GLM-5.3 zajmuje pierwsze miejsce w Cyber ECI firmy Epoch z wynikiem 160: otwarta cybergranica jest opóźniona o 6–7 miesięcy

Epoch AI nadało liczbę pytaniu, wokół którego krąży debata o bezpieczeństwie modeli o otwartych wagach, i jest to ranking, a nie ostrzeżenie: GLM-5.3 uzyskuje 160,10 w Cyber ECI tego laboratorium — najwyższy wynik wśród wszystkich modeli o otwartych wagach śledzonych przez ten indeks, powyżej GPT-5.4 od OpenAI i poniżej Claude Mythos Preview od Anthropic oraz GPT-5.5 od OpenAI. Odczytany jako data, a nie jako wynik, ten rezultat mówi, że najlepsze dostępne dziś publicznie do pobrania zdolności w cyberprzestrzeni plasują się mniej więcej tam, gdzie sześć do siedmiu miesięcy temu znajdowała się zamknięta granica możliwości. Ten pomiar — Data Insight opublikowany 16 października przez badaczy Epoch, Jaeho Lee i Alexandra Barry'ego, na danych z odcięciem na 8 października — to pierwszy zewnętrzny podmiot, który w ogóle sklasyfikował GLM-5.3 pod kątem cyberbezpieczeństwa, i pojawia się miesiąc po tym, jak CAISI przy NIST nazwało ten model najbardziej zaawansowanym w cyberbezpieczeństwie wydaniem o otwartych wagach do tej pory, sytuując go około czterech miesięcy za granicą możliwości USA. Oba odczyty mają wspólne źródło: Epoch czerpie wynik GLM-5.3 z trzech benchmarków CAISI, jedynych wyników tego modelu w zakresie cyberbezpieczeństwa, więc odległość między nimi to odległość metody, a nie pomiaru. Frontier Red Team od Anthropic już 29 września podał własne liczby dla udostępnionych wag, znajdując exploity end-to-end w 50 z 410 prób ExploitBench wobec 56 z 410 w przypadku Claude Mythos Preview. Sam model nie jest nowy: Z.ai ogłosiło GLM-5.3 14 sierpnia, otworzyło API 18 sierpnia w cenie 1,40 / 4,40 USD za milion tokenów, a 28 sierpnia wypchnęło wagi 743B na Hugging Face na podstawie własnej licencji „glm-5.3”. Nowe jest to, że zdolność, wokół której Z.ai zbudowało premierę, ma teraz pozycję na publicznym rankingu i zmierzony dystans do granicy możliwości — podczas gdy Artificial Analysis wycenia te same wagi za zadanie na od 0,92 do 8,68 USD w zależności od tego, który endpoint odpowiada, a Amazon Bedrock udostępnia je od 5 października uprawnionym klientom korporacyjnym. Ta strona po raz pierwszy śledziła GLM-5.3 od śladów przecieku z 3 sierpnia, a następnie przez całą premierę; ta wersja uwzględnia pozycję w Cyber ECI, stojącą za nią metodę oraz to, co sześcio- do siedmiomiesięczna luka mówi — a czego nie mówi — o modelu, do którego faktycznie kierowałbyś ruch.

Od wycieku do premiery

Cztery ślady, które wypłynęły 3 sierpnia — strona harnessu „ZCode for GLM-5.3”, oficjalna strona dokumentacji dostępna przez około godzinę, wpis w indeksie Bing o treści „GLM-5.3 Official Harness” oraz commit dodający wpis „glm-5.3” z obsługą JSON Schema do oficjalnego Java SDK Zhipu — wszystkie wskazywały na realne, nazwane wydanie. Odpowiedź „sooooooon” współzałożyciela Z.ai, Tang Jie, oraz określenie „epic-level plus” są teraz potwierdzone przez rzeczywisty produkt, a nie plotkę. Sygnał czasowy „około tygodnia”, który testowała ta strona — opublikowany na X przez @teortaxesTex po premierze DeepSeek V4 Pro 13 sierpnia — potwierdził się co do dnia: Z.ai oficjalnie ogłosiło GLM-5.3 14 sierpnia pod hasłem „Built to Code. Ready for Cyber Defense.” Kontynuacja przyszła w następnym tygodniu: model trafił na szerszy rynek 18 sierpnia — data premiery jest teraz odnotowana w katalogach modeli podmiotów trzecich — a 19 sierpnia Z.ai ogłosiło, że API jest otwarte na wywołania, w tej samej cenie co GLM-5.2, a model jest już podłączony do ZCode, AutoClaw i GLM Coding Plan.

Kolejny sygnał wycieku: procesor multimodalny dla GLM-5.3

Wyłącznie tekstowe ujęcie flagowca może nie utrzymać się długo. 28 sierpnia otwarty pull request w silniku serwującym sglang proponuje obsługę wejścia procesora multimodalnego GLM-5.3 — warstwę klejącą procesora, która zamienia ładunki obrazów na ten sam schemat dynamicznej zmiany rozmiaru, pikseli, siatki i rozszerzania tokenów, którego używa framework Miles RL, dzięki czemu trenowanie i serwowanie widzą identyczne wejścia obrazowe. Ten PR to połówka od strony rollout w uczeniu wzmacnianym warunkowanym obrazem na GLM-5.3 w radixark/miles, a jego drugi commit rejestruje testy procesora GLM-5.3 w CPU CI sglang. Nic z tego nie jest ogłoszeniem Z.ai i żaden multimodalny GLM-5.3 nie został wydany ani poddany benchmarkom — to dowód na poziomie kodu, ten sam rodzaj wczesnego sygnału, który ta strona po raz pierwszy śledziła 3 sierpnia. Mówi to, że linia flagowa jest przygotowywana do przyjmowania obrazów, zarówno podczas trenowania, jak i w stosie serwującym, zamiast pozostać wyłącznie tekstowym modelem do kodowania i cyberbezpieczeństwa, który Z.ai opisał przy premierze. Samo ujęcie Perplexity, gdy pod koniec sierpnia dodało GLM-5.3 do Computer — „stworzony do długokontekstowych, multimodalnych obciążeń agentowych” — wskazuje w tym samym kierunku, choć to pozycjonowanie produktu, a nie wydany model multimodalny.

Co post-training tak naprawdę kupił.

Twierdzenie o architekturze to część, którą warto dokładnie ustalić, ponieważ najgłośniejszy konkret z wycieku — parametry przekraczające bilion — jest błędny. GLM-5.3 nie jest większym modelem. Z.ai i jej współzałożyciel Tang Jie twierdzą, że wykorzystuje on dokładnie tę samą bazę Mixture-of-Experts o rozmiarze 743B co GLM-5.2 (mniej więcej 40 miliardów aktywnych parametrów na token), zachowuje to samo okno kontekstowe 1M tokenów i mniej więcej 128K maksymalnego wyjścia, a całą poprawę zawdzięcza post-trainingowi. Tang Jie opisał premierę jako celowy eksperyment ze zmienną kontrolowaną — ta sama baza, ta sama architektura, ta sama liczba parametrów, z miesiącem długohoryzontowego uczenia ze wzmocnieniem na zadaniach programistycznych jako jedyną zmienną — i to właśnie temu miesiącowi przypisuje około 50% poprawy w kodowaniu. Notatki wydawnicze Z.ai odsłaniają mechanizmy leżące u podstaw: więcej długohoryzontowych środowisk zadań, więcej typów środowisk i dłuższe przebiegi treningowe, zbudowane na długokontekstowym IndexShare, asynchronicznym RL SAO i frameworku slime o otwartym kodzie źródłowym, na których oparto już GLM-5.2. Dogłębna analiza techniczna, do której Z.ai linkuje w ogłoszeniu o otwartych wagach — wpis badawczy na z.ai/blog/glm-5.3 — rozwija kwestię receptury: kilkadziesiąt razy więcej długohoryzontowych środowisk zadań, więcej typów środowisk i przebiegi treningowe wydłużone znacznie poza pierwsze wydanie, z zadaniami skalowanymi do wielodniowych obciążeń eksperckich na rzeczywistych klastrach obliczeniowych. Jej ujęcie możliwości cyber — „ściśle ograniczona zdolność programowania", która wyłoniła się wraz ze skalowaniem środowisk zadań — jest, podobnie jak notatki wydawnicze, własną wersją firmy, a nie niezależnym audytem. To ujęcie „żadnego ponownego treningu, wszystko post-training" pochodzi od samego założyciela i firmy i nie zostało poddane niezależnemu audytowi. Rozmiar to drugi nagłówek: przy 743B całkowitych parametrów i tylko około 40B aktywnych na token GLM-5.3 jest na tyle lekki, że można go hostować we własnym zakresie na skromnym klastrze, i na tyle tani, że można go serwować na dużą skalę — pozycjonowanie „mniejszy, tańszy, otwarty", które przypisano mu w komentarzach z dnia premiery, i ostry kontrast z zamkniętymi flagowymi modelami z czołówki, z którymi jest porównywany.

