GLM-5.3 lançado

• A Z.ai, marca internacional da Zhipu AI, colocou o GLM-5.3 em sua API, no GLM Coding Plan e no cliente de agentes ZCode em 14 de agosto de 2026 e o chamou de seu modelo mais capaz para programação agêntica e trabalho de defesa cibernética^[1][5][6]
• Reutiliza o modelo base do GLM-5.2 sem alterações: a Z.ai diz que todo o ganho vem de um pós-treinamento maior em ambientes de tarefas mais difíceis e variados, alguns dos quais equivalem a vários dias de trabalho de um engenheiro experiente^[1][5]
• Pelos números da própria Z.ai, acrescenta +50% sobre o GLM-5.2 em seu Z.ai Code Bench privado, eleva o Terminal Bench 3.0 de 4.6 para 28.3, o DeepSWE v1.1 de 46.2 para 66.9 e o Agents' Last Exam de 23.8 para 28.5, mas ainda fica atrás do GPT-5.6 Sol nos dois primeiros (34.6 e 72.7)^[1][4][5]
• O resultado em cibersegurança foi a surpresa: 84.5% no CyberGym, à frente dos 83.8% que a Z.ai cita para o Mythos 5 restrito da Anthropic, embora apenas 54.4% contra 78.0% no ExploitBench; a Z.ai diz ter encontrado 2,436 vulnerabilidades em 269 projetos de código aberto com equipes de segurança na China, 1,097 delas de gravidade média ou alta^[1]
• A Z.ai reteve os pesos por duas semanas de testes de segurança adicionais, reservou suas funções cibernéticas mais sensíveis a usuários verificados por meio de um programa de «acesso confiável» e anunciou uma iniciativa de auditoria, «Open Source Shield», para projetos de código aberto^[6]
• Os pesos chegaram em 28 de agosto sob uma nova licença do GLM-5.3 que submete a uma revisão de segurança da Z.ai as empresas com mais de $10 bilhões em receita anual, um passo para longe da licença MIT do GLM-5.2^[3][4]
• Em 30 de setembro, o Frontier Red Team da Anthropic disse que o GLM-5.3 concluiu 50 de 410 tentativas de exploração, contra 56 do Claude Mythos Preview, e que suas salvaguardas podiam ser contornadas em 64% a 100% das tentativas simuladas, enquanto o CAISI do NIST o chamou de o modelo de pesos abertos mais capaz em cibersegurança, mas bem abaixo dos atuais modelos de fronteira dos EUA^[3]

Principais recursos

• Entrada apenas de texto com janela de contexto de 1M de tokens e saída máxima de 128K tokens; o raciocínio está sempre ativado, com níveis de esforço baixo, alto e máximo (máximo por padrão), e solicitações que desativam o raciocínio agora falham^[1]
• Cerca de 753 bilhões de parâmetros no total no checkpoint publicado, a mesma base de mistura de especialistas do GLM-5.2^[4][5]
• Preço da API de $1.40 por milhão de tokens de entrada, $0.26 por milhão de tokens de entrada em cache e $4.40 por milhão de tokens de saída, inalterado em relação ao GLM-5.2; acesso ao Coding Plan a partir de $18 por mês, com pontos pela metade do preço fora do horário de pico^[2][5]
• No Z.ai Code Bench com esforço máximo, atinge 34.5% com cerca de 75K tokens de saída por tarefa, contra 23.4% com 96K do GLM-5.2; com esforço alto, seus 31.4% superam os 29.5% do Claude Opus 4.8 com cerca de 50K tokens contra 120K, enquanto o Claude Fable 5 lidera com 39.5%^[1]
• A Z.ai mantém um registro público, o Security Disclosure Ledger, que acompanha cada descoberta à medida que ela avança no processo de divulgação^[1]

Benchmarks

Tabela de resultados da Z.ai a partir do cartão do modelo, conforme publicada^[4]; as colunas que não são da Z.ai são testes comparativos feitos pelos próprios fabricantes.

O GDPval-AA v2 foi executado pela Artificial Analysis, o FrontierSWE pela Proximal e o Toolathlon Verified por meio do serviço oficial do benchmark^[5].