими та складнішими завданнями.

Ці результати заслуговують на уважне тестування, особливо з боку команд, які працюють із відкритими моделями та агентними інструментами розробки. Але поки що це заяви самого постачальника. Від сильного результату на бенчмарку до стабільної автономної роботи в реальному проєкті — ще потрібна незалежна перевірка.