Kodowanie i agenci: liczby, które podaje Z.ai

W zakresie kodowania Z.ai podaje — wszystko raportowane przez dostawcę i niesprawdzone niezależnie — że Terminal-Bench 3.0 wzrósł z 4,6 do 28,3, co Z.ai nazywa najlepszym wynikiem spośród modeli o otwartych wagach na tym harnessie; DeepSWE v1.1 wzrósł z 46,2 do 66,9; SWE-Marathon mniej więcej się podwoił z 19,4 do 42,5; a Agents' Last Exam (CLI) wzrósł z 23,8 do 28,5. Własny skrót Tang Jie opisujący ten wynik, w poście na X przekazanym przez @dotey, brzmiał „czysty post-training, kodowanie w górę o jakieś 50%" — ta sama liczba z nagłówka, którą Z.ai podało w swoim ogłoszeniu. Na wewnętrznym benchmarku kodowania Z.ai GLM-5.3 uzyskał 31,4% przy mniej więcej 50 tys. tokenów wyjściowych na zadanie przy wysokim wysiłku, wobec 29,5% uzyskanych przez Claude Opus 4.8 przy około 120 tys. tokenów — Z.ai chce przez to powiedzieć, że GLM-5.3 osiąga porównywalny wynik, zużywając znacznie mniej tokenów wyjściowych. Claude Fable 5 nadal prowadzi w tym wewnętrznym ewaluacji z 39,5% przy maksymalnym wysiłku, a Z.ai przyznaje, że GLM-5.3 wciąż ustępuje GPT-5.6 Sol i Claude Fable 5 w kilku trudniejszych ewaluacjach kodowania. Traktuj wszystkie te liczby jako dane dostawcy, dopóki nie potwierdzi ich niezależny harness.

Cyberobrona: zdolność, której nikt się nie spodziewał

Liczby dotyczące cyberbezpieczeństwa były najgłośniejszą częścią ogłoszenia Z.ai, a do 29 września były też w całości raportowane przez dostawcę. W CyberGym, benchmarku odkrywania i walidacji podatności typu white-box, Z.ai podaje dla GLM-5.3 wynik 84,5%, w górę z 77,2% w GLM-5.2 i przed Mythos 5 (83,8%) oraz GPT-5.6 Sol (83,6%) tego laboratorium. W ExploitBench, który wymaga zarówno analizy przyczyn źródłowych, jak i działającego exploita, Z.ai podaje, że GLM-5.3 ponad dwukrotnie poprawił wynik z 24,4% do 54,4%, choć Mythos 5 (78,0%) wciąż pozostaje z przodu. W ExploitGym Z.ai podaje 105 ukończonych zadań w budżecie 2 godzin i 130 w 6 godzin, wobec 29 i 39 dla GLM-5.2 — znów za Mythos 5 (181 i 247). Z.ai przedstawia zdolności cybernetyczne jako emergentną właściwość skalowanego post-trainingu — „zdolności wciąż się kumulowały wraz ze skalowaniem treningu”, jak ujmuje to firma — a nie jako zamierzony cel. Jedno zastrzeżenie, zanim te wartości procentowe zostaną porównane z czymkolwiek poniżej: wynik Z.ai w ExploitBench i wynik Anthropic w ExploitBench na poziomie prób to różne uruchomienia tego samego publicznego benchmarku w różnych środowiskach testowych i reżimach, więc te dwie liczby nie są tym samym pomiarem i nie należy ich stawiać obok siebie.

Z.ai dodaje do benchmarków twierdzenie z rzeczywistego świata: w testach z zespołami ds. bezpieczeństwa GLM-5.3 zidentyfikował 2 436 luk w 269 projektach open source, z których 1 097 miało krytyczny lub wysoki poziom ważności, a najstarsze znalezisko pochodzi z 1981 r. i ma średni „czas życia” wynoszący 26,6 roku. To najbardziej uderzająca liczba w ogłoszeniu, a zarazem najmniej możliwa do niezależnego zweryfikowania. Firma połączyła tę możliwość z Security Disclosure Ledger na potrzeby skoordynowanego ujawniania, programem „trusted access”, który ogranicza dostęp do wrażliwych funkcji cybernetycznych wyłącznie do zweryfikowanych użytkowników, oraz inicjatywą „Open Source Shield” mającą na celu ciągły audyt kluczowych projektów open source. Ocena Anthropic z 29 września jest bezpośrednim wyzwaniem dla tego, ile daje ograniczanie dostępu w przypadku pobieranych wag: wykazała, że udostępniony model domyślnie odmawia realizacji szkodliwych żądań, ale da się go pokonać zwykłymi technikami w 64–100% prób, i zauważa, że deweloperzy opublikowali abliterowane warianty GLM-5.3 w ciągu kilku dni od udostępnienia wag. Program zweryfikowanych użytkowników kontroluje dostęp do API; nie kontroluje pliku.

Co zmierzył Anthropic i co to zmienia

Frontier Red Team firmy Anthropic opublikował 29 września swoją ocenę pod tytułem „GLM-5.3 i rozprzestrzenianie się zaawansowanych zdolności cybernetycznych” i po raz pierwszy konkurencyjne laboratorium podało własne liczby dotyczące zdolności GLM-5.3 do eksploatacji. Sposób przedstawienia jest bez ogródek: podobnie jak Claude Mythos Preview, GLM-5.3 ma silne zdolności do autonomicznego tworzenia kompletnych exploitów cybernetycznych, ale w przeciwieństwie do innych modeli frontier został udostępniony bez istotnych zabezpieczeń ograniczających nadużycia. Uruchomiony w izolowanych piaskownicach przeciwko celom offline, GLM-5.3 opracował kompletne exploity w ExploitBench w 50 z 410 prób. Claude Mythos Preview — ogłoszony przez Anthropic około pięć miesięcy wcześniej i udostępniony w ograniczonym zakresie w ramach jej programu zaufanych obrońców Project Glasswing — dokonał tego w 56 z 410. W wewnętrznym benchmarku Binary Exploitation firmy Anthropic, który losowo wybiera 100 zadań z projektów uczestniczących w OSS-Fuzz Google’a i przyznaje pełne punkty za przejęcie przepływu sterowania, GLM-5.3 uzyskał 4% wobec 6% Claude Mythos Preview. Anthropic nie twierdzi, że GLM-5.3 jest liderem, lecz że próg się przesunął: wcześniejsze modele, w tym Claude Opus 4.6 i GLM-5.2, nie odniosły sukcesu w żadnym z tych zadań.

