Z.ai、AIモデル「GLM-5.3」を発表 ——コーディングと脆弱性解析を強化、重みは2週間後に公開予定

Z.aiは2026年8月14日、大規模言語モデル「GLM-5.3」を発表した。GLM-5.2と同じ7430億パラメータ規模の基盤モデルを使い、事後学習だけで複雑なコーディングや長時間タスクの性能を高めたという。脆弱性の発見から悪用に至る能力も大きく向上したと報告した。発表時点でGLM Coding PlanとZCodeから利用できる。モデルの重みは、発表から2週間後に公開するとしている。

GLM-5.3: Frontier Coding with Emergent Cyber Capabilities - Z.ai Blog

Introducing GLM-5.3: Built to Code. Ready for Cyber Defense.

- Top-tier coding and agentic capabilities, achieved through post-training on the 743B base model
- A major leap in cybersecurity, setting a new standard among open models

Tech Blog: https://t.co/ekQkO83jCv pic.twitter.com/y3Y2AB0wxr
— Z.ai (@Zai_org) August 14, 2026

基盤モデルを変えず事後学習を拡大

GLM-5.3は、GLM-5.2と同じ基盤モデルを使い、事後学習の規模をさらに拡大した。この1か月で学習環境を増やし、タスクの種類を広げ、計算資源も追加投入したという。

学習では、短いコーディング問題よりも、実際の開発現場に近い長時間タスクを重視した。中には、経験豊富なエンジニアでも数日かかる作業がある。例えば、機械学習システムの処理が遅い原因を特定し、改善策の実装と検証を重ね、正確さを保ったままシステム全体を高速化するタスクを用意したとのこと。こうしたタスクの生成・検証には研究エージェントや判定エージェントも使うが、人手が必要な工程もまだ多いという。

また、オープンソースの強化学習基盤「slime」も改良し、長時間のコーディングタスクで強化学習全体のスループットを2.3倍以上に高めたとしている。

3つの公開ベンチでClaude Opus 4.8を上回る

GLM-5.3は、長時間のターミナル操作を含む「Terminal-Bench 3.0⁠」⁠、ソフトウェア開発タスクを扱う「DeepSWE v1.1⁠」⁠、長時間のエージェントタスクを評価する「Agents' Last Exam」の3つの公開ベンチマークすべてでClaude Opus 4.8を上回った。

Terminal-Bench 3.0とDeepSWE v1.1では、Fable 5（フォールバックあり）とGPT-5.6 Solに及ばなかった。一方、Agents' Last ExamではFable 5を上回り、GPT-5.6 Solとは28.5対28.6でほぼ並んだ。GLM-5.2との比較では、Terminal-Bench 3.0が4.6から28.3、DeepSWE v1.1が46.2から66.9、Agents' Last Examが23.8から28.5へ上昇した。

Z.aiによると、実際の利用場面に近いコーディングタスクを扱う非公開の社内ベンチマーク「Z.ai Code Bench」でも、GLM-5.3はGLM-5.2を約50％上回り、より少ない出力トークンで高い性能を示した。

脆弱性の発見から悪用までの能力が向上

GLM-5.3の事後学習には、脆弱性発見のデータと実行環境も加えた。Z.aiは、学習を拡大するにつれて、脆弱性を分析・悪用する能力が想定以上の速さで伸び、個々の脆弱性を見つけるだけでなく、複数段階にわたる悪用の手順を組み立てられるようになったと説明している。

ソースコードから脆弱性を発見し、異常動作を引き起こして検証する「CyberGym」では、GLM-5.2の77.2％から84.5％に上昇した。実在する脆弱性の悪用について、より深い推論を求める「ExploitBench」は、24.4％から54.4％と2倍以上に伸びた。Z.aiによると、脆弱性の発見よりも悪用を扱う評価で、GLM-5.3はGLM-5.2から大きく伸びた一方、最先端のクローズドモデルとの差も大きかった。

こうしたベンチマーク以外でも、Z.aiは中国の複数のセキュリティチームと共同で実際のコードベースを検証した。専門家による確認や重複除外を経て、269のOSSプロジェクトから2,436件の脆弱性を特定し、うち1,097件は重大度「Critical」または「High」だったという。

また、Z.aiのLou氏は、GLM-5.3に複雑なリバースエンジニアリングの課題を与えたところ、Cursorの脆弱性を発見したと報告している。重大な影響につながる可能性があるとしてCursor側に非公開で報告し、修正に向けて協力していると述べている。

提供状況とAPI仕様の変更点

GLM-5.3は発表時点でGLM Coding Planの全ユーザー向けに提供され、ZCode、Claude Code、OpenCodeなどから利用できる。モデルの重みは、安全性評価と堅牢化を終えたうえで、発表から2週間後に公開するとしている。

GLM Coding Planの利用枠はポイント制に移行し、ポイント消費量は入力トークン、キャッシュ済み入力トークン、出力トークンごとに計算される。ピーク時間は平日の14時〜18時（UTC+8）で、週末を含むそれ以外の時間帯はオフピークとなり、消費ポイントは通常の50％になる。

APIでは、推論の強さをreasoning_effortのlow、high、maxから選択できる。既定値はmaxで、コーディングタスクにもmaxを推奨している。なお、推論自体は無効にできない。