أعلنت شركة الذكاء الاصطناعي الصينية الناشئة Z.ai في 14 أغسطس 2026 إطلاق نموذج GLM-5.3، مع تحسينات كبيرة في مهام البرمجة طويلة الأمد وقفزة أكثر حساسية في قدرات الأمن السيبراني. ووفقاً للمدافع عن مطوري Z.ai، Lou، اكتشفت قدرات النموذج السيبرانية بالفعل «ثغرة يُحتمل أن تكون خطيرة» في Cursor، وهي شركة البرمجة بالذكاء الاصطناعي التي استحوذت عليها SpaceX مؤخراً. وقالت VentureBeat إنها طلبت من Cursor تأكيد الواقعة وتنتظر رداً.
يتوفر GLM-5.3 في البداية عبر خطة GLM Coding Plan وبيئة ZCode التابعة لـZ.ai فقط. أما إتاحة واجهة البرمجة API والأوزان المفتوحة فستأتي لاحقاً، «بعد اكتمال تقييم السلامة والتحصين»، بحسب الشركة، التي تخطط لإطلاق الأوزان بعد نحو أسبوعين من الإطلاق.
تحسينات كبيرة عبر التدريب اللاحق
يستخدم GLM-5.3 قاعدة النموذج نفسها الموجودة خلف GLM-5.2، والتي تقع في نطاق 743 مليار معلمة، ولم يتطلب إطلاقه دورة تدريب مسبق جديدة. وبدلاً من ذلك، وسّعت Z.ai التدريب اللاحق عبر بيئات أكثر، ومهام متنوعة، وحوسبة إضافية للتعلم المعزز. وقالت الشركة في إعلانها التقني: «كل ما فعلناه في GLM-5.3 هو توسيع التدريب اللاحق».
تحاكي بيئات التدريب مهام هندسية كاملة بدلاً من تمارين برمجية منفصلة؛ إذ يحصل الوكيل على قواعد برمجية ووثائق وعناقيد حوسبة وأنظمة تخزين ونتائج تجارب، ثم يُطلب منه تشخيص المشكلات وتعديل الأنظمة وتشغيل التجارب وإثبات تحسن قابل للقياس مع الحفاظ على صحة النتائج. وبعض المهام مصمم لمحاكاة عدة أيام من عمل مهندس متمرس.
في تقييمات أعلنتها Z.ai، ارتفعت نتيجة GLM-5.3 على Terminal-Bench 3.0 من 4.6 إلى 28.3، وعلى DeepSWE v1.1 من 46.2 إلى 66.9، وعلى AutomationBench من 26.2 إلى 48.2. كما تحسنت نتيجته على Agents' Last Exam CLI من 23.8 إلى 28.5.
ولا يتفوق النموذج على جميع المنافسين في الجداول التي نشرتها الشركة؛ فقد سجل GPT-5.6 Sol نتيجة 34.6 وClaude Fable 5 نتيجة 33.7 على Terminal-Bench 3.0، مقابل 28.3 لـGLM-5.3. وعلى DeepSWE v1.1 سجل النموذج 66.9، مقارنة بـ72.7 لـGPT-5.6 Sol و69.7 لـFable 5. وتؤكد Z.ai أيضاً على كفاءة استهلاك الرموز، إذ حقق GLM-5.3 نسبة 34.5% في اختبارها الخاص Z.ai Code Bench عند إعداد Max باستخدام نحو 75 ألف رمز إخراج للمهمة، مقابل 23.4% لـGLM-5.2 باستخدام نحو 96 ألفاً. وهذه النتائج صادرة عن اختبار خاص بالشركة وليست قياسات مستقلة.
قدرات سيبرانية تجاوزت توقعات الشركة
أدخلت Z.ai بيئات لاكتشاف الثغرات ضمن التدريب اللاحق، متوقعة تحسناً في العثور على عيوب البرمجيات. لكنها قالت إن القدرات تطورت بسرعة أكبر من المتوقع، وانتقلت بدرجة أكبر من تحديد الثغرات إلى بناء سلاسل استغلال مكتملة.
حقق GLM-5.3 نسبة 84.5% على CyberGym، مقابل 77.2% لـGLM-5.2، متقدماً بشكل طفيف على النتائج التي أبلغت عنها Z.ai لكل من GPT-5.6 Sol بنسبة 83.6% وMythos 5 بنسبة 83.8%. وعلى ExploitBench سجل 54.4%، أكثر من ضعف نتيجة GLM-5.2 البالغة 24.4%، لكنه بقي خلف GPT-5.6 Sol عند 76.5% وMythos 5 عند 78%.
وقالت Z.ai إن العمل مع فرق أمنية في الصين أسفر، بعد المراجعة والفحص وإزالة التكرار، عن 2,436 اكتشافاً لثغرات عبر 269 مشروعاً. ويصنف سجل الإفصاح لديها 1,097 من هذه النتائج على أنها عالية أو حرجة الخطورة، مع نشر 53 منها علناً وبقاء 2,383 تحت الحظر وقت الإطلاق. كما أفادت Reuters بأن الشركة تقدم ضوابط لبعض القدرات المتقدمة، من بينها نهج «الوصول الموثوق» للوظائف الحساسة.
تغييرات مطلوبة في التكامل والتوفر
يتطلب الانتقال إلى GLM-5.3 تعديلاً في بعض التطبيقات الحالية. فالنموذج يدعم مستويات جهد استدلال هي low وhigh وmax، مع كون max الإعداد الافتراضي والموصى به للبرمجة. ولا يمكن تعطيل التفكير كما كان ممكناً في الإصدارات السابقة؛ لذلك يجب على التطبيقات التي ترسل thinking.type: "disabled" تغييره إلى enabled وتحديد مستوى جهد للاستدلال، وإلا سيفشل الطلب.
تتوفر بيئة ZCode على macOS وWindows وLinux، وتدعم مهام Goal طويلة الأمد للتخطيط والتنفيذ والاختبار والتحقق، إلى جانب التحكم عن بُعد في المهام قيد التشغيل. وتبدأ خطط GLM Coding الفردية، وفق الأسعار الترويجية المدرجة، من 12.60 دولاراً شهرياً لخطة Lite مع 10 آلاف رصيد أسبوعياً، بينما تبلغ Pro نحو 56 دولاراً وMax نحو 117.60 دولاراً. أما مقاعد Team Standard وPremium فتبلغ 88 و188 دولاراً لكل مستخدم شهرياً. ولم تعلن Z.ai في مواد الإطلاق المقدمة أسعار API العامة لـGLM-5.3.
كيف أعددنا هذا الخبر؟
اعتمد الخبر على المصدر الأصلي الموضح أعلاه. قد نستخدم أدوات آلية للمساعدة في الاستخراج والتصنيف والصياغة،
لكن النشر يخضع لقواعد تمنع المحتوى المكرر والقصير أو الروتيني منخفض القيمة.
اقرأ سياستنا التحريرية.