W sesjach prowadzonych przez badaczy odkrycie staje się konkretne. Mając do dyspozycji maszynę w piaskownicy z lokalną kompilacją Linuksa popularnej przeglądarki internetowej oraz mniej niż godzinę uwagi człowieka rozłożonej na cały dzień, GLM-5.3 znalazł kilka nieznanych wcześniej luk w silniku JavaScript przeglądarki i połączył je w działający exploit — stronę, która po odwiedzeniu odczytuje dowolne pliki z komputera odwiedzającego, w tym prywatny klucz SSH. A​nthropic twierdzi, że ujawniła te błędy opiekunowi projektu oraz że ta sama sesja odsłoniła również możliwe do wykorzystania luki w sterownikach sieci bezprzewodowej i graficznych oraz w oprogramowaniu urządzeń podłączonych do sieci. W drugiej sesji GLM-5.3-Flash — mniejszy, mniej zdolny brat — otrzymał publiczne szczegóły załatanej luki w Chrome (CVE-2026-11645) oraz jednej innej i bez istotnych wskazówek zbudował niezawodny łańcuch exploitu ARM64, który ominął wzmocnienia uwierzytelniania wskaźników. Zajęło to 20 minut uwagi człowieka i osiem godzin pracy modelu, co A​nthropic wycenia na 20,40 USD według stawek API Z​hipu.

Połowa wpisu dotycząca bezpieczeństwa to część, która zmienia decyzję o wdrożeniu. Domyślnie GLM-5.3 odrzucał każde jawnie złośliwe żądanie w symulowanym świecie A​nthropic, podobnie jak każdy inny testowany model. A​nthropic następnie znalazł proste sposoby obejścia tej odmowy i podaje odsetek przypadków, w których model angażował się w szkodliwe żądanie:

• Zwodniczy prompt — mówiący modelowi, że jest autonomicznym agentem red-team pracującym nad ćwiczeniem: 64% prób.

• Wstępne wypełnianie tokenów myślenia modelu, tak aby sprawiało wrażenie, że model już rozważył prośbę i postanowił kontynuować: 92%.

• Uruchamianie abliterowanej kopii wag, z usuniętymi odmowami: 100%.

Żadnemu z trzech nie udało się nakłonić zabezpieczonych modeli C​laude do wykonania tych samych zadań, twierdzi A​nthropic — jego zabezpieczenia zablokowały przykrywkę, jego API nie oferuje sposobu na wstępne wypełnienie myślenia, a jego wagi nie są dystrybuowane, więc modele w ogóle nie mogą zostać poddane abliteracji. Ta ostatnia asymetria ma długi ogon. Abliteracja to standardowa technika redukcji odmów, a ponieważ GLM-5.3 jest dostarczany jako wagi do pobrania, każdy może ją zastosować: A​nthropic zbudował własną abliterowaną kopię w około 2200 godzin GPU za około 4400 dolarów i twierdzi, że zespół, który nigdy wcześniej nie próbował tego zadania, mógłby to zrobić. Ta edycja obniżyła wskaźnik odmów GLM-5.3 z ponad 90% do około 3% na JailbreakBench, 2% na HarmBench i 12% na StrongREJECT, podczas gdy GPQA-Diamond wypadł bez zmian, a testowany podzbiór CyberGym uzyskał tylko o kilka punktów procentowych niższy wynik. A​nthropic twierdzi, że kilku deweloperów udostępniło już publicznie abliterowane wersje GLM-5.3 w ciągu kilku dni od premiery modelu, a abliteracja GLM-5.3-Flash zajęła około 600 godzin GPU.

Traktuj to wszystko jako pomiary jednego laboratorium, a nie jako ustalony fakt. Anthropic przeprowadził testy na własnych narzędziach i we własnych piaskownicach, sam policzył własne próby i nie opublikował żadnej niezależnej reprodukcji, więc nic tutaj nie podlega niezależnemu audytowi — podobnie jak własne liczby Z.ai. To, co nadaje temu większą wagę niż zapewnieniom dostawcy, to kierunek bodźca: Anthropic mierzy model konkurenta, podaje mianowniki, a jego ustalenia są zbieżne z Center for AI Standards and Innovation należącym do NIST, które 17 września oceniło GLM-5.3, nazwało go „najbardziej cyberzdolnym modelem o otwartych wagach, jaki dotychczas udostępniono” i umieściło go około cztery miesiące za amerykańską czołówką na podstawie zagregowanych cyberbenchmarków CAISI — z zastrzeżeniem, że amerykańskie modele w tym porównaniu testowano z wyłączonymi zabezpieczeniami cybernetycznymi i że obejmuje ono modele udostępnione wyłącznie zweryfikowanym użytkownikom. Wniosek samego Anthropic jest w równym stopniu argumentem politycznym, co technicznym: twierdzi on, że przekroczono krytyczny próg w zakresie swobodnie dostępnych możliwości, że każdy może pobrać GLM-5.3 oraz że obrońcy powinni mieć dostęp do modeli co najmniej tak dobrych jak te, których używają ich przeciwnicy. Dwa tygodnie po ocenie CAISI firma Epoch AI zmierzyła ten sam dystans w inny sposób i uzyskała większą wartość — sześć do siedmiu miesięcy — na podstawie części tych samych danych.

Nic powyżej nie zmienia mechaniki decyzji o routingu, czyli tej części, którą kontrolujesz. Część ruchu kierowana do GLM-5.3 w OrcaRouter kosztuje według stawki własnej — 1,40 / 4,40 USD za milion tokenów, przekazywanej z zerową marżą — a automatyczne przełączanie awaryjneprzenosi obciążenie do GLM-5.2 lub innego sprawdzonego modelu, gdy któryś z nich zaczyna działać gorzej, więc niespodzianka w zakresie możliwości w jedną albo drugą stronę to zmiana konfiguracji, a nie przepisywanie od zera. To, co wnosi wpis Anthropic, to pytanie, które warto zadać, zanim wyślesz do niego prace związane z bezpieczeństwem lub objęte regulacjami: model, który wywołujesz, to model, którego wagi są publiczne, a hostowany endpoint nie jest zabezpieczeniem. Ścieżka enterprise nie zmienia tej arytmetyki. Własna oferta Bedrock dla GLM-5.3 to 1,68 / 5,28 USD za milion tokenów w globalnym profilu inferencji i 1,848 / 5,808 USD w profilu dla USA — o 20% i 32% powyżej stawki własnej Z.ai — więc wywoływanie tego samego modelu w cenie katalogowej Z.ai przez jeden klucz pozostaje tańszą ścieżką, podczas gdy kontrakt chmurowy kupuje w zamian pozycję zakupową i zgodnościową.

Gdzie tak naprawdę znajduje się otwarta cybergranica

Cyber ECI firmy Epoch AI to skupiony na cyberbezpieczeństwie wariant należącego do tego laboratorium Epoch Capabilities Index, zbudowany na wynikach benchmarków z 35 ewaluacji cyberbezpieczeństwa, a po aktualizacji z 16 października — z 76 modeli. W nim GLM-5.3 od Z.ai osiąga 160,10 — najwyższy wynik wśród modeli o otwartych wagach, jaki laboratorium odnotowuje; jest on powyżej GPT-5.4 od OpenAI (157,04, wydanego 5 marca 2026 r.) i poniżej Claude Mythos Preview od Anthropic (164,82, 7 kwietnia) oraz GPT-5.5 od OpenAI (162,22, 23 kwietnia). Na czele zamkniętej czołówki stoją Claude Opus 5.5 od Anthropic (171,14) i GPT-6 Astra od OpenAI (171,03) — para, którą laboratorium wskazuje jako czołówkę na poziomie 171. Wśród modeli o otwartych wagach GLM-5.3 plasuje się powyżej Kimi K3 od Moonshot (157,60) i DeepSeek-V4-Pro od DeepSeek (150,35), z wyraźną przewagą nad swoimi własnymi poprzednikami, GLM-5.2 (154,12) i GLM-5 (147,95). To właśnie umieszczenie GLM-5.3 między najnowszymi zamkniętymi modelami, które przewyższa, a najwcześniejszymi, których nie przewyższa, daje wynik trafiający do nagłówka: otwarta czołówka cyberbezpieczeństwa znajduje się mniej więcej tam, gdzie zamknięta czołówka znajdowała się sześć do siedmiu miesięcy wcześniej — różnica, którą GPT-5.4 i checkpoint Claude Mythos Preview z 7 kwietnia wyznaczają na odpowiednio siedem i sześć miesięcy względem daty odcięcia danych Epoch z 8 października.

