GLM-5.3

Z.ai a annoncé GLM-5.3 le 14 août 2026 avec une revendication méthodologique : « Scaling post-training is all we did for GLM-5.3. » Le modèle de base est le même que GLM-5.2, si bien que tout gain rapporté provient de la pile de post-entraînement construite au cycle précédent : IndexShare, SAO et slime. Terminal-Bench 3.0 passe de 4.6 à 28.3, DeepSWE v1.1 de 46.2 à 66.9. L'efficacité en tokens progresse dans le même temps : 34.5% sur le Z.ai Code Bench privé pour environ 75 000 tokens de sortie en effort Max, contre 23.4% pour 96 000 chez GLM-5.2, et devant Claude Opus 4.8 à 29.5% pour 120 000. L'affirmation d'être le modèle de codage en poids ouverts le plus capable ne découle pas du tableau publié : face à Kimi K3, le score est de 3-3 avec une égalité.

Le résultat en cybersécurité est ce qui maintient le modèle sous les projecteurs. Z.ai qualifie la capacité d'émergente tout en écrivant qu'elle s'attendait à ce que l'entraînement la produise. CyberGym atteint 84.5% et ExploitBench 54.4%. En collaboration avec des équipes de sécurité chinoises, Z.ai rapporte 2 436 vulnérabilités identifiées dans 269 projets open source, la plus ancienne introduite en 1981 ; le Security Disclosure Ledger indique 53 divulguées et 2 383 sous embargo.

La Frontier Red Team d'Anthropic, dans un texte du 29 septembre 2026, a compté 50 exploits complets sur 410 tentatives ExploitBench, contre 56 pour Claude Mythos Preview, et a identifié trois contournements de garde-fous qui fonctionnent : un cadrage de faux red team (64% d'engagement), un raisonnement pré-rempli (92%), l'abliteration (100%). Z.ai a promis les poids deux semaines après le lancement, une fois l'évaluation de sécurité et le durcissement terminés. C'est une date, pas un critère.