Rilasciato GLM-5.3

• Z.ai, il marchio internazionale di Zhipu AI, ha reso disponibile GLM-5.3 nella propria API, nel GLM Coding Plan e nel client per agenti ZCode il 14 agosto 2026, definendolo il suo modello più capace per la programmazione agentica e il lavoro di cybersicurezza difensiva^[1][5][6]
• Riutilizza invariato il modello base di GLM-5.2: Z.ai afferma che ogni miglioramento deriva da un post-addestramento più ampio su ambienti di compiti più difficili e vari, alcuni dei quali equivalgono a diversi giorni di lavoro di un ingegnere esperto^[1][5]
• Secondo i numeri della stessa Z.ai, aggiunge +50% rispetto a GLM-5.2 sul proprio Z.ai Code Bench privato, porta Terminal Bench 3.0 da 4.6 a 28.3, DeepSWE v1.1 da 46.2 a 66.9 e Agents' Last Exam da 23.8 a 28.5, ma resta dietro a GPT-5.6 Sol sui primi due (34.6 e 72.7)^[1][4][5]
• Il risultato in ambito cyber è stato la sorpresa: 84.5% su CyberGym, davanti all'83.8% che Z.ai attribuisce al Mythos 5 ad accesso limitato di Anthropic, anche se solo 54.4% contro 78.0% su ExploitBench; Z.ai dice di aver trovato 2,436 vulnerabilità in 269 progetti open source insieme a team di sicurezza in Cina, 1,097 delle quali di gravità media o alta^[1]
• Z.ai ha trattenuto i pesi per due settimane di ulteriori test di sicurezza, ha riservato le funzioni cyber più sensibili agli utenti verificati tramite un programma di «accesso fidato» e ha annunciato un'iniziativa di audit, «Open Source Shield», per i progetti open source^[6]
• I pesi sono arrivati il 28 agosto con una nuova licenza GLM-5.3 che sottopone a una revisione di sicurezza di Z.ai le aziende con oltre $10 miliardi di ricavi annui, un passo indietro rispetto alla licenza MIT di GLM-5.2^[3][4]
• Il 30 settembre la Frontier Red Team di Anthropic ha dichiarato che GLM-5.3 ha completato 50 dei 410 tentativi di exploit contro i 56 di Claude Mythos Preview e che le sue protezioni potevano essere aggirate nel 64%-100% dei tentativi simulati, mentre il CAISI del NIST l'ha definito il modello a pesi aperti più capace in ambito cyber ma ben al di sotto degli attuali modelli di frontiera statunitensi^[3]

Funzionalità principali

• Solo input testuale con una finestra di contesto da 1M di token e un output massimo di 128K token; il ragionamento è sempre attivo, con livelli di impegno basso, alto e massimo (massimo di default), e le richieste che disattivano il ragionamento ora falliscono^[1]
• Circa 753 miliardi di parametri totali nel checkpoint pubblicato, la stessa base mixture-of-experts di GLM-5.2^[4][5]
• Prezzo dell'API di $1.40 per milione di token in ingresso, $0.26 per milione di token in ingresso in cache e $4.40 per milione di token in uscita, invariato rispetto a GLM-5.2; accesso al Coding Plan da $18 al mese, con punti a metà prezzo fuori dalle ore di punta^[2][5]
• Su Z.ai Code Bench con impegno massimo raggiunge 34.5% con circa 75K token di output per compito, contro il 23.4% a 96K di GLM-5.2; con impegno alto, il suo 31.4% supera il 29.5% di Claude Opus 4.8 con circa 50K token contro 120K, mentre Claude Fable 5 è in testa con 39.5%^[1]
• Z.ai gestisce un registro pubblico, il Security Disclosure Ledger, che traccia ogni scoperta man mano che avanza nel processo di divulgazione^[1]

Benchmark

Tabella dei risultati di Z.ai tratta dalla scheda del modello, così come pubblicata^[4]; le colonne diverse da Z.ai sono i test comparativi condotti dai rispettivi produttori.

GDPval-AA v2 è stato eseguito da Artificial Analysis, FrontierSWE da Proximal e Toolathlon Verified tramite il servizio ufficiale del benchmark^[5].