智譜は今日、GLM-5.3を正式にリリースしました。前バージョンとの最大の違いは、ベースモデルが完全に変わっていないこと、そしてすべての向上が後学習段階でのスケーリングによって得られたことです。数十倍規模の長距離タスク環境、より豊富な環境タイプ、および超長時間の後学習を通じて、チズプは同じベースモデル上でモデルの知能上限を著しく引き上げました。会社内の評価によると、新しいモデルのプログラミング体感はGLM-5.2に比べて約50％向上し、現在最も強力なオープンソースモデルとなりました。

公開されたベンチマークでも、GLM-5.3は目覚ましい成績を収めています。Terminal-Bench 3.0のスコアは4.6から28.3に跳ね上がり、DeepSWE v1.1は46.2から66.9に上昇し、Agents' Last Examは23.8から28.5に、GDPval-AA v2は1769点に達しました。プログラミングとエージェントの能力においてはClaude Fable 5に近づき、他の国内モデルを上回る体感を示しており、Terminal Bench 3.0とAgents' Last Exam（CLI）の2つのテストでオープンソース第一位を獲得しました。

image.png

後学習スケーリング：ベースの潜在力はまだ限界に達していない

チズプは、上述のすべての向上がモデルの交換ではなく、後学習によるものであることを強調しています。IndexShare、SAO、そして進化し続ける新世代のSlimeフレームワークを基盤として、チームはGLM-5.2と同じベースモデルで効率的に強化学習を進めています。また、「このベースモデルの知能上限をまだ十分に開発できていない可能性がある」と述べています。この考え方は明確なシグナルを伝えています。つまり、大規模モデルの競争は常にパラメータを積み重ねる必要があるわけではない。既存のベースモデルを「練り尽くす」ことで、先端レベルに迫ることも可能なのです。

image.png

セキュリティの観点から見ても、GLM-5.3は白ボックスコードレビューとバグ発見などのタスクでMythos 5と同等の性能を示し、ネットワーク防御シナリオでの可能性を示しています。チズプは、リリースから2週間後に完全なモデル重みを公開する予定ですが、その前にセキュリティ評価とモデルの強化を行う必要があります。これにより、潜在的な攻撃能力を制限し、防御価値を維持します。同時に、新モデルは今日から公式プログラミングツールZCode、AutoClaw、GLM Coding Planがリリースされ、Trae、Kouzi、WorkBuddy / CodeBuddy、Qoderなどのコードプラットフォームに対して先行体験が提供されます。オープンソースモデルが閉じたシステムの最高レベルに近づく中、中国の巨大モデルの後半戦の競争は、「誰が上手に話せるか」から「誰が実際に仕事ができるか」への移行が始まっています。