Zastrzeżenia mają tu większe znaczenie niż zwykle, a Epoch podaje ich kilka. W indeksie w ogóle znajdują się tylko modele z co najmniej dwoma wynikami benchmarków cyberbezpieczeństwa — 57 z 76 — a wynik GLM-5.3 na poziomie 160,10 opiera się dokładnie na trzech, wszystkie pochodzą z oceny CAISI przeprowadzonej przez NIST 17 września. To jedyne wyniki dotyczące cyberbezpieczeństwa, jakie laboratorium ma dla tego modelu, co oznacza, że szacunek Epoch to ponowne dopasowanie danych opublikowanych przez CAISI, a nie niezależne powtórzenie badania, a wartość sześciu–siedmiu miesięcy i około czterech miesięcy w przypadku CAISI różnią się, ponieważ zestawy benchmarków i porównanie, które przyjmują, są inne, a nie dlatego, że oba źródła nie zgadzają się co do modelu. Epoch zwraca też uwagę, że CAISI nie podało nazw amerykańskich modeli, które oceniało, więc laboratorium przypisało te wyniki prawdopodobnym liderom, takim jak GPT-6 Astra i Claude Mythos Preview; że przedziały wokół dwóch modeli frontier niemal całkowicie się pokrywają, więc kolejność na szczycie wykresu jest mniej ustalona, niż sugerują szacunki punktowe; oraz że październikowe ponowne dopasowanie zmieniło starsze opublikowane wartości, obniżając Claude Mythos 5 o 3,9 punktu i GPT-5.6 Sol o 4,7, więc liczb z tego miesiąca nie należy bez ostrożności porównywać z liczbami z zeszłego miesiąca. Przed przeczytaniem wykresu warto znać jedną konwencję: Epoch uznaje licencje z ograniczeniami użytkowania i licencje niekomercyjne za open-weight, dzięki czemu GLM-5.3 w ogóle się kwalifikuje — jego wagi są udostępniane na autorskich warunkach „glm-5.3” firmy Z.ai, a nie na licencji MIT, której używają GLM-5.2 i GLM-5.3-Flash.

To, co zmienia pozycja w rankingu, dotyczy mniej samego modelu, a bardziej argumentacji wokół niego. Przed 16 października nazywanie GLM-5.3 najmocniejszym otwartym wydaniem w cyberbezpieczeństwie oznaczało powoływanie się na własne wyniki procentowe Z.ai w CyberGym i ExploitBench oraz na testy w piaskownicy jednego konkurenta; teraz istnieje pozycja w publicznym indeksie z podanym dystansem do czołówki, a ten dystans to liczba, której zmiany czytelnik może śledzić. Z tego wynikają dwie rzeczy dla każdego, kto rozważa model o otwartych wagach do prac związanych z bezpieczeństwem. Pół roku za czołówką to nie to samo co bezpieczeństwo: exploit, który model z czołówki potrafi zbudować dziś, jest eksploitem, który zdolność sprzed sześciu miesięcy może zbudować, gdy metoda stanie się publiczna, a wyniki Anthropic powyżej lokują te konkretne wagi w tym oknie. A ranking to stwierdzenie o najlepszych dostępnych wagach, a nie o punkcie końcowym odpowiadającym na Twoje żądanie — te same wagi udostępniane przez różnych dostawców różnią się już dziewięciokrotnie pod względem kosztu na zadanie, co jest kwestią routingu, a nie zdolności.

Bazowy GLM-5.3, który należało pobić.

GLM-5.2 to punkt odniesienia, na którym opiera się cała historia. Został wydany w czerwcu 2026 r. jako model Mixture-of-Experts o 743B parametrów, z około 40B aktywnych parametrów na token, oknem kontekstu 1M tokenów, maksymalnym wyjściem 128K, licencją MIT i otwartymi wagami na Hugging Face. Indeks Intelligence Index firmy Artificial Analysis — mierzony przez samo laboratorium, nie przez Z.ai — jest teraz oparty na zrewidowanej wersji v4.3.2 i według niego GLM-5.2 (Max) uzyskuje 34 punkty, a GLM-5.3 (Max) 45. Jedenastopunktowa różnica to ten sam dystans, o którym ta strona informowała przy premierze, gdy wcześniejsza wersja indeksu tego samego laboratorium dawała GLM-5.2 53 punkty, a GLM-5.3 60 — zmieniła się miarka, a nie wynik, a laboratorium oznacza teraz GLM-5.2 jako przestarzały na rzecz jego następcy. 45 punktów GLM-5.3 plasuje go na drugim miejscu wśród modeli z otwartymi wagami, za MiMo-V2.6-Pro z 46 punktami i o jeden punkt przed K​imi K3 (Max) z 44. To była pierwsza niezależna liczba przypisana do GLM-5.3 i jest zgodna z kierunkiem — jeśli nie z każdym szczegółem — własnych twierdzeń Z.ai. Od tego czasu pojawiły się dwa kolejne punkty danych od stron trzecich: pod koniec sierpnia Perplexity poinformowało, że GLM-5.3 przewyższa GLM-5.2 w WANDR, swoim otwartym benchmarku do badań na dużą skalę opartych na dowodach — teście „szerokim i głębokim”, w którym agent musi zebrać duży zbiór rekordów opartych na źródłach, a nie odpowiedzieć na jedno pytanie. Ten pierwszy to własny benchmark Perplexity i jej własne twierdzenie, bez opublikowanych wyników, więc traktuj go jako orientacyjny, dopóki nie pojawią się liczby. Drugi to ocena cyberbezpieczeństwa A​nthropic z 29 września — pierwszy zewnętrzny pomiar konkretnej zdolności, wokół której Z.ai zbudował premierę. W programowaniu długohoryzontowym środowisko OrcaRouter mierzy 77,9 w Terminal-Bench 2.1, podczas gdy najlepszy raportowany przez Z.ai wynik GLM-5.2 to 82,7, co byłoby pierwszym wynikiem modelu z otwartymi wagami powyżej 80, ale jest raportowane przez dostawcę i niespowtórzone. Cena katalogowa wynosi 1,40 USD za milion tokenów wejściowych i 4,40 USD za milion tokenów wyjściowych.

Tabela wyników powyżej to przedpremierowa projekcja z ery wycieków, którą ta strona opublikowała przed premierą — wiersz „>1T parametrów (w plotkach)”, niepotwierdzony kontekst i licencja, prognozowany indeks AA. Premiera skorygowała największą komórkę: GLM-5.3 wykorzystuje tę samą bazę 743B co GLM-5.2, więc nie ma skoku liczby parametrów. Okno kontekstowe potwierdzono na 1M, a licencja nie jest już otwartym pytaniem, jakim była — Z.ai opublikował własną licencję „glm-5.3”, a nie warunki MIT, których używają GLM-5.2 i GLM-5.3-Flash. Prognozowana komórka indeksu — własne oszacowanie tej strony na ~57–60 — była rzadką projekcją, która trafiła w dziesiątkę, dając 60 w indeksie w wersji z dnia premiery; laboratorium od tego czasu zaktualizowało indeks i w obecnej wersji v4.3.2 ten sam model wskazuje 45. Co się nie zmieniło, to otwarte pytanie: jak ten wynik wypadnie, gdy zostanie odtworzony na wagach hostowanych samodzielnie.

Powyższy zrzut to niezależny punkt odniesienia, względem którego mierzone są twierdzenia GLM-5.3. GLM-5.2 prowadził w rankingu modeli z otwartymi wagami z wynikiem 53 w Artificial Analysis Intelligence Index w wersji indeksu, którą ta strona odczytywała w sierpniu. Ten punkt odniesienia został od tego czasu podany na nowo wraz z wynikami wszystkich pozostałych modeli: w obecnym indeksie laboratorium v4.3.2 GLM-5.2 (Max) ma wynik 34, a GLM-5.3 (Max) — 45, czyli przewagę w tym samym kierunku i o w przybliżeniu tej samej wielkości, przy czym K​imi K3 (Max) ma o punkt mniej, z wynikiem 44, a MiMo-V2.6-Pro wyprzedza z wynikiem 46. Oba odczyty to własne pomiary laboratorium wykonane w jego własnym środowisku testowym i żaden z nich nie jest wartością podaną przez producenta.

Ceny i dostępność

GLM-5.3 ma identyczną cenę jak GLM-5.2: 1,40 USD za milion tokenów wejściowych i 4,40 USD za milion tokenów wyjściowych (8 ¥ / 28 ¥ w krajowym cenniku), a odczyty z pamięci podręcznej danych wejściowych kosztują 0,26 USD / 2 ¥ za milion. Premiera jest datowana na 18 sierpnia w katalogach modeli zewnętrznych, Z.ai publicznie otworzyło API 19 sierpnia, a potwierdzono, że model jest dostępny przez własne API Z.ai, ZCode, AutoClaw, G​LM Coding Plan oraz rosnącą listę platform zewnętrznych, a — od końca sierpnia — bibliotekę Ollama, gdzie GLM-5.3 jest wymieniony jako model hostowany w chmurze (glm-5.3:cloud), obsługiwany ze Stanów Zjednoczonych i Europy z zerowym przechowywaniem danych. Perplexity Computer, platforma agentowa Perplexity do długotrwałych, wieloetapowych zadań, dodała GLM-5.3 w tym samym oknie czasowym i teraz oferuje ten model do obciążeń agentowych. Tag Ollama dotyczy wyłącznie chmury, a nie lokalnego GGUF, więc ścieżka samodzielnego hostowania nadal prowadzi przez wagi Hugging Face; mniejszy GLM-5.3-Flash ma teraz własny, odpowiadający mu wpis w chmurze na Ollama. Faza przecieków się skończyła: dostępność jest teraz potwierdzonym faktem, a nie plotką do śledzenia. Jedna zmiana w działaniu ma znaczenie dla wywołujących API: żądania wymagają teraz włączonego „thinking” na trzech poziomach wysiłku — niskim, wysokim i maksymalnym — bez możliwości wyłączenia, co stanowi zmianę łamiącą zgodność dla istniejących integracji.

Amazon Bedrock obsługuje teraz również GLM-5.3. AWS opublikowało model 5 października 2026 r. — data premiery w jego własnej karcie modelu — i opisuje go tam jako tę samą architekturę Mixture-of-Experts z około 40B parametrów aktywnych na token, to samo okno kontekstu 1M tokenów i limit wyjściowy 128K co API dostawcy oraz rozumowanie stale włączone z wybieralnymi poziomami wysiłku. Ta ścieżka nie jest kopią punktu końcowego Z.ai. Bedrock udostępnia GLM-5.3 wyłącznie przez wnioskowanie między regionami: identyfikator modelu bazowego (zai.glm-5.3) nie obsługuje wywołań na żądanie w regionie, więc żądania przechodzą przez profil geograficzny USA (us.zai.glm-5.3) albo profil globalny (global.zai.glm-5.3), a AWS oznacza wnioskowanie w regionie jako nieobsługiwane we wszystkich wymienionych regionach, w tym w czterech regionach USA. To, co dodaje, to warstwa AWS wokół modelu — Invoke, Converse, zgodne z OpenAI interfejsy API Responses i Chat Completions, Guardrails, Agents, Flows, structured outputs, ocena modeli i buforowanie promptów, które jest domyślnie niejawne lub jawne w punktach pamięci podręcznej o rozmiarze co najmniej 1,024 tokenów i czasie przechowywania co najmniej 30 minut — a także standardowe poziomy usług, przy czym Priority jest o 75% droższy od Standard, a Flex i Batch mają 50% zniżki. Haczyk tkwi w dostępie: ogłoszenie AWS mówi, że GLM-5.3 jest ogólnie dostępny w Bedrock, ale zarówno to ogłoszenie, jak i karta modelu ograniczają go do kwalifikujących się klientów, którzy skontaktują się z zespołem obsługującym ich konto AWS. Ścieżka dla przedsiębiorstw istnieje; dziś nie jest samoobsługowa. Jedna liczba, na którą warto uważać, czytając własne strony AWS: karta modelu podaje 744B parametrów łącznie dla GLM-5.3, a towarzyszące ogłoszenie — 753B, podczas gdy Z.ai i repozytorium Hugging Face podają 743B — ten sam model, trzy sumy i żadna z nich nie została niezależnie zmierzona.

Koszt na zadanie i stojący za nim wskaźnik trafień pamięci podręcznej

Ta sama cena nie oznacza tego samego rachunku, a różnica jest teraz mierzona, a nie wywnioskowana. Artificial Analysis wycenia GLM-5.3 (Max) na 2,01 USD za zadanie Intelligence Index według stawki first-party w porównaniu z 1,47 USD dla GLM-5.2 (Max) — ten sam cennik stawek 1,40 USD / 4,40 USD, rachunek większy o 37% za jedno przejście przez ten sam stały zestaw zadań. Wyjaśniają to dwie rzeczy i obie znajdują się w podsumowaniu modelu samego laboratorium. Pierwsza to objętość: GLM-5.3 zużywa 210 mln tokenów wyjściowych na Intelligence Index wobec mediany 140 mln dla porównywalnych modeli o otwartych wagach, a laboratorium nazywa go bardzo gadatliwym; wyjście jest droższą stroną cennika. Druga to tempo: 64,2 tokenu wyjściowego na sekundę wobec mediany 66,9, co jest wolniejsze od średniej i podczas długiego przebiegu agenta oznacza także więcej czasu zegarowego kupionego za te same tokeny. To zastępuje szacunek, który ta strona wcześniej podawała, a który sytuował GLM-5.3 blisko 0,68 USD za zadanie, a GLM-5.2 blisko 0,44 USD na podstawie naszego własnego zaobserwowanego zużycia tokenów. Liczby laboratorium są wyższe od tego szacunku w każdym przypadku i to je należy cytować: to średnia ważona z dziesięciu ewaluacji przy stałej liczbie zadań, a nie odczyt z jednego obciążenia.

