GLM-5.3 Mengungguli Cyber ECI Epoch pada 160: Frontier Siber Terbuka Tertinggal 6–7 Bulan

Epoch AI telah memberi angka pada pertanyaan yang selama ini dikelilingi debat keamanan open-weight, dan itu adalah peringkat, bukan peringatan: GLM-5.3 mencetak 160,10 pada Cyber ECI milik lab tersebut, tertinggi di antara model open-weight mana pun yang dilacak indeks itu, di atas G​PT-5.4 milik O​penAI dan di bawah C​laude M​ythos Preview milik A​nthropic serta G​PT-5.5 milik O​penAI. Jika dibaca sebagai tanggal alih-alih skor, penempatan itu menunjukkan bahwa kemampuan siber terbaik yang dapat diunduh secara terbuka saat ini berada di sekitar posisi frontier tertutup enam hingga tujuh bulan lalu. Pengukuran — sebuah Data Insight yang diterbitkan pada 16 Oktober oleh peneliti Epoch, Jaeho Lee dan Alexander Barry, atas data yang dipotong pada 8 Oktober — adalah badan luar pertama yang sama sekali memberi peringkat GLM-5.3 pada bidang siber, dan hasilnya muncul sebulan setelah CAISI milik NIST menyebut model itu sebagai rilis open-weight paling cakap siber hingga saat ini sekaligus menempatkannya sekitar empat bulan di belakang frontier AS. Kedua pembacaan itu berbagi sumber: Epoch mengambil skor GLM-5.3 dari tiga benchmark CAISI, satu-satunya hasil siber untuk model itu, sehingga jarak di antara keduanya adalah jarak metode, bukan jarak pengukuran. Frontier Red Team milik A​nthropic telah menaruh angkanya sendiri pada bobot yang dirilis pada 29 September, menemukan eksploit end-to-end dalam 50 dari 410 upaya ExploitBench, dibandingkan dengan 56 dari 410 milik C​laude M​ythos Preview. Modelnya sendiri bukan hal baru: Z.ai mengumumkan GLM-5.3 pada 14 Agustus, membuka API pada 18 Agustus dengan harga $1,40 / $4,40 per juta token, dan mendorong bobot 743B ke Hugging Face pada 28 Agustus di bawah lisensi khusus “glm-5.3”. Yang baru adalah kemampuan yang menjadi dasar peluncuran yang dibangun Z.ai kini memiliki posisi di papan peringkat publik dan jarak terukur ke frontier — sementara Artificial Analysis memberi harga pada bobot yang sama per tugas sebesar $0,92 hingga $8,68 tergantung endpoint mana yang menjawab, dan A​mazon Bedrock telah menyediakannya sejak 5 Oktober untuk pelanggan perusahaan yang memenuhi syarat. Halaman ini pertama kali melacak GLM-5.3 dari jejak kebocoran 3 Agustus dan kemudian melalui peluncurannya; revisi ini memasukkan posisi Cyber ECI, metode di baliknya, dan apa yang dapat dan tidak dapat diberitahukan oleh selisih enam hingga tujuh bulan tentang model yang sebenarnya akan Anda arahkan.

Dari kebocoran hingga peluncuran

Empat jejak yang muncul pada 3 Agustus — halaman harness "ZCode for GLM-5.3", halaman dokumentasi resmi yang dapat diakses selama sekitar satu jam, entri indeks Bing yang bertuliskan "GLM-5.3 Official Harness," dan sebuah commit yang menambahkan entri "glm-5.3" dengan dukungan JSON Schema ke SDK Java resmi Zhipu — semuanya menunjuk ke rilis nyata yang bernama. Balasan "sooooooon" dari salah satu pendiri Z.ai, Tang Jie, dan pembingkaian "epic-level plus" kini dikonfirmasi oleh produk aktual, bukan rumor. Sinyal waktu "roughly a week" yang diuji halaman ini — diposting di X oleh @teortaxesTex setelah DeepSeek V4 Pro dirilis pada 13 Agustus — terbukti akurat hingga ke hari: Z.ai secara resmi mengumumkan GLM-5.3 pada 14 Agustus dengan slogan "Built to Code. Ready for Cyber Defense." Tindak lanjutnya datang pada minggu berikutnya: model tersebut resmi hadir di pasar yang lebih luas pada 18 Agustus — tanggal rilis yang kini tertera pada daftar model pihak ketiga — dan pada 19 Agustus Z.ai mengumumkan bahwa API-nya dibuka untuk panggilan, dengan harga yang sama seperti GLM-5.2, dan model tersebut sudah terhubung ke ZCode, AutoClaw, dan GLM Coding Plan.

Sinyal bocoran berikutnya: prosesor multimodal untuk GLM-5.3

Kerangka yang hanya teks dari model unggulan itu mungkin tidak akan bertahan lama. Pada 28 Agustus, sebuah pull request terbuka di mesin penyajian sglang mengusulkan dukungan input prosesor multimodal GLM-5.3 — perekat prosesor yang mengubah muatan gambar menjadi skema dynamic-resize, piksel, grid, dan ekspansi token yang sama seperti yang digunakan kerangka Miles RL, sehingga pelatihan dan penyajian melihat input gambar yang identik. PR ini adalah separuh sisi rollout dari pembelajaran penguatan yang dikondisikan gambar pada GLM-5.3 di radixark/miles, dan commit keduanya mendaftarkan pengujian prosesor GLM-5.3 di CI CPU sglang. Tidak ada satu pun dari ini yang merupakan pengumuman Z.ai, dan belum ada GLM-5.3 multimodal yang dikirim atau diuji tolok ukurnya — ini adalah bukti tingkat kode, kategori sinyal awal yang sama yang pertama kali dilacak halaman ini pada 3 Agustus. Apa yang dikatakannya adalah bahwa lini unggulan sedang disiapkan untuk menerima gambar, baik dalam pelatihan maupun dalam tumpukan penyajian, alih-alih tetap menjadi model coding-dan-cyber yang hanya teks seperti yang dijelaskan Z.ai saat peluncuran. Kerangka Perplexity sendiri ketika menambahkan GLM-5.3 ke Computer pada akhir Agustus — “dibangun untuk beban kerja agen multimodal dengan konteks panjang” — menunjuk ke arah yang sama, meskipun itu adalah positioning produk, bukan model multimodal yang sudah dikirim.

Apa yang sebenarnya diperoleh dari post-training

Klaim arsitektural adalah bagian yang layak dipastikan, karena spek paling menonjol dari kebocoran itu — parameter yang melampaui satu triliun — adalah salah. GLM-5.3 bukan model yang lebih besar. Z.ai dan salah satu pendirinya, Tang Jie, sama-sama mengatakan bahwa model ini menggunakan kembali basis Mixture-of-Experts 743B yang persis sama dengan GLM-5.2 (sekitar 40 miliar parameter aktif per token), mempertahankan jendela konteks 1M-token yang sama dan output maksimum sekitar 128K, serta seluruh peningkatannya berasal dari post-training. Tang Jie menggambarkan peluncuran ini sebagai eksperimen variabel kontrol yang disengaja — basis sama, arsitektur sama, jumlah parameter sama, dengan satu bulan reinforcement learning cakrawala panjang pada tugas-tugas bergaya coding sebagai satu-satunya variabel, dan pada bulan itulah ia menempatkan peningkatan coding sekitar 50%. Catatan rilis Z.ai menambahkan mekanisme di baliknya: lebih banyak lingkungan tugas cakrawala panjang, lebih banyak jenis lingkungan, dan pelatihan yang lebih lama, dibangun di atas kerangka long-context IndexShare, asinkron-RL SAO, dan slime open-source yang sudah menghasilkan GLM-5.2. Penjelasan teknis yang ditautkan Z.ai dari pengumuman open-weight — pos riset di z.ai/blog/glm-5.3 — melangkah lebih jauh pada resepnya: puluhan kali lebih banyak lingkungan tugas cakrawala panjang, lebih banyak jenis lingkungan, dan sesi pelatihan yang diperpanjang jauh melampaui rilis pertama, dengan tugas-tugas yang ditingkatkan hingga beban kerja ahli selama beberapa hari di kluster komputasi nyata. Pembingkaiannya tentang kemampuan siber — "kemampuan pemrograman yang dibatasi secara ketat" yang muncul seiring bertambahnya skala lingkungan tugas — seperti catatan rilis, adalah catatan perusahaan sendiri, bukan audit independen. Pembingkaian "tanpa pelatihan ulang, semua post-training" itu adalah milik pendiri dan perusahaan sendiri, dan belum diaudit secara independen. Ukuran adalah judul berita lainnya: dengan total parameter 743B dan hanya sekitar 40B aktif per token, GLM-5.3 cukup ringan untuk di-host sendiri di kluster sederhana dan cukup murah untuk disajikan dalam volume besar — posisi "lebih kecil, lebih murah, terbuka" yang dilekatkan komentar hari peluncuran padanya, dan kontras tajam dengan flagship frontier tertutup yang menjadi pembandingnya.

