GLM-5.3 veröffentlicht: Z.ai verbessert Coding- und Cybersecurity-Fähigkeiten

GLM-5.3 veröffentlicht: Z.ai verbessert Coding- und Cybersecurity-Fähigkeiten

Das chinesische KI-Unternehmen Z.ai hat mit GLM-5.3 eine neue Version seiner GLM-Modellreihe veröffentlicht. Das Modell konzentriert sich insbesondere auf Softwareentwicklung, agentenbasierte Aufgaben und die Analyse von Sicherheitslücken in Quellcode.

GLM-5.3 baut technisch auf dem gleichen Basismodell wie GLM-5.2 auf. Nach Angaben von Z.ai verfügt das Modell über rund 743 Milliarden Parameter. Die Leistungssteigerungen sollen vor allem durch ein überarbeitetes Post-Training erzielt worden sein.

Deutliche Verbesserungen beim Programmieren

Z.ai hat GLM-5.3 stärker auf realistische Softwareentwicklungsaufgaben trainiert. Dabei soll das Modell nicht nur einzelne Code-Fragmente erzeugen, sondern komplexere Abläufe eigenständig bearbeiten können. Dazu gehören unter anderem das Analysieren bestehender Software, das Ändern von Code und das anschließende Testen der Änderungen.

In veröffentlichten Benchmarks zeigt sich dabei eine deutliche Verbesserung gegenüber GLM-5.2. Im Terminal Bench 3.0 erreicht GLM-5.3 beispielsweise 28,3 Punkte. Der Vorgänger lag nach Angaben von Z.ai bei 4,6 Punkten.

Auch im unternehmenseigenen Z.ai Code Bench konnte das Modell seine Ergebnisse verbessern. Bei maximalem Rechenaufwand erreicht GLM-5.3 dort eine Abschlussrate von 34,5 Prozent.

Neue Fähigkeiten im Bereich Cybersicherheit

Eine Besonderheit von GLM-5.3 sind die erweiterten Fähigkeiten zur Analyse von Sicherheitsproblemen in Software. Während des Trainings zeigte das Modell laut Z.ai eine unerwartet schnelle Entwicklung bei Aufgaben rund um Schwachstellen und fehlerhaften Quellcode.

Auf dem Benchmark CyberGym erreicht GLM-5.3 nach Angaben des Unternehmens einen Wert von 84,5 Prozent. Bei ExploitBench erzielt das Modell 54,4 Prozent und verbessert damit das Ergebnis seines Vorgängers deutlich.

Mehr als 2.400 Schwachstellen in Open-Source-Projekten gefunden

Z.ai setzte GLM-5.3 gemeinsam mit Sicherheitsteams auch zur Analyse realer Open-Source-Projekte ein. Dabei identifizierte das Modell nach Unternehmensangaben insgesamt 2.436 Schwachstellen in 269 Projekten.

Von diesen Sicherheitsproblemen wurden 1.097 als hoch oder kritisch eingestuft. Einige der gefundenen Fehler sollen bereits seit vielen Jahren in den jeweiligen Projekten vorhanden gewesen sein.

Die Ergebnisse zeigen, dass leistungsfähige Sprachmodelle zunehmend nicht nur zur Erstellung von Software, sondern auch zur automatisierten Prüfung von Quellcode eingesetzt werden können. Gleichzeitig werfen solche Fähigkeiten neue Fragen hinsichtlich Sicherheit und möglichem Missbrauch auf.

Neues Training für langfristige Aufgaben

Für das Training von GLM-5.3 setzt Z.ai unter anderem auf das Open-Source-Framework slime. Das Framework wird für Reinforcement Learning bei länger laufenden und komplexeren Aufgaben eingesetzt.

Durch technische Optimierungen konnte Z.ai eigenen Angaben zufolge den Trainingsdurchsatz um den Faktor 2,3 steigern. Dadurch lassen sich komplexere Entwicklungsumgebungen und mehrstufige Aufgaben effizienter in das Training einbeziehen.

GLM-5.3 bereits über API verfügbar

Entwickler können GLM-5.3 bereits über die Programmierschnittstelle von Z.ai verwenden. Für das Reasoning stehen verschiedene Stufen mit den Bezeichnungen low, high und max zur Verfügung.

Die offenen Modellgewichte sind zum Zeitpunkt der Veröffentlichung noch nicht verfügbar. Z.ai plant nach eigenen Angaben zunächst weitere Sicherheitsprüfungen. Anschließend sollen die Gewichte des Modells veröffentlicht werden.

Fazit

Mit GLM-5.3 entwickelt Z.ai seine Modellreihe vor allem bei Coding, agentenbasierten Workflows und Cybersecurity weiter. Bemerