Das chinesische KI-Start-up Z.ai hat am 14. August 2026 den Start des Modells GLM-5.3 bekannt gegeben. Es bietet deutliche Verbesserungen bei langfristigen Programmieraufgaben sowie einen noch größeren Sprung bei den Cybersicherheitsfähigkeiten. Nach Angaben des Z.ai-Entwicklerfürsprechers Lou haben die Cyberfähigkeiten des Modells bereits eine „potenziell schwerwiegende Schwachstelle“ in Cursor entdeckt, dem KI-Programmierunternehmen, das kürzlich von SpaceX übernommen wurde. VentureBeat erklärte, Cursor um eine Bestätigung des Vorfalls gebeten zu haben, und wartet auf eine Antwort.
GLM-5.3 ist zunächst ausschließlich über den GLM Coding Plan und die ZCode-Umgebung von Z.ai verfügbar. Der API-Zugang und die offenen Gewichte werden später bereitgestellt, „nach Abschluss der Sicherheitsbewertung und Härtung“, so das Unternehmen, das plant, die Gewichte etwa zwei Wochen nach der Einführung zu veröffentlichen.
Deutliche Verbesserungen durch Post-Training
GLM-5.3 verwendet dieselbe Modellbasis wie GLM-5.2, die im Bereich von 743 Milliarden Parametern liegt, und erforderte keine neue Vortrainingsrunde. Stattdessen erweiterte Z.ai das Post-Training durch mehr Umgebungen, vielfältigere Aufgaben und zusätzliche Rechenleistung für Reinforcement Learning. Das Unternehmen erklärte in seiner technischen Ankündigung: „Alles, was wir bei GLM-5.3 getan haben, war, das Post-Training auszuweiten.“
Die Trainingsumgebungen simulieren vollständige technische Aufgaben anstelle einzelner Programmierübungen. Der Agent erhält Codebasen, Dokumentation, Rechencluster, Speichersysteme und Versuchsergebnisse. Anschließend soll er Probleme diagnostizieren, Systeme ändern, Experimente ausführen und eine messbare Verbesserung nachweisen, während die Validität der Ergebnisse erhalten bleibt. Einige Aufgaben sind darauf ausgelegt, mehrere Arbeitstage eines erfahrenen Ingenieurs zu simulieren.
In von Z.ai veröffentlichten Bewertungen stieg die Punktzahl von GLM-5.3 auf Terminal-Bench 3.0 von 4,6 auf 28,3, auf DeepSWE v1.1 von 46,2 auf 66,9 und auf AutomationBench von 26,2 auf 48,2. Auch auf Agents' Last Exam CLI verbesserte sich die Punktzahl von 23,8 auf 28,5.
Das Modell übertrifft in den von dem Unternehmen veröffentlichten Tabellen jedoch nicht alle Wettbewerber. GPT-5.6 Sol erzielte auf Terminal-Bench 3.0 eine Punktzahl von 34,6 und Claude Fable 5 von 33,7, verglichen mit 28,3 für GLM-5.3. Auf DeepSWE v1.1 erreichte das Modell 66,9, gegenüber 72,7 für GPT-5.6 Sol und 69,7 für Fable 5. Z.ai hebt außerdem die Token-Effizienz hervor: GLM-5.3 erzielte in dem firmeneigenen Test Z.ai Code Bench bei der Einstellung Max eine Erfolgsquote von 34,5 %, wobei für die Aufgabe etwa 75.000 Ausgabetoken verwendet wurden, gegenüber 23,4 % für GLM-5.2 mit etwa 96.000 Token. Diese Ergebnisse stammen aus einem unternehmenseigenen Test und sind keine unabhängigen Messungen.
Cyberfähigkeiten übertrafen die Erwartungen des Unternehmens
Z.ai integrierte Umgebungen zur Schwachstellenerkennung in das Post-Training und erwartete dadurch Verbesserungen beim Auffinden von Softwarefehlern. Das Unternehmen erklärte jedoch, die Fähigkeiten hätten sich schneller als erwartet entwickelt und seien deutlich über die Identifizierung von Schwachstellen hinaus zur Erstellung vollständiger Exploit-Ketten fortgeschritten.
GLM-5.3 erreichte auf CyberGym 84,5 %, gegenüber 77,2 % für GLM-5.2, und lag damit leicht über den von Z.ai gemeldeten Ergebnissen von 83,6 % für GPT-5.6 Sol und 83,8 % für Mythos 5. Auf ExploitBench erzielte es 54,4 % – mehr als doppelt so viel wie GLM-5.2 mit 24,4 %, blieb jedoch hinter GPT-5.6 Sol mit 76,5 % und Mythos 5 mit 78 % zurück.
Z.ai erklärte, die Zusammenarbeit mit Sicherheitsteams in China habe nach Überprüfung, Prüfung und Entfernung von Duplikaten zu 2.436 Schwachstellenmeldungen in 269 Projekten geführt. Das Offenlegungsregister des Unternehmens stuft 1.097 dieser Ergebnisse als schwerwiegend oder kritisch ein. 53 davon wurden öffentlich gemacht, während zum Zeitpunkt der Einführung 2.383 unter Verschluss blieben. Reuters berichtete außerdem, dass das Unternehmen für einige fortgeschrittene Fähigkeiten Kontrollen anbietet, darunter einen Ansatz des „vertrauenswürdigen Zugriffs“ für sensible Funktionen.
Erforderliche Änderungen bei Integration und Verfügbarkeit
Der Wechsel zu GLM-5.3 erfordert Anpassungen an einigen bestehenden Anwendungen. Das Modell unterstützt die Inferenzaufwandstufen low, high und max, wobei max die standardmäßige und für Programmierung empfohlene Einstellung ist. Das Denken kann nicht wie in früheren Versionen deaktiviert werden. Anwendungen, die thinking.type: "disabled" senden, müssen diesen Wert daher in enabled ändern und eine Inferenzaufwandstufe festlegen, andernfalls schlägt die Anfrage fehl.
Die ZCode-Umgebung ist für macOS, Windows und Linux verfügbar und unterstützt langfristige Goal-Aufgaben für Planung, Ausführung, Tests und Überprüfung sowie die Fernsteuerung laufender Aufgaben. Die individuellen GLM-Coding-Pläne beginnen gemäß den aufgeführten Aktionspreisen bei 12,60 US-Dollar pro Monat für den Lite-Plan mit 10.000 Credits pro Woche. Pro kostet etwa 56 US-Dollar und Max etwa 117,60 US-Dollar. Die Team-Tarife Standard und Premium kosten 88 beziehungsweise 188 US-Dollar pro Nutzer und Monat. Z.ai hat in den vorgelegten Einführungsmaterialien keine öffentlichen API-Preise für GLM-5.3 bekannt gegeben.