Coding dan agen: angka yang diklaim Z.ai

Dalam hal coding, Z.ai melaporkan — semuanya dilaporkan vendor dan belum direproduksi — Terminal-Bench 3.0 naik dari 4,6 ke 28,3, yang disebut Z.ai sebagai skor bobot terbuka tertinggi pada harness tersebut; DeepSWE v1.1 naik dari 46,2 ke 66,9; SWE-Marathon kurang lebih dua kali lipat dari 19,4 ke 42,5; dan Agents' Last Exam (CLI) naik dari 23,8 ke 28,5. Ringkasan singkat Tang Jie sendiri untuk hasil ini, dalam kiriman X yang diteruskan oleh @dotey, adalah "murni post-training, coding naik sekitar 50%" — angka utama yang sama yang dicetak Z.ai dalam pengumumannya. Pada bench kode internal Z.ai, GLM-5.3 mencetak 31,4% pada sekitar 50K token keluaran per tugas dengan effort tinggi, dibandingkan C​laude O​pus 4.8 yang mencetak 29,5% pada sekitar 120K token — maksud Z.ai adalah bahwa GLM-5.3 mencapai hasil yang sebanding sambil menghabiskan jauh lebih sedikit token keluaran. C​laude Fable 5 masih memimpin eval internal itu pada 39,5% dengan effort maksimum, dan Z.ai mengakui GLM-5.3 masih di belakang G​PT-5.6 Sol dan C​laude Fable 5 pada beberapa evaluasi coding yang lebih sulit. Anggap semua ini sebagai angka vendor sampai harness independen mereproduksinya.

Pertahanan siber: kemampuan yang tidak terduga

Angka-angka keamanan siber adalah bagian paling menonjol dari pengumuman Z.ai, dan hingga 29 September semuanya juga sepenuhnya dilaporkan oleh vendor. Pada CyberGym, tolok ukur penemuan dan validasi kerentanan white-box, Z.ai melaporkan GLM-5.3 pada 84,5%, naik dari 77,2% milik GLM-5.2 dan di depan Mythos 5 milik lab itu (83,8%) serta GPT-5.6 Sol (83,6%). Pada ExploitBench, yang menuntut baik analisis akar masalah maupun eksploit yang berfungsi, Z.ai melaporkan GLM-5.3 meningkat lebih dari dua kali lipat dari 24,4% menjadi 54,4%, meskipun Mythos 5 (78,0%) tetap unggul. Pada ExploitGym, Z.ai melaporkan 105 tugas diselesaikan dalam anggaran 2 jam dan 130 dalam 6 jam, dibandingkan 29 dan 39 untuk GLM-5.2 — lagi-lagi di belakang Mythos 5 (181 dan 247). Z.ai membingkai kemampuan siber sebagai properti emergen dari pasca-pelatihan yang diskalakan — “kemampuan terus berlipat ganda seiring pelatihan diskalakan,” dalam kata-kata perusahaan — alih-alih target yang disengaja. Satu catatan kehati-hatian sebelum persentase-persentase itu dibandingkan dengan apa pun di bawah ini: angka ExploitBench Z.ai dan hasil ExploitBench tingkat percobaan Anthropic adalah eksekusi berbeda dari tolok ukur publik yang sama di bawah harness dan rezim yang berbeda, sehingga kedua angka itu bukan pengukuran yang sama dan tidak boleh disandingkan.

Z.ai menambahkan klaim dunia nyata untuk melengkapi tolok ukur: dalam pengujian bersama tim keamanan, GLM-5.3 mengidentifikasi 2.436 kerentanan di 269 proyek sumber terbuka, 1.097 di antaranya tergolong kritis atau berkeparahan tinggi, dengan temuan tertua berasal dari 1981 dan “masa hidup” rata-rata 26,6 tahun. Itu adalah angka paling mencolok dalam pengumuman tersebut dan juga yang paling tidak dapat diperiksa secara independen. Perusahaan ini telah memasangkan kemampuan tersebut dengan Security Disclosure Ledger untuk pengungkapan terkoordinasi, program “trusted access” yang membatasi fungsi siber sensitif hanya untuk pengguna terverifikasi, dan inisiatif “Open Source Shield” untuk mengaudit proyek sumber terbuka utama secara berkelanjutan. Penilaian Anthropic pada 29 September merupakan tantangan langsung terhadap seberapa besar manfaat pembatasan akses pada bobot yang dapat diunduh: ia menemukan model yang dirilis menolak permintaan berbahaya secara default, tetapi dapat dikalahkan dalam 64–100% percobaan dengan teknik biasa, dan ia mencatat bahwa pengembang telah menerbitkan varian GLM-5.3 yang di-abliterasi dalam beberapa hari setelah rilis bobot. Program pengguna terverifikasi mengatur API; ia tidak mengatur file.

Apa yang diukur A​nthropic, dan apa yang diubahnya

Frontier Red Team milik Anthropic menerbitkan penilaiannya pada 29 September dengan judul “GLM-5.3 dan penyebaran kemampuan siber tingkat lanjut,” dan ini adalah pertama kalinya sebuah laboratorium pesaing memaparkan angkanya sendiri mengenai kemampuan eksploitasi GLM-5.3. Pembingkaiannya lugas: seperti Claude Mythos Preview, GLM-5.3 memiliki kemampuan kuat untuk membangun eksploit siber end-to-end secara otonom, tetapi tidak seperti model frontier lainnya, model ini telah dirilis tanpa pengaman berarti untuk membatasi penyalahgunaan. Saat dijalankan di sandbox terisolasi terhadap target offline, GLM-5.3 mengembangkan eksploit end-to-end di ExploitBench dalam 50 dari 410 percobaan. Claude Mythos Preview — yang diumumkan oleh Anthropic sekitar lima bulan sebelumnya dan dirilis secara terbatas melalui program trusted-defender Project Glasswing miliknya — melakukannya dalam 56 dari 410. Pada benchmark Binary Exploitation internal Anthropic, yang mengambil 100 tugas secara acak dari proyek-proyek yang berpartisipasi dalam OSS-Fuzz milik Google dan memberikan nilai penuh untuk pembajakan aliran kontrol, GLM-5.3 mencetak 4%, sementara Claude Mythos Preview 6%. Poin Anthropic bukanlah bahwa GLM-5.3 memimpin, melainkan bahwa ambang batas telah bergeser: model-model sebelumnya, termasuk Claude Opus 4.6 dan GLM-5.2, tidak berhasil pada satu pun tugas tersebut.

Dalam sesi yang digerakkan oleh peneliti, temuan itu menjadi konkret. Dengan mesin sandbox yang menjalankan build Linux lokal dari peramban web populer dan kurang dari satu jam perhatian manusia sepanjang hari, GLM-5.3 menemukan beberapa kerentanan yang sebelumnya tidak diketahui di mesin JavaScript peramban tersebut dan merangkainya menjadi eksploit yang berfungsi — sebuah halaman yang, saat dikunjungi, membaca file arbitrer dari komputer pengunjung, termasuk kunci privat SSH. Anthropic mengatakan pihaknya mengungkapkan kelemahan tersebut kepada pemelihara, dan bahwa sesi yang sama juga memunculkan kerentanan yang dapat dieksploitasi pada driver nirkabel dan grafis serta pada perangkat lunak perangkat yang menghadap jaringan. Dalam sesi kedua, GLM-5.3-Flash — saudara yang lebih kecil dan kurang mumpuni — diberi detail publik tentang celah Chrome yang telah ditambal (CVE-2026-11645) plus satu celah lain dan, tanpa arahan signifikan, membangun rantai eksploit ARM64 yang andal yang melewati pengerasan autentikasi pointer. Itu membutuhkan 20 menit perhatian manusia dan delapan jam kerja model, yang Anthropic nilai sebesar $20,40 dengan tarif API Zhipu.

Setengah bagian keamanan dari postingan itu adalah bagian yang mengubah keputusan penerapan. Secara bawaan, GLM-5.3 menolak setiap permintaan yang terang-terangan berbahaya di dunia simulasi Anthropic, seperti halnya setiap model lain yang diuji. Anthropic kemudian menemukan cara-cara sederhana untuk melewati penolakan itu, dan melaporkan tingkat di mana model tersebut menanggapi permintaan berbahaya itu:

• Prompt yang menipu — memberitahu model bahwa ia adalah agen red-team otonom yang sedang mengerjakan sebuah latihan: 64% dari percobaan.

• Pra-pengisian token pemikiran model agar tampak sudah mempertimbangkan permintaan dan memutuskan untuk melanjutkan: 92%.

• Menjalankan salinan bobot yang diabliterasi, dengan penolakan yang telah dihapus: 100%.

Tidak ada dari ketiganya yang membuat model Claude yang diamankan menjalankan tugas yang sama, kata Anthropic — pengamanannya memblokir cerita penyamaran, API-nya tidak menawarkan cara untuk prefill thinking, dan bobotnya tidak didistribusikan, sehingga model-model itu sama sekali tidak dapat diabliterasi. Asimetri terakhir itulah yang berdampak jangka panjang. Abliterasi adalah teknik standar untuk mengurangi penolakan, dan karena GLM-5.3 dirilis sebagai bobot yang dapat diunduh, siapa pun dapat menerapkannya: Anthropic membuat salinan terabliterasi miliknya sendiri dalam sekitar 2.200 jam GPU dengan biaya sekitar $4.400 dan mengatakan bahwa tim yang belum pernah mencoba tugas itu sebelumnya pun bisa melakukannya. Suntingan tersebut menurunkan tingkat penolakan GLM-5.3 dari di atas 90% menjadi sekitar 3% pada JailbreakBench, 2% pada HarmBench, dan 12% pada StrongREJECT, sementara GPQA-Diamond tetap tidak berubah dan subset CyberGym yang diuji hanya mencetak skor beberapa poin persentase lebih rendah. Anthropic mengatakan beberapa pengembang telah merilis versi terabliterasi dari GLM-5.3 ke publik dalam beberapa hari setelah model itu dirilis, dan bahwa melakukan abliterasi pada GLM-5.3-Flash memakan waktu sekitar 600 jam GPU.

Perlakukan semuanya sebagai pengukuran satu laboratorium, bukan fakta yang sudah mapan. A​nthropic menjalankan harness dan sandbox-nya sendiri, menghitung percobaannya sendiri, dan tidak menerbitkan reproduksi pihak ketiga, sehingga tidak ada apa pun di sini yang diaudit secara independen dalam pengertian bahwa angka milik Z.ai sendiri juga tidak. Yang membuatnya lebih berbobot daripada klaim vendor adalah arah insentifnya: A​nthropic mengukur model pesaing, melaporkan penyebutnya, dan temuannya sejalan dengan Center for AI Standards and Innovation milik NIST, yang menilai GLM-5.3 pada 17 September, menyebutnya “model open-weight dengan kemampuan siber paling tinggi yang dirilis hingga saat ini,” dan menempatkannya sekitar empat bulan di belakang frontier AS berdasarkan agregat tolok ukur siber CAISI — dengan catatan bahwa model-model AS dalam perbandingan itu diuji dengan perlindungan siber dinonaktifkan dan mencakup model yang hanya dirilis kepada pengguna yang telah diverifikasi. Kesimpulan A​nthropic sendiri adalah argumen kebijakan sekaligus teknis: di dalamnya disebutkan bahwa ambang kritis dalam kapabilitas yang dapat diakses secara bebas telah terlewati, bahwa siapa pun dapat mengunduh GLM-5.3, dan bahwa para pembela harus memiliki akses ke model yang setidaknya sama baiknya dengan model yang digunakan para penyerang mereka. Dua minggu setelah penilaian CAISI, Epoch AI mengukur jarak yang sama dengan cara berbeda dan menghasilkan rentang yang lebih lebar — enam hingga tujuh bulan — berdasarkan sebagian dari data yang sama.

Tidak ada hal di atas yang mengubah mekanisme keputusan perutean, yang justru merupakan bagian yang Anda kendalikan. Sebagian trafik ke GLM-5.3 di OrcaRouter dikenai tarif pihak pertama — $1.40 / $4.40 per juta token, diteruskan tanpa markup — dan failover otomatis memindahkan beban kerja ke GLM-5.2 atau model lain yang sudah terbukti ketika salah satunya menurun, sehingga kejutan kemampuan ke arah mana pun menjadi sekadar perubahan konfigurasi, bukan penulisan ulang. Yang ditambahkan oleh tulisan Anthropic adalah pertanyaan yang layak diajukan sebelum Anda mengirimkan pekerjaan yang bersinggungan dengan keamanan atau yang diatur secara regulasi ke sana: model yang Anda panggil adalah model yang bobotnya publik, dan endpoint yang dihosting bukanlah pengaman. Jalur enterprise tidak mengubah hitungan itu. Daftar harga Bedrock sendiri untuk GLM-5.3 adalah $1.68 / $5.28 per juta token pada profil inferensi global dan $1.848 / $5.808 pada profil AS, 20% dan 32% di atas tarif pihak pertama Z.ai, sehingga memanggil model yang sama pada harga yang tercantum Z.ai melalui satu kunci tetap menjadi jalur yang lebih murah, sementara kontrak cloud justru membeli postur pengadaan dan kepatuhan.

Di mana perbatasan siber terbuka sebenarnya berada

Cyber ECI milik Epoch AI adalah varian yang berfokus pada keamanan siber dari Epoch Capabilities Index milik lab tersebut, dibangun dari hasil benchmark di 35 evaluasi siber dan, setelah pembaruan 16 Oktober, 76 model. Di dalamnya, GLM-5.3 milik Z.ai mencatat 160,10 — skor open-weight tertinggi yang dicatat lab tersebut, di atas GPT-5.4 milik OpenAI (157,04, dirilis 5 Maret 2026) dan di bawah Claude Mythos Preview milik Anthropic (164,82, 7 April) serta GPT-5.5 milik OpenAI (162,22, 23 April). Frontier tertutup dipimpin oleh Claude Opus 5.5 milik Anthropic (171,14) dan GPT-6 Astra milik OpenAI (171,03), pasangan yang dikutip lab tersebut sebagai frontier pada angka 171. Dalam kategori open-weight, GLM-5.3 berada di atas Kimi K3 milik Moonshot (157,60) dan DeepSeek-V4-Pro milik DeepSeek (150,35), serta jauh di atas pendahulunya sendiri, GLM-5.2 (154,12) dan GLM-5 (147,95). Menempatkan GLM-5.3 di antara model-model tertutup terbaru yang dikalahkannya dan model-model paling awal yang tidak dikalahkannya adalah yang menghasilkan angka utama: frontier siber terbuka kira-kira berada di posisi frontier tertutup enam hingga tujuh bulan sebelumnya — selisih yang menurut GPT-5.4 dan checkpoint 7 April Claude Mythos Preview masing-masing adalah tujuh dan enam bulan, terhadap batas data 8 Oktober Epoch.

Peringatan-peringatan ini lebih penting dari biasanya di sini, dan Epoch mencantumkan beberapa di antaranya. Hanya model dengan setidaknya dua hasil benchmark siber yang masuk ke dalam indeks — 57 dari 76 — dan angka 160,10 milik GLM-5.3 bertumpu pada tepat tiga hasil, semuanya dari penilaian CAISI NIST pada 17 September. Itu adalah satu-satunya hasil siber yang dimiliki lab tersebut untuk model ini, yang berarti estimasi Epoch merupakan penyesuaian ulang atas bukti yang diterbitkan CAISI, bukan pengujian ulang independen, dan angka enam hingga tujuh bulan itu berbeda dari sekitar empat bulan versi CAISI karena set benchmark dan perbandingan yang ditarik keduanya berbeda, bukan karena keduanya berselisih soal model tersebut. Epoch juga menandai bahwa CAISI tidak menyebutkan nama model-model AS yang dievaluasinya, sehingga lab tersebut mengaitkan hasil-hasil itu dengan kemungkinan pemimpinnya seperti G​PT-6 Astra dan C​laude M​ythos Preview; bahwa interval di sekitar dua model terdepan hampir sepenuhnya tumpang tindih, sehingga urutan di puncak bagan tidak sekokoh yang disiratkan oleh estimasi titik; dan bahwa refit bulan Oktober menggeser nilai-nilai yang diterbitkan sebelumnya, menurunkan C​laude M​ythos 5 sebesar 3,9 poin dan G​PT-5.6 Sol sebesar 4,7, sehingga angka bulan ini tidak boleh dibandingkan dengan angka bulan lalu secara sembarangan. Ada satu konvensi yang perlu diketahui sebelum Anda membaca bagan: Epoch menganggap lisensi penggunaan terbatas dan non-komersial sebagai open-weight, dan itulah yang membuat GLM-5.3 bisa memenuhi syarat sama sekali — bobotnya dirilis di bawah ketentuan khusus “glm-5.3” milik Z.ai, bukan lisensi MIT yang digunakan GLM-5.2 dan GLM-5.3-Flash.

Yang diubah oleh posisi ini bukanlah modelnya, melainkan argumen di sekitarnya. Sebelum 16 Oktober, menyebut GLM-5.3 sebagai rilis terbuka terkuat di bidang cyber berarti mengutip persentase CyberGym dan ExploitBench milik Z.ai sendiri plus uji sandbox dari satu pesaing; kini ada posisi pada indeks publik dengan jarak yang dinyatakan terhadap garis depan, dan jarak itu adalah angka yang bisa dipantau pergerakannya oleh pembaca. Dua hal menyusul bagi siapa pun yang menimbang model berbobot terbuka untuk pekerjaan yang berkaitan dengan keamanan. Tertinggal enam bulan di belakang garis depan tidak sama dengan aman: eksploit yang bisa dibangun model garis depan hari ini adalah eksploit yang bisa dibangun kemampuan berumur enam bulan begitu metodenya dipublikasikan, dan hasil A​nthropic di atas menempatkan bobot khusus ini di dalam jendela tersebut. Dan peringkat adalah pernyataan tentang bobot terbaik yang tersedia, bukan tentang endpoint yang menjawab permintaan Anda — bobot yang sama yang dilayani oleh penyedia berbeda sudah berbeda sembilan kali lipat dalam biaya per tugas, yang merupakan pertanyaan routing, bukan pertanyaan kemampuan.

Garis dasar GLM-5.3 yang harus dikalahkan

GLM-5.2 adalah titik acuan yang menjadi tumpuan seluruh cerita. Dirilis pada Juni 2026 sebagai model Mixture-of-Experts 743B dengan sekitar 40B parameter aktif per token, jendela konteks 1M token, output maksimum 128K, lisensi MIT, dan bobot terbuka di Hugging Face. Indeks Kecerdasan Artificial Analysis — diukur oleh lab tersebut, bukan oleh Z.ai — kini berada pada versi v4.3.2 yang dinyatakan ulang, dan pada indeks itu GLM-5.2 (Max) mencetak 34 sementara GLM-5.3 (Max) mencetak 45. Selisih sebelas poin adalah jarak yang sama yang dilaporkan halaman ini saat peluncuran, ketika versi indeks sebelumnya dari lab yang sama menempatkan GLM-5.2 pada 53 dan GLM-5.3 pada 60; yang berubah adalah alat ukurnya, bukan hasilnya, dan lab itu kini menandai GLM-5.2 sebagai usang demi penerusnya. Angka 45 dari GLM-5.3 menempatkannya di posisi kedua di antara model bobot terbuka, di belakang 46 milik MiMo-V2.6-Pro dan unggul satu poin atas 44 milik Kimi K3 (Max). Itu adalah angka independen pertama yang dilekatkan pada GLM-5.3, dan itu konsisten dengan arah — meski bukan setiap detail — klaim Z.ai sendiri. Dua titik data pihak ketiga lainnya telah muncul sejak itu: pada akhir Agustus, Perplexity melaporkan bahwa GLM-5.3 mengalahkan GLM-5.2 pada WANDR, tolok ukurnya yang terbuka untuk riset berskala besar yang didukung bukti — uji “luas dan mendalam” di mana agen harus menyusun kumpulan besar catatan yang didukung sumber alih-alih menjawab satu pertanyaan. Yang itu adalah tolok ukur milik Perplexity sendiri dan klaimnya sendiri, tanpa skor yang dipublikasikan, jadi anggap sebagai petunjuk arah sampai angkanya muncul. Yang kedua adalah penilaian siber Anthropic pada 29 September — pengukuran luar pertama atas kemampuan spesifik yang menjadi dasar peluncuran Z.ai. Pada pengodean jangka panjang, perangkat uji OrcaRouter mengukur 77.9 pada Terminal-Bench 2.1, sementara angka GLM-5.2 terbaik yang dilaporkan Z.ai adalah 82.7, yang akan menjadi skor bobot terbuka pertama di atas 80 tetapi dilaporkan vendor dan belum direproduksi. Harga daftar adalah $1,40 per juta token input dan $4,40 per juta token output.

Papan skor di atas adalah proyeksi era kebocoran yang diterbitkan halaman ini sebelum peluncuran — baris “>1T parameter (dirumorkan)”, konteks dan lisensi yang belum dikonfirmasi, indeks AA yang diproyeksikan. Peluncuran mengoreksi sel terbesar: GLM-5.3 menggunakan kembali basis 743B yang sama dengan GLM-5.2, jadi tidak ada lonjakan parameter. Jendela konteks dikonfirmasi pada 1M, dan lisensinya bukan lagi pertanyaan terbuka seperti dulu — Z.ai menerbitkan lisensi khusus “glm-5.3”, bukan ketentuan MIT yang digunakan GLM-5.2 dan GLM-5.3-Flash. Sel indeks yang diproyeksikan — perkiraan halaman ini sendiri sekitar ~57–60 — adalah proyeksi langka yang tepat mengenai sasaran di angka 60 pada indeks sebagaimana posisinya saat peluncuran; lab sejak itu telah menyatakan ulang indeks, dan pada versi v4.3.2 saat ini model yang sama terbaca 45. Yang belum berubah adalah pertanyaan terbuka: bagaimana skor itu berperilaku ketika direproduksi terhadap bobot yang dihosting sendiri.