To endpoint wyrządza więcej szkód niż model. To samo laboratorium publikuje teraz kolumnę Koszt na zadanie dla każdego dostawcy, którego śledzi na GLM-5.3 (Max) — 25 z nich — a kolumna rozciąga się od 0,92 USD przy najtańszym endpoincie do 8,68 USD przy najdroższym. To rozrzut 9,4x przy identycznych wagach, identycznym benchmarku i identycznym ustawieniu rozumowania. (9,4x to nasza arytmetyka na podstawie kolumny publikowanej przez laboratorium; sama strona mówi słowami, że mieszane ceny za milion tokenów różnią się „nawet 4,4x między dostawcami”, a szybkość generowania różni się o 1152%.) Nic w tym rozrzucie nie jest ustaleniem dotyczącym możliwości — Indeks dokładności endpointów laboratorium, który ponownie uruchamia BFCL v4-500, HLE-250 i AA-LCR-25 na każdym endpoincie, wskazuje 95% lub więcej na każdym ocenianym endpoincie, co oznacza, że dostawca traci odrobinę dokładności, a nie model. Mechanizm, który laboratorium wskazuje z nazwy, to cachowanie. Koszt na zadanie oblicza się na podstawie cen tokenów wejściowych, trafień w cache, zapisu do cache, rozumowania i odpowiedzi, dzieli się przez liczbę zadań i waży się według udziału każdego benchmarku w indeksie — więc pętla agentowa lub pętla kodowania, która przy każdej turze ponownie wysyła całą historię rozmowy, płaci za tę historię raz za razem, raz na turę, a udział tej historii obsługiwany z pamięci podręcznej promptów dostawcy jest pojedynczym największym czynnikiem wpływającym na koszt całkowity. Artificial Analysis mierzy ten udział jako współczynnik trafień w cache, definiuje go jako „udział tokenów wejściowych nadających się do buforowania, obsługiwanych z pamięci podręcznej promptów dostawcy, mierzony podczas wieloturkowych sesji kodowania agentowego”, podaje go jako medianę z ostatnich czterech tygodni (aktualizacja: 26 września 2026) i przedstawia go na wykresie w zestawieniu z kosztem na zadanie. Istotny jest tu podany kierunek: wyższe współczynniki trafień oznaczają, że większa część danych wejściowych jest rozliczana po tańszej cenie trafienia w cache, co obniża efektywny koszt pracy agentowej. Sama zniżka GLM-5.3 na cache wynosi 81% przy stawce własnej — 0,26 USD za milion buforowanych danych wejściowych wobec 1,40 USD za milion świeżych danych wejściowych — a zapis do cache i przechowywanie są rozliczane osobno, według stawek, które różnią się w zależności od dostawcy. Jedno zastrzeżenie dotyczące dowodów: współczynniki trafień dla poszczególnych dostawców są naniesione na wykres, a nie zestawione w tabeli, więc rozrzut można przypisać cachowaniu jako mechanizmowi, bez podawania wartości współczynnika trafień dla któregokolwiek endpointu.

To przede wszystkim argument dotyczący routingu, a dopiero potem dotyczący ceny, ponieważ zmienna, na którą możesz wpływać, to który endpoint odpowiada, a nie ile kosztują wagi. GLM-5.3 jest dostępny w OrcaRouter za $1.40 / $4.40 za milion tokenów, przekazywane po własnej cenie katalogowej dostawcy, bez marży, więc cena dostawcy lub warunki cache trafiają na Twój rachunek w dniu ich zmiany, a nie dopiero przy następnej umowie. Automatyczny failover przenosi obciążenie ze zdegradowanego endpointu do GLM-5.2 lub innego sprawdzonego modelu, a DSL routingu to miejsce, w którym żyje taka reguła. W przypadku modelu, którego koszt na zadanie waha się teraz w zależności od endpointu aż dziewięciokrotnie, niskoryzykowym sposobem na znalezienie własnej liczby jest wycinek rzeczywistego ruchu z failoverem w odwodzie — endpoint tani w cudzej pętli agenta niekoniecznie jest tym tanim w Twojej.

Build Week staje się cykliczną serią — ze 100 mln darmowych tokenów GLM-5.3

21 sierpnia Z.ai przekształcił swoje ZCode Build Week w stałą serię, przypisując społeczności to, co według firmy było falą projektów zbudowanych na ZCode z GLM-5.3. Aby uczcić ponowne uruchomienie, Z.ai przyznał 50 000 nowym użytkownikom ZCode po 100 milionów darmowych tokenów GLM-5.3 każdemu — kto pierwszy, ten lepszy, do 23 sierpnia do godz. 18:00 czasu pacyficznego (24 sierpnia, 09:00 czasu pekińskiego) — a niewykorzystane tokeny wygasały z końcem wydarzenia. Oferta i jej warunki pochodzą od samego Z.ai: podane przez dostawcę, choć o tym rozdaniu informowały później niezależne media.

To druga runda weekendowej wersji. Runda 1, która miała miejsce 16–17 sierpnia, została zawieszona po około godzinie od startu, gdy popyt przekroczył przepustowość — już przyznane tokeny nie zostały naruszone, a Z.ai od tego czasu rozbudowało swoją stronę serwerową. Przy 50 000 przydziałów po 100 milionów tokenów każdy, maksymalna reklamowana pula to pięć bilionów tokenów: liczba służąca pozyskiwaniu klientów, która jest jednocześnie testem obciążeniowym na żywo tej samej infrastruktury serwerowej, na której działa płatne API GLM-5.3.

Co dla Ciebie zmienia premiera

Dla wywołujących API, którzy już korzystają z GLM-5.2, praktycznym krokiem jest zmiana nazwy modelu, a nie projektu: GLM-5.2 jest zgodny z OpenAI, a integracja się przenosi, z zastrzeżeniem dotyczącym nakładu myślenia wspomnianym powyżej. Dla osób hostujących samodzielnie czekanie się skończyło. Oficjalne repozytorium zai-org/GLM-5.3 na Hugging Face — utworzone 25 sierpnia i zapełnione między 27 a 28 sierpnia — zawiera teraz pełny flagowy model 743B w 141 shardach safetensors, a na karcie modelu jako obsługiwane ścieżki wdrożenia wymieniono SGLang, vLLM, TokenSpeed, Transformers i KTransformers. Licencja to jedyna prawdziwa niespodzianka: Z.ai ogłosiło własną licencję „glm-5.3”, a nie MIT — brzmi ona jak grant MIT plus warunek, że każda firma świadcząca modele jako usługę, której przychód z ostatnich dwunastu miesięcy przekracza 10 miliardów dolarów, musi przejść przegląd bezpieczeństwa Z.ai przed komercyjnym użyciem. Poniżej tego progu samodzielne hostowanie i zwykłe użycie komercyjne nie podlegają takiej bramce, choć dokładne warunki warto przeczytać, zanim się na nich oprzesz. Jeśli skala flagowego modelu przekracza możliwości twojego klastra, mniejszy GLM-5.3-Flash udostępnił swoje wagi na licencji MIT 26 sierpnia — to odrębny, natywnie multimodalny model, a nie flagowiec. Dla użytkowników Ollamy flagowy model jest teraz oddalony o jedno polecenie od własnego klienta biblioteki — ollama run glm-5.3:cloud — ale to wywołanie trafia do modelu hostowanego w chmurze, obsługiwanego ze Stanów Zjednoczonych i Europy, a nie do lokalnego pobrania; nie ma jeszcze skwantyzowanego lokalnego tagu. Uruchomienie GLM-5.3 na własnym sprzęcie nadal oznacza wagi z Hugging Face ze stosem w stylu vLLM lub SGLang. Dla każdego, kto porównuje modele w tierze DeepSeek V4 Pro, Qwen3.8-Max, Kimi K3, GPT-5.6 Sol i Claude Fable 5, GLM-5.3 jest teraz żywą, niezależnie ocenianą zmienną w tym rankingu, a nie plotką. Dla nabywcy korporacyjnego, a nie pojedynczego dewelopera, najnowszą opcją jest Amazon Bedrock, który 5 października udostępnił GLM-5.3 uprawnionym klientom — te same wagi i to samo okno kontekstu 1M tokenów dostarczane w ramach umowy z AWS, w cenie katalogowej wyższej niż własna cena Z.ai.

