Китайская Z.ai опубликовала веса языковой модели GLM-5.3, представленной в середине августа. Теперь разработчики могут самостоятельно запускать и адаптировать модель, в том числе на собственной инфраструктуре.
GLM-5.3 построена на той же базовой модели, что и GLM-5.2. Вместо повторного предварительного обучения разработчики сосредоточились на дополнительном обучении: увеличили количество вычислений, разнообразие задач и тренировочных сред. По данным Z.ai, благодаря этому результат модели во внутреннем тесте Z.ai Code Bench вырос примерно на 50%.
Особое внимание уделили программированию и продолжительным агентным задачам, когда нейросети необходимо не просто написать отдельный фрагмент кода, а самостоятельно выполнить последовательность действий. В Terminal Bench 3.0 результат GLM-5.3 вырос с 4,6 балла у GLM-5.2 до 28,3, а в DeepSWE — с 46,2 до 66,9.
При этом заявление Z.ai о лидерстве стоит воспринимать с оговоркой. В отдельных независимых тестах закрытые модели по-прежнему оказываются впереди, тогда как в собственных бенчмарках Z.ai GLM-5.3 способна опережать некоторых конкурентов. Поэтому корректнее говорить об одной из наиболее производительных открытых моделей для программирования, а не об абсолютном лидере.
Неожиданным результатом обучения стали улучшенные возможности GLM-5.3 в задачах кибербезопасности. В CyberGym модель получила 84,5% против 77,2% у GLM-5.2. При этом в более сложных сценариях закрытые модели пока сохраняют преимущество.
GLM-5.3 также не стоит путать с GLM-5.3-Flash. Последняя ранее тестировалась анонимно под названием Ox Alpha. Flash-версия мультимодальная и использует архитектуру Mixture-of-Experts с 320 млрд параметров, из которых при обработке каждого токена задействовано 18 млрд.
Главное отличие нынешнего релиза заключается именно в публикации весов GLM-5.3. Разработчики получили возможность самостоятельно разворачивать и адаптировать модель, а не ограничиваться использованием облачных сервисов Z.ai.