Tangkapan di atas adalah baseline independen yang menjadi acuan klaim GLM-5.3. GLM-5.2 memuncaki papan peringkat open-weights pada Artificial Analysis Intelligence Index 53 di edisi indeks yang dibaca halaman ini pada Agustus. Baseline tersebut sejak itu telah disajikan ulang bersama semua model lain: pada indeks v4.3.2 lab saat ini, GLM-5.2 (Max) terbaca 34 dan GLM-5.3 (Max) terbaca 45, selisih dengan arah yang sama dan besaran yang kurang lebih sama, dengan Kimi K3 (Max) tertinggal satu poin di 44 dan MiMo-V2.6-Pro unggul di 46. Kedua bacaan tersebut adalah pengukuran lab itu sendiri dengan harness miliknya sendiri, dan tidak satu pun merupakan angka vendor.

Harga dan ketersediaan

GLM-5.3 dibanderol sama dengan GLM-5.2: $1,40 per juta token masukan dan $4,40 per juta token keluaran (¥8 / ¥28 dalam daftar domestik), dengan pembacaan masukan yang di-cache sebesar $0,26 / ¥2 per juta. Rilis ini bertanggal 18 Agustus pada daftar model pihak ketiga, Z.ai membuka API untuk publik pada 19 Agustus, dan model ini dikonfirmasi dapat diakses melalui API milik Z.ai sendiri, ZCode, AutoClaw, GLM Coding Plan, dan daftar platform pihak ketiga yang terus bertambah, serta — sejak akhir Agustus — pustaka Ollama, tempat GLM-5.3 terdaftar sebagai model yang dihosting di cloud (glm-5.3:cloud) yang dilayani dari Amerika Serikat dan Eropa dengan retensi data nol. Perplexity Computer, platform agen Perplexity untuk pekerjaan multi-langkah yang berjalan lama, menambahkan GLM-5.3 pada periode yang sama dan kini menawarkan model tersebut untuk beban kerja agen. Tag Ollama hanya untuk cloud, bukan GGUF lokal, jadi jalur self-host tetap melalui bobot Hugging Face; GLM-5.3-Flash yang lebih kecil kini memiliki daftar cloud yang sesuai di Ollama. Fase kebocoran sudah berakhir: ketersediaan kini menjadi fakta yang terkonfirmasi, bukan rumor yang perlu dilacak. Satu perubahan perilaku penting bagi pemanggil API: permintaan kini mengharuskan "thinking" diaktifkan di tiga tingkat upaya — low, high, dan max — tanpa opsi mematikan, sebuah breaking change untuk integrasi yang ada.

Amazon Bedrock kini juga menyediakan GLM-5.3. AWS memposting model tersebut pada 5 Oktober 2026 — tanggal peluncuran pada kartu modelnya sendiri — dan di sana mendeskripsikannya sebagai desain Mixture-of-Experts yang sama dengan sekitar 40B parameter aktif per token, jendela konteks 1M token dan batas output 128K yang sama seperti API pihak pertama, serta penalaran yang selalu aktif dengan tingkat upaya yang dapat dipilih. Rutenya bukan salinan endpoint Z.ai. Bedrock menyajikan GLM-5.3 hanya melalui inferensi lintas-Region: id model dasar (zai.glm-5.3) tidak menerima panggilan on-demand di dalam region, sehingga permintaan melewati salah satu dari profil geo AS (us.zai.glm-5.3) atau profil global (global.zai.glm-5.3), dan AWS menandai inferensi in-Region sebagai tidak didukung di setiap region yang dicantumkannya, termasuk keempat region AS. Yang ditambahkannya adalah permukaan AWS di sekitar model — Invoke, Converse, API Responses dan Chat Completions yang kompatibel dengan OpenAI, Guardrails, Agents, Flows, output terstruktur, evaluasi model, dan caching prompt yang secara default implisit atau eksplisit pada cache point minimal 1.024 token dengan retensi minimal 30 menit — plus tier layanan standar, dengan Priority berharga premium 75% terhadap Standard serta Flex dan Batch dengan diskon 50%. Akses adalah kendalanya: pengumuman AWS menyebut GLM-5.3 tersedia secara umum di Bedrock, sementara baik pengumuman itu maupun kartu modelnya membatasinya untuk pelanggan yang memenuhi syarat yang menghubungi tim akun AWS mereka. Rute enterprise tersedia; tetapi saat ini bukan swalayan. Satu angka yang perlu dicermati saat membaca halaman AWS sendiri: kartu model menempatkan GLM-5.3 pada 744B parameter total dan pengumuman pendampingnya pada 753B, sedangkan Z.ai dan repositori Hugging Face menyebut 743B — model yang sama, tiga total, dan tidak ada yang diukur secara independen.

Biaya per tugas, dan tingkat cache hit di baliknya

Harga yang sama tidak berarti tagihan yang sama, dan selisihnya kini diukur, bukan disimpulkan. Artificial Analysis menempatkan GLM-5.3 (Max) pada $2,01 per tugas Intelligence Index dengan tarif pihak pertama, dibandingkan $1,47 untuk GLM-5.2 (Max) — kartu tarif $1,40 / $4,40 yang sama, tagihan 37% lebih besar untuk satu kali melewati kumpulan tugas tetap yang sama. Dua hal menjelaskannya, dan keduanya ada dalam ringkasan model lab itu sendiri. Yang pertama adalah volume: GLM-5.3 menghabiskan 210 juta token keluaran pada Intelligence Index dibandingkan median 140 juta untuk model open-weight yang sebanding, yang oleh lab disebut sangat verbose, dan keluaran adalah sisi mahal dari kartu tarif. Yang kedua adalah laju: 64,2 token keluaran per detik dibandingkan median 66,9, yang lebih lambat dari rata-rata dan, pada agent run yang panjang, juga lebih banyak waktu jam dinding yang dibeli dengan token yang sama. Ini menggantikan estimasi yang sebelumnya dimuat halaman ini, yang menempatkan GLM-5.3 di sekitar $0,68 per tugas dan GLM-5.2 di sekitar $0,44 dari penggunaan token yang kami amati sendiri. Angka-angka lab lebih tinggi daripada estimasi itu secara keseluruhan dan itulah yang harus dikutip: angka-angka itu adalah rata-rata tertimbang dari sepuluh evaluasi pada jumlah tugas yang tetap, bukan pembacaan dari satu beban kerja.