Argument z dnia premiery wokół GLM-5.3 jest taki, że granica w kodowaniu się zbiegła: jak głosi opowieść, w przypadku większości codziennych zadań niewielu użytkowników potrafi niezawodnie odróżnić G​PT-5.6 Sol, C​laude Fable 5, K​imi K3, GLM-5.2 i Qwen3.8-Max od siebie. Jeśli ta zbieżność jest prawdziwa, decydujące czynniki przestają być surową zdolnością, a stają się ceną, otwartością i kosztem przejścia — co jest dokładnie tym narożnikiem, który GLM-5.3 zajmuje przy $1.40 / $4.40 za milion na samodzielnie hostowalnej bazie 743B, której obiecane na 28 sierpnia udostępnienie wag właśnie nastąpiło. To, czy modele kodujące są naprawdę wymienne, jest opinią, a nie benchmarkiem; ceny, liczba parametrów i data udostępnienia wag nie są opinią.

Po stronie routingu GLM-5.3 wystartował na OrcaRouter 18 sierpnia — tego samego dnia, w którym model trafił na szerszy rynek — po cenie katalogowej producenta, wynoszącej 1,40 USD / 4,40 USD za milion tokenów, przekazywanej bez żadnej marży. Poniższy zrzut ekranu pokazuje stronę GLM-5.2, która ma dokładnie taki sam układ, jaki ma teraz GLM-5.3: ta sama cena, ten sam kontekst 1M tokenów, to samo maksymalne wyjście 128K. Skierowanie części rzeczywistego ruchu do GLM-5.3 z automatycznym przełączaniem awaryjnym na GLM-5.2 lub inny sprawdzony model to zmiana konfiguracji, a nie przepisywanie kodu — ten sam klucz, bez drugiej umowy. Jeśli nowy model pogorszy wyniki przy Twoim obciążeniu, router przełączy się z powrotem, zanim strona zdąży się załadować, a Ty otrzymasz sygnał jakości na podstawie własnego ruchu, a nie ze slajdów dostawcy. W przypadku modelu, którego flagowe twierdzenia są nadal w dużej mierze raportowane przez producenta, to właśnie niskoryzykowny sposób, by przekonać się o tym samemu.

Co obejrzeć dalej

• Premiera otwartych wag jest już oficjalna: Z.ai potwierdziło ją 28 sierpnia, ogłaszając flagowy model jako otwarty i wskazując na wagi w Hugging Face oraz techniczne omówienie. Niespodzianką jest licencja — niestandardowe warunki „glm-5.3” zamiast warunków MIT, których używają GLM-5.2 i GLM-5.3-Flash — więc przed samodzielnym hostowaniem przeczytaj jej dokładne warunki. Wrześniowa ocena Anthropic to pierwsze zewnętrzne sprawdzenie, ile warte są zabezpieczenia tego wydania: wykazała, że wbudowane odmowy można obejść za pomocą historyjki-osłony, wstępnie wypełnionej myśli lub kopii po abliteracji, a warianty po abliteracji krążyły już kilka dni po udostępnieniu wag.

• Czy w Ollamie pojawi się lokalny tag GGUF. Biblioteka obecnie klasyfikuje GLM-5.3 jako dostępny wyłącznie w chmurze; skwantowany lokalny tag sprowadziłby ścieżkę self-hostingu do jednego polecenia dla użytkowników Ollamy, podczas gdy tag chmurowy pozostałby drugą obsługiwaną trasą.

• Czy sześcio- do siedmiomiesięczna luka cyber się zmniejszy, czy utrzyma. Epoch AI obecnie klasyfikuje GLM-5.3 na pierwszym miejscu wśród modeli o otwartych wagach z wynikiem 160,10 w swoim Cyber ECI, sześć do siedmiu miesięcy za zamkniętą czołówką z wynikiem 171 — ale ta liczba opiera się na trzech benchmarkach CAISI, jedynych wynikach cyber, jakie laboratorium ma dla tego modelu, a październikowy refit już przesunął wyniki starszych modeli o kilka punktów. Drugie źródło danych — lub strona trzecia ponownie uruchamiająca własne harnessy Z.ai — byłoby pierwszym sprawdzeniem, które nie prowadzi z powrotem do CAISI. Ocena A​nthropic z 29 września pozostaje drugim niezależnym odczytem i wykazała, że wbudowane odmowy można pokonać historyjką osłonową, wstępnie wypełnioną myślą lub kopią poddaną abliteracji.

• Czy roszczenie Perplexity dotyczące WANDR ma poparcie w liczbach. Pokonanie GLM-5.2 przez GLM-5.3 na WANDR to własny benchmark i własny test Perplexity, a żadne wyniki nie zostały opublikowane — niezależne uruchomienie byłoby pierwszą zewnętrzną weryfikacją wydajności modelu w badaniach agentowych.

• Jak indeks wypada na kopii hostowanej samodzielnie. Wartość 45 jest mierzona względem udostępnianego punktu końcowego; wersja hostowana samodzielnie — obecnie do pobrania, z dołączonymi warunkami licencji — jest tą, którą zespoły faktycznie będą ponownie wdrażać, a niezależne laboratoria ponownie benchmarkować. Laboratorium już raz podało ten indeks w nowym brzmieniu, więc spodziewaj się, że liczba znów się zmieni.

• Ogłoszona podwyżka cen DeepSeek V4 Flash, która wyznacza zakres cenowy, względem którego ocenia się GLM-5.3, oraz to, jak koszt na zadanie w zamkniętej czołówce podąża za tym: GPT-5.6 Sol (max) znajduje się na poziomie 47 w indeksie wobec 45 dla GLM-5.3, przy czym laboratorium oznacza Sol jako przestarzały na rzecz GPT-6 Sol.

• Czy trwająca obecnie seria Build Week utrzyma się pod obciążeniem — Runda 1 załamała się w ciągu godziny, a konstrukcja serii sprawia, że każda przyszła runda to kolejny test obciążeniowy przepustowości, od której zależy płatne API.

• To, czy multimodalny przeciek przerodzi się w wydany model. Prace nad procesorem sglang są dowodem na poziomie kodu, że linia flagowa jest przygotowywana pod dane obrazowe, a argument Perplexity o „multimodalnych obciążeniach agentowych” dla Computer wskazuje ten sam kierunek — ale to pozycjonowanie, a nie wydany model, a żaden multimodalny GLM-5.3 nie został ogłoszony ani poddany benchmarkom. Zanim uznamy to za realne, wypatruj karty modelu, strony z dokumentacją lub wag.

• Czy brama dla przedsiębiorstw w Bedrock się otworzy. Ogłoszenie AWS mówi o GLM-5.3 jako ogólnie dostępnym na Bedrock, podczas gdy karta modelu ogranicza go do uprawnionych klientów, którzy skontaktują się ze swoim zespołem ds. konta AWS, a wnioskowanie w regionie nie jest w ogóle obsługiwane — każde żądanie przekracza granice regionów, albo w ramach profilu geograficznego USA, albo globalnego. To brama, a nie lista regionów, decyduje o tym, które przedsiębiorstwa mogą go wywołać w tym miesiącu.

Najczęściej zadawane pytania

Czy GLM-5.3 jest większym modelem niż GLM-5.2?

Nie. Z.ai i jej współzałożyciel Tang Jie twierdzą, że GLM-5.3 wykorzystuje tę samą bazę Mixture-of-Experts z 743 miliardami parametrów co GLM-5.2, z tym samym oknem kontekstowym wynoszącym 1M tokenów i około 40 miliardami aktywnych parametrów na token. Wszystkie zgłaszane ulepszenia pochodzą z post-treningu — Tang Jie opisuje tę zmianę jako jeden miesiąc uczenia przez wzmacnianie z długim horyzontem nałożonego na niezmienioną bazę — a nie zwiększenie liczby parametrów, co bezpośrednio koryguje pogłoskę z okresu wycieków o bazie przekraczającej bilion. To twierdzenie o architekturze pozostaje twierdzeniem założyciela i firmy, niepoddanym niezależnemu audytowi.

Kiedy będą dostępne otwarte wagi GLM-5.3?

Są już dostępne. Oficjalne repozytorium zai-org/GLM-5.3 na Hugging Face — utworzone 25 sierpnia, z plikami wag przesyłanymi między 27 a 28 sierpnia — zawiera teraz pełny flagowy model 743B, który pojawił się 28 sierpnia, daty, którą Z.ai podawało od samego początku. To wydanie Z.ai ogłosiło samo 28 sierpnia, deklarując otwarte wagi i wskazując na repozytorium Hugging Face oraz szczegółowy opis techniczny. Licencja jest teraz również podana: niestandardowa licencja „glm-5.3”, a nie warunki MIT, z których korzystają GLM-5.2 i GLM-5.3-Flash — to w przybliżeniu licencja MIT z warunkiem przeglądu bezpieczeństwa dla dużych dostawców MaaS, więc przeczytaj dokładne warunki, zanim na nich poleganiesz. Z.ai osobno poinformowało, że wrażliwe funkcje cybernetyczne zostaną ograniczone do programu „trusted access” dla zweryfikowanych użytkowników.

Jak powinienem traktować liczby benchmarkowe?

Podziel listę na trzy części. Własne liczby Z.ai — skoki w kodowaniu (Terminal-Bench 3.0 na poziomie 28,3, DeepSWE v1.1 na poziomie 66,9, SWE-Marathon na poziomie 42,5) oraz wyniki cyberbezpieczeństwa (CyberGym 84,5%, ExploitBench 54,4%) — pochodzą z ogłoszenia firmy i pozostają danymi dostawcy, dopóki niezależny zestaw testowy ich nie odtworzy. Niezależna kategoria to teraz ta, na której spoczywa ciężar: Intelligence Index Artificial Analysis — 45 dla GLM-5.3 (Max) w obecnej wersji v4.3.2, w porównaniu z 44 dla Kimi K3 (Max) i 34 dla GLM-5.2 (Max) — jego kolumna Cost per Task na punkt końcowy dla tego samego modelu, która wynosi od 0,92 do 8,68 USD u 25 dostawców, których śledzi, pomiary Frontier Red Team Anthropic na ExploitBench (50 z 410 exploitów end-to-end) oraz wewnętrzny benchmark eksploatacji binarnej Anthropic (4% pełnych przejęć przepływu sterowania), ocena CAISI NIST z 17 września oraz Cyber ECI Epoch AI, opublikowane 16 października, które umieszcza GLM-5.3 na 160,10 — pierwszy wśród modeli z otwartymi wagami i sześć do siedmiu miesięcy za zamkniętą czołówką na 171, choć to oszacowanie opiera się na trzech benchmarkach CAISI oraz własnych zastrzeżeniach Epoch dotyczących identyfikacji modelu i przedziałów. Twierdzenie Perplexity, że GLM-5.3 bije GLM-5.2 na WANDR, należy do trzeciej, odrębnej kategorii — cudzy benchmark, cudze twierdzenie, brak opublikowanych wyników. Niezależne liczby to te, które należy zestawić z liczbami Z.ai, a dane dotyczące kosztów i pamięci podręcznej są własnymi pomiarami laboratorium na własnym zestawie testowym, a nie danymi dostawcy.

Dlaczego uruchamianie GLM-5.3 kosztuje u niektórych dostawców znacznie więcej niż u innych?

Ponieważ koszt na zadanie zależy przede wszystkim od tego, jak dużą część rozmowy dostawca może obsłużyć ze swojego bufora podpowiedzi, a różnice w cenniku tokenów nakładają się na to. Artificial Analysis oblicza tę wartość na podstawie cen tokenów wejściowych, trafień w bufor, zapisu do bufora, rozumowania i odpowiedzi, dzieli ją przez liczbę zadań i waży według wagi każdego benchmarku w Intelligence Index. Obciążenia agentowe i kodujące wysyłają całą historię rozmowy przy każdej turze, więc część podpowiedzi nadająca się do buforowania jest rozliczana wielokrotnie, a udział, który dostawca obsługuje z bufora zamiast po pełnej cenie wejściowej, jest największą pojedynczą dźwignią wpływającą na sumę. Zapis do bufora i przechowywanie w buforze są rozliczane osobno według stawek właściwych dla danego dostawcy. W przypadku GLM-5.3 (Max) wynikowa kolumna rozciąga się od 0,92 USD do 8,68 USD w 25 endpointach, które śledzi laboratorium — około 9x przy identycznych wagach i identycznym benchmarku — dlatego to endpoint, a nie model, jest decyzją kosztową.

Czy mogę uruchomić GLM-5.3 lokalnie przez Ollama?

Jeszcze nie. GLM-5.3 jest wymieniony w bibliotece Ollama, ale tylko jako model hostowany w chmurze — glm-5.3:cloud, serwowany ze Stanów Zjednoczonych i Europy z zerową retencją danych. Nie ma lokalnego tagu GGUF, więc dziś polecenie ollama run glm-5.3:cloud wywołuje model hostowany, zamiast pobierać jego kopię na Twoją maszynę. Ścieżka samodzielnego hostowania pozostaje przy wagach z Hugging Face ze stosem w stylu vLLM lub SGLang, a tag chmurowy to druga ścieżka serwowania dla czytelników już korzystających z Ollamy.

Przeciek był prawdziwy, premiera potwierdziła nazwę, sposób przedstawienia i moment — a dwa miesiące później zdolność cybernetyczna, którą Z.ai uczyniło centralnym punktem swojej zapowiedzi, została zmierzona przez dwa zewnętrzne podmioty i sklasyfikowana przez trzeci. Frontier Red Team firmy Anthropic umieszcza GLM-5.3 w odległości kilku prób od Claude Mythos Preview w kompleksowym tworzeniu exploitów end-to-end, określa model jako wyjątkowo zdolny jak na otwarte wydanie i dodaje ustalenie, które ma większe znaczenie dla każdego, kto go wdraża: zabezpieczenia są prawdziwe, ale płytkie, a wagi można pobrać, więc odmowy są konfiguracją, a nie gwarancją. CAISI NIST doszedł do zgodnego werdyktu z przeciwnej strony — najlepszy jak dotąd cybernetyczny model z otwartymi wagami, około czterech miesięcy za amerykańską czołówką. Epoch AI przekształciło teraz ten werdykt w umiejscowienie: 160,10 w swoim Cyber ECI, pierwszy wśród modeli z otwartymi wagami, powyżej GPT-5.4 OpenAI i sześć do siedmiu miesięcy za Claude Opus 5.5 Anthropic oraz GPT-6 Astra OpenAI na poziomie 171 — liczba zbudowana ostatecznie na trzech benchmarkach CAISI i uczciwa w tej kwestii. Artificial Analysis dostarcza czwarty zewnętrzny pomiar i jest to pomiar kosztowy: 2,01 USD za zadanie Intelligence Index według stawki first-party oraz od 0,92 USD do 8,68 USD za to samo zadanie w zależności od tego, który endpoint odpowiada. Liczby dostawcy to nadal liczby dostawcy, licencja to nadal licencja niestandardowa, a kwestia, czy linia flagowa stanie się multimodalna, pozostaje otwarta. Zmieniło się to, że dystans między otwartymi i zamkniętymi zdolnościami cybernetycznymi nie jest już czymś, co czytelnik musi przyjmować na wiarę — to opublikowana liczba z metodą, którą można sprawdzić. Najtańszym sposobem, aby przekonać się, co model robi w twojej pracy, jest nadal wycinek rzeczywistego ruchu z przełączeniem awaryjnym na coś sprawdzonego.

Udokumentowane incydenty AI i awarie agentów związane z modelami o otwartych wagach w tej klasie są gromadzone w OrcaRouter AI Incident Archive, gdzie każdy wpis zawiera własne źródła, poziom ważności, stopień pewności i oznaczenie sporu.