Endpoint lebih banyak menimbulkan kerugian daripada modelnya. Lab yang sama sekarang menerbitkan kolom Cost per Task untuk setiap penyedia yang dilacaknya pada GLM-5.3 (Max) — 25 penyedia — dan kolom tersebut berkisar dari $0.92 di endpoint termurah hingga $8.68 di endpoint termahal. Itu adalah sebaran 9,4x pada bobot yang identik, benchmark yang identik, dan pengaturan penalaran yang identik. (9,4x adalah perhitungan aritmatika kami atas kolom yang diterbitkan lab; apa yang dinyatakan halaman itu sendiri dalam kata-kata adalah bahwa harga campuran per juta token bervariasi “hingga 4,4x antar penyedia” dan bahwa kecepatan output bervariasi sebesar 1.152%.) Tidak ada yang tentang sebaran itu merupakan temuan kemampuan — Endpoint Accuracy Index milik lab, yang menjalankan ulang BFCL v4-500, HLE-250, dan AA-LCR-25 terhadap setiap endpoint, terbaca 95% atau lebih tinggi di setiap endpoint yang dinilainya, artinya yang hilang dari penyedia hanyalah sedikit akurasi, bukan modelnya. Mekanisme yang disebut lab adalah caching. Biaya per tugas dihitung dari harga token input, cache hit, cache write, penalaran, dan jawaban, dibagi dengan jumlah tugas dan dibobot berdasarkan bagian setiap benchmark dalam indeks — jadi loop agentik atau coding yang mengirim ulang seluruh riwayat percakapannya di setiap giliran membayar riwayat itu berulang-ulang, sekali per giliran, dan bagian yang dilayani dari prompt cache penyedia adalah tuas terbesar terhadap total. Artificial Analysis mengukur bagian itu sebagai cache hit rate, mendefinisikannya sebagai “bagian dari token input yang dapat di-cache yang dilayani dari prompt cache penyedia, diukur selama sesi coding agentik multi-giliran,” melaporkannya sebagai median dari empat minggu terakhir (diperbarui 26 September 2026) dan memplotnya terhadap biaya per tugas. Arah yang dinyatakannya adalah yang penting di sini: tingkat hit yang lebih tinggi berarti lebih banyak input ditagih dengan harga cache-hit yang lebih murah, yang menurunkan biaya efektif pekerjaan agentik. Diskon cache GLM-5.3 sendiri adalah 81% pada tarif pihak pertama — $0.26 per juta input yang di-cache versus $1.40 per juta input segar — dan cache write serta penyimpanan ditagih terpisah, dengan tarif yang bervariasi antar penyedia. Satu catatan tentang bukti: tingkat hit per penyedia diplot daripada ditabulasi, jadi sebaran dapat dikaitkan dengan caching sebagai mekanisme tanpa mengklaim angka hit-rate untuk endpoint mana pun.

Itu adalah argumen perutean sebelum menjadi argumen penetapan harga, karena variabel yang bisa Anda tindak lanjuti adalah endpoint mana yang menjawab, bukan berapa biaya bobotnya. GLM-5.3 ada di OrcaRouter dengan harga $1,40 / $4,40 per juta token, diteruskan pada harga daftar milik penyedia sendiri dengan markup nol, sehingga harga atau ketentuan cache penyedia sampai ke tagihan Anda pada hari perubahannya, bukan pada kontrak berikutnya. Failover otomatis memindahkan beban kerja dari endpoint yang terdegradasi ke GLM-5.2 atau model lain yang sudah terbukti, dan DSL perutean adalah tempat aturan semacam itu berada. Untuk model yang biaya per tugasnya kini bervariasi hingga sembilan kali lipat antar-endpoint, cara berisiko rendah untuk menemukan angka Anda sendiri adalah sepotong lalu lintas nyata dengan failover di belakangnya — endpoint yang murah pada loop agen orang lain belum tentu yang murah pada loop agen Anda.

Build Week menjadi seri yang berkelanjutan — dengan 100M token GLM-5.3 gratis

Z.ai mengubah ZCode Build Week miliknya menjadi seri yang berkelanjutan pada 21 Agustus, memberikan kredit kepada komunitas atas apa yang perusahaan katakan sebagai gelombang proyek yang dibangun di atas ZCode dengan GLM-5.3. Untuk menandai peluncuran ulang tersebut, Z.ai memberi 50.000 pengguna baru ZCode masing-masing 100 juta token GLM-5.3 gratis — siapa cepat, dia dapat, hingga 23 Agustus pukul 18.00 waktu Pasifik (24 Agustus, 09.00 waktu Beijing) — dengan token yang tidak terpakai kedaluwarsa pada penutupan acara. Penawaran dan ketentuannya adalah milik Z.ai sendiri: dinyatakan oleh vendor, meskipun pemberian tersebut sejak itu telah dilaporkan oleh media independen.

Ini adalah putaran kedua dari build akhir pekan. Putaran 1, pada 16–17 Agustus, ditangguhkan sekitar satu jam setelah peluncuran ketika permintaan melebihi kapasitas — token yang sudah diklaim tidak terpengaruh, dan Z.ai sejak itu telah meningkatkan kapasitas sisi layanannya. Dengan 50.000 alokasi masing-masing 100 juta token, pembagian maksimum yang diiklankan adalah lima triliun token: angka akuisisi pelanggan yang sekaligus menjadi uji stres langsung terhadap infrastruktur layanan yang sama yang digunakan oleh API GLM-5.3 berbayar.

Apa yang peluncuran ini ubah bagimu

Bagi pemanggil API yang sudah memakai GLM-5.2, langkah praktisnya adalah mengganti nama model, bukan proyek: GLM-5.2 kompatibel dengan OpenAI dan integrasinya tetap berlaku, dengan catatan thinking-effort di atas. Bagi yang menghosting sendiri, penantiannya sudah berakhir. Repositori resmi zai-org/GLM-5.3 di Hugging Face — dibuat 25 Agustus dan diisi pada 27–28 Agustus — kini memuat model unggulan 743B lengkap dalam 141 shard safetensors, dengan SGLang, vLLM, TokenSpeed, Transformers, dan KTransformers semuanya tercantum di kartu model sebagai jalur deployment yang didukung. Lisensinya adalah satu-satunya kejutan yang nyata: Z.ai mendeklarasikan lisensi kustom "glm-5.3", bukan MIT — bunyinya seperti pemberian MIT ditambah syarat bahwa bisnis model-as-a-service mana pun dengan pendapatan dua belas bulan terakhir lebih dari $10 miliar harus melewati tinjauan keamanan Z.ai sebelum penggunaan komersial. Di bawah ambang tersebut, self-hosting dan penggunaan komersial biasa tidak memiliki gerbang semacam itu, meskipun syarat persisnya layak dibaca sebelum Anda mengandalkannya. Jika skala model unggulan itu melebihi yang diinginkan klaster Anda, GLM-5.3-Flash yang lebih kecil merilis bobotnya di bawah MIT pada 26 Agustus — model natively multimodal yang berbeda, bukan model unggulan. Bagi pengguna Ollama, model unggulan kini hanya berjarak satu perintah dari klien milik pustaka itu sendiri — ollama run glm-5.3:cloud — tetapi panggilan itu mengenai model yang dihosting di cloud yang dilayani dari AS dan Eropa, bukan penarikan lokal; belum ada tag lokal terkuantisasi. Menjalankan GLM-5.3 di perangkat keras Anda sendiri tetap berarti memakai bobot Hugging Face dengan tumpukan bergaya vLLM atau SGLang. Bagi siapa pun yang membandingkan model di kelas DeepSeek V4 Pro, Qwen3.8-Max, Kimi K3, GPT-5.6 Sol, dan Claude Fable 5, GLM-5.3 kini menjadi variabel yang aktif dan dinilai secara independen dalam peringkat itu, bukan sekadar rumor. Bagi pembeli perusahaan alih-alih pengembang individu, opsi terbaru adalah Amazon Bedrock, yang mencantumkan GLM-5.3 pada 5 Oktober untuk pelanggan yang memenuhi syarat — bobot yang sama dan jendela konteks 1 juta token yang sama, disediakan di bawah kontrak AWS, dengan harga daftar di atas harga Z.ai sendiri.

Argumen hari peluncuran seputar GLM-5.3 adalah bahwa batas terdepan dalam coding telah menyatu: untuk sebagian besar tugas sehari-hari, begitu ceritanya, hanya sedikit pengguna yang bisa membedakan G​PT-5.6 Sol, C​laude Fable 5, K​imi K3, GLM-5.2, dan Qwen3.8-Max secara andal. Jika konvergensi itu nyata, faktor penentunya tidak lagi berupa kemampuan mentah, melainkan harga, keterbukaan, dan biaya berpindah — dan justru itulah ceruk yang sedang diperjuangkan GLM-5.3 pada $1.40 / $4.40 per juta token dengan basis 743B yang bisa di-host sendiri, yang pelepasan bobotnya yang dijanjikan pada 28 Agustus kini telah tiba. Apakah model coding benar-benar bisa saling dipertukarkan adalah opini, bukan tolok ukur; harganya, jumlah parameternya, dan tanggal pelepasan bobotnya bukanlah opini.

Di sisi routing, GLM-5.3 mulai aktif di OrcaRouter pada 18 Agustus, hari yang sama ketika model tersebut mulai tersedia di pasar yang lebih luas — dengan harga daftar pihak pertama, $1,40 / $4,40 per juta, diteruskan tanpa markup. Tangkapan layar di bawah ini menunjukkan halaman GLM-5.2, yang bentuknya persis seperti yang sekarang dimiliki GLM-5.3: harga yang sama, konteks 1M token yang sama, output maksimum 128K yang sama. Merutekan sebagian lalu lintas nyata ke GLM-5.3 dengan failover otomatis ke GLM-5.2 atau model lain yang terbukti adalah perubahan konfigurasi, bukan penulisan ulang — kunci yang sama, tanpa kontrak kedua. Jika model baru mengalami regresi pada beban kerja Anda, router akan kembali sebelum halaman berubah, dan Anda mendapatkan sinyal kualitas dari lalu lintas Anda sendiri, bukan dari slide vendor. Untuk model yang klaim utamanya masih sebagian besar dilaporkan oleh vendor, itulah cara berisiko rendah untuk mengetahuinya sendiri.

Tontonan Berikutnya

• Rilis open-weight kini resmi: Z.ai mengonfirmasikannya pada 28 Agustus, menyatakan model unggulan itu terbuka dan menunjuk ke bobot Hugging Face serta ulasan teknis mendalam. Kejutannya adalah lisensinya — ketentuan “glm-5.3” khusus, bukan ketentuan MIT yang digunakan GLM-5.2 dan GLM-5.3-Flash — jadi bacalah ketentuan persisnya sebelum melakukan self-hosting. Penilaian Anthropic pada 29 September adalah pemeriksaan luar pertama atas seberapa berharga pengaman rilis tersebut: ia menemukan penolakan bawaan dapat dikalahkan dengan cerita kedok, pemikiran yang diisi terlebih dahulu, atau salinan abliterated, dan varian abliterated sudah beredar beberapa hari setelah bobot itu dirilis.

• Apakah tag GGUF lokal menyusul di Ollama. Pustaka saat ini mencantumkan GLM-5.3 sebagai khusus-cloud; tag lokal terkuantisasi akan memadatkan jalur self-host menjadi satu perintah bagi pengguna Ollama, sementara tag cloud tetap menjadi rute kedua yang dilayani.

• Apakah kesenjangan siber selama enam hingga tujuh bulan menyempit atau bertahan. Epoch AI kini menempatkan GLM-5.3 di peringkat pertama di antara model berbobot terbuka pada 160,10 di Cyber ECI-nya, enam hingga tujuh bulan di belakang frontier tertutup pada 171 — tetapi angka itu bertumpu pada tiga tolok ukur CAISI, satu-satunya hasil siber yang dimiliki lab untuk model tersebut, dan penyetelan ulang Oktober sudah menggeser skor model-model lama beberapa poin. Sumber data kedua, atau pihak ketiga yang menjalankan ulang harness milik Z.ai sendiri, akan menjadi pemeriksaan pertama yang tidak bermuara pada CAISI. Penilaian Anthropic pada 29 September tetap menjadi bacaan independen lainnya, dan penilaian itu menemukan penolakan bawaan dapat dikalahkan dengan dalih, pemikiran yang telah diisikan sebelumnya, atau salinan yang diabliterasi.

• Apakah klaim Perplexity tentang WANDR disertai dengan angka. GLM-5.3 mengalahkan GLM-5.2 pada WANDR adalah tolok ukur milik Perplexity sendiri dan ujiannya sendiri, dan belum ada skor yang dipublikasikan — menjalankan secara independen akan menjadi pemeriksaan pihak ketiga pertama terhadap performa riset agenik model tersebut.

• Di mana indeks itu mendarat pada salinan yang di-host sendiri. Angka 45 diukur terhadap endpoint yang disajikan; versi yang di-host sendiri — kini dapat diunduh, dengan ketentuan lisensi terlampir — adalah versi yang benar-benar akan diterapkan ulang oleh tim dan di-benchmark ulang oleh lab independen. Lab tersebut sudah pernah merumuskan ulang indeks ini sekali, jadi perkirakan angka itu akan berubah lagi.

• Kenaikan harga yang diumumkan D​eepSeek V4 Flash, yang menetapkan batas harga yang menjadi acuan penilaian GLM-5.3, dan bagaimana biaya per tugas frontier tertutup mengikutinya: G​PT-5.6 Sol (max) berada di 47 pada indeks dibandingkan 45 milik GLM-5.3, sementara lab tersebut menandai Sol sebagai usang demi G​PT-6 Sol.

Apakah rangkaian Build Week yang sedang berlangsung tetap stabil dalam menghadapi permintaan — Putaran 1 runtuh dalam waktu satu jam, dan kerangka rangkaian tersebut menjadikan setiap putaran mendatang sebagai uji beban baru terhadap kapasitas yang menjadi sandaran API berbayar.

• Apakah kebocoran multimodal akan mengeras menjadi model yang dirilis. Pekerjaan prosesor sglang adalah bukti tingkat kode bahwa lini andalan sedang disiapkan untuk input gambar, dan tawaran Perplexity tentang “beban kerja agen multimodal” untuk Computer mengarah ke hal yang sama — tetapi itu baru positioning, bukan model yang dirilis, dan belum ada GLM-5.3 multimodal yang diumumkan atau di-benchmark. Perhatikan kartu model, halaman dokumen, atau bobot sebelum menganggapnya nyata.

• Apakah gerbang enterprise Bedrock terbuka. Pengumuman AWS menyatakan GLM-5.3 tersedia secara umum di Bedrock, sementara kartu model membatasinya hanya untuk pelanggan yang memenuhi syarat yang menghubungi tim akun AWS mereka, dan inferensi in-region tidak didukung sama sekali — setiap permintaan melintasi wilayah, baik di dalam profil geo AS maupun pada profil global. Gerbangnya, bukan daftar wilayah, yang menentukan perusahaan mana yang dapat memanggilnya bulan ini.

Pertanyaan yang Sering Diajukan (FAQ)

Apakah GLM-5.3 adalah model yang lebih besar daripada GLM-5.2?

No. Z.ai dan salah satu pendirinya, Tang Jie, sama-sama mengatakan bahwa GLM-5.3 menggunakan basis Mixture-of-Experts dengan 743 miliar parameter yang sama seperti GLM-5.2, dengan jendela konteks 1M token yang sama dan sekitar 40 miliar parameter aktif per token. Semua peningkatan yang dilaporkan berasal dari pasca-pelatihan — Tang Jie menggambarkan perubahan tersebut sebagai satu bulan pembelajaran penguatan horizon panjang yang dilapiskan pada basis yang tidak berubah — bukan penambahan parameter, yang secara langsung mengoreksi rumor era kebocoran tentang basis di atas satu triliun. Klaim arsitektur itu tetap merupakan klaim pendiri dan perusahaan itu sendiri, bukan hasil audit independen.

Kapan open weights GLM-5.3 akan tersedia?

Mereka sudah keluar. Repositori resmi zai-org/GLM-5.3 di Hugging Face — dibuat pada 25 Agustus, dengan berkas-berkas bobot diunggah pada 27–28 Agustus — kini menampung andalan 743B penuh, mendarat pada tanggal 28 Agustus yang telah dipegang Z.ai sejak peluncuran — sebuah rilis yang diumumkan sendiri oleh Z.ai pada 28 Agustus, menyatakan bobot-bobot terbuka dan merujuk ke repositori Hugging Face serta pembahasan teknis mendalam. Lisensinya pun kini dinyatakan: lisensi "glm-5.3" khusus, bukan ketentuan MIT yang digunakan GLM-5.2 dan GLM-5.3-Flash — kira-kira hibah MIT dengan syarat peninjauan keamanan untuk penyedia MaaS besar, jadi baca ketentuan persisnya sebelum mengandalkannya. Z.ai secara terpisah telah mengatakan bahwa fungsi-fungsi siber sensitif akan dibatasi pada program "akses tepercaya" untuk pengguna terverifikasi.

Bagaimana saya harus memperlakukan angka-angka benchmark?

Pisahkan daftar itu menjadi tiga bagian. Angka Z.ai sendiri — lompatan pengkodean (Terminal-Bench 3.0 pada 28,3, DeepSWE v1.1 pada 66,9, SWE-Marathon pada 42,5) dan hasil siber (CyberGym 84,5%, ExploitBench 54,4%) — berasal dari pengumuman perusahaan dan tetap dilaporkan vendor sampai harness independen mereproduksinya. Kelompok independen adalah tempat bobotnya kini berada: Intelligence Index milik Artificial Analysis — 45 untuk GLM-5.3 (Max) pada versi v4.3.2 saat ini, versus 44 untuk Kimi K3 (Max) dan 34 untuk GLM-5.2 (Max) — kolom Cost per Task per endpoint-nya untuk model yang sama, yang berkisar dari $0,92 hingga $8,68 di antara 25 penyedia yang dilacaknya, pengukuran Frontier Red Team milik Anthropic pada ExploitBench (50 dari 410 eksploit end-to-end) dan tolok ukur eksploitasi biner internalnya (4% pembajakan aliran kendali penuh), penilaian CAISI dari NIST tertanggal 17 September, dan Cyber ECI milik Epoch AI, yang dipublikasikan 16 Oktober, yang menempatkan GLM-5.3 pada 160,10 — pertama di antara model berbobot terbuka dan tertinggal enam hingga tujuh bulan di belakang frontier tertutup pada 171, meskipun estimasi itu bertumpu pada tiga benchmark CAISI dan kaveat identifikasi model serta interval milik Epoch sendiri. Klaim Perplexity bahwa GLM-5.3 mengalahkan GLM-5.2 pada WANDR berada di kelompok ketiganya sendiri — benchmark orang lain, klaim orang lain, tidak ada skor yang dipublikasikan. Angka-angka independen adalah yang perlu ditimbang terhadap angka Z.ai, dan angka biaya serta cache adalah pengukuran lab itu sendiri atas harness-nya sendiri, bukan keluaran vendor.

Mengapa menjalankan GLM-5.3 jauh lebih mahal di beberapa penyedia dibandingkan di penyedia lain?

Karena biaya per tugas didominasi oleh seberapa besar percakapan yang dapat dilayani penyedia dari cache prompt-nya, dan perbedaan harga token menjadi lapisan tambahan di atasnya. Artificial Analysis menghitung angka tersebut dari harga token input, cache hit, cache write, reasoning, dan answer, dibagi dengan jumlah tugas dan dibobot berdasarkan bobot setiap benchmark dalam Intelligence Index. Beban kerja agentic dan coding mengirim ulang seluruh riwayat percakapan pada setiap giliran, sehingga porsi cache dari prompt ditagih berulang kali, dan bagian yang dilayani penyedia dari cache alih-alih dengan harga input penuh merupakan pengungkit tunggal terbesar terhadap total. Cache write dan penyimpanan cache ditagih secara terpisah dengan tarif khusus masing-masing penyedia. Pada GLM-5.3 (Max), kolom yang dihasilkan berkisar dari $0,92 hingga $8,68 di 25 endpoint yang dilacak lab — sekitar 9x pada bobot identik dan benchmark identik — itulah sebabnya endpoint, bukan model, yang menjadi penentu biaya.

Bisakah saya menjalankan GLM-5.3 secara lokal melalui Ollama?

Belum. GLM-5.3 terdaftar di pustaka Ollama, tetapi hanya sebagai model yang di-host di cloud — glm-5.3:cloud, dilayani dari Amerika Serikat dan Eropa dengan retensi data nol. Tidak ada tag GGUF lokal, jadi saat ini ollama run glm-5.3:cloud memanggil model yang di-host, bukan mengunduh salinannya ke mesin Anda. Jalur hosting mandiri tetap menggunakan bobot Hugging Face dengan tumpukan gaya vLLM atau SGLang, dan tag cloud adalah rute layanan kedua bagi pengguna yang sudah memakai Ollama.

Kebocoran itu nyata, peluncurannya mengonfirmasi nama, pembingkaian, dan waktunya — dan dua bulan kemudian, kemampuan siber yang Z.ai jadikan pusat pengumumannya telah diukur oleh dua lembaga eksternal dan diperingkat oleh pihak ketiga. Frontier Red Team milik Anthropic menempatkan GLM-5.3 hanya terpaut beberapa percobaan dari Claude Mythos Preview dalam pengembangan eksploit end-to-end, menyebut model itu luar biasa mumpuni untuk rilis terbuka, dan menambahkan temuan yang lebih penting bagi siapa pun yang menerapkannya: pengamanannya nyata tetapi dangkal, dan bobotnya dapat diunduh, sehingga penolakan hanyalah konfigurasi, bukan jaminan. CAISI milik NIST mencapai putusan yang sejalan dari arah lain — model siber berbobot terbuka terbaik hingga saat ini, sekitar empat bulan di belakang frontier AS. Epoch AI kini mengubah putusan itu menjadi peringkat: 160,10 pada Cyber ECI miliknya, peringkat pertama di antara model berbobot terbuka, di atas GPT-5.4 milik OpenAI dan tertinggal enam hingga tujuh bulan di belakang Claude Opus 5.5 milik Anthropic serta GPT-6 Astra milik OpenAI yang berada pada 171 — angka yang pada akhirnya dibangun di atas tiga benchmark CAISI, dan jujur soal itu. Artificial Analysis menyediakan pengukuran eksternal keempat, dan itu soal biaya: $2,01 per tugas Intelligence Index pada tarif pihak pertama, dan berkisar antara $0,92 hingga $8,68 untuk tugas yang sama tergantung endpoint mana yang menjawab. Angka vendor tetap angka vendor, lisensinya tetap khusus, dan pertanyaan apakah lini andalan akan menjadi multimodal masih terbuka. Yang berubah adalah jarak antara kemampuan siber terbuka dan tertutup bukan lagi sesuatu yang harus diterima begitu saja oleh pembaca — melainkan angka yang diterbitkan dengan metode yang bisa Anda periksa. Cara termurah untuk mengetahui apa yang dilakukan model ini terhadap pekerjaan Anda tetap sepotong lalu lintas nyata dengan failover ke sesuatu yang sudah terbukti.

Insiden AI dan kegagalan agen yang terdokumentasi di balik model open-weight di kelas ini dikumpulkan dalam OrcaRouter AI Incident Archive di mana setiap entri memuat sumbernya sendiri, tingkat keparahan, tingkat keyakinan, dan penanda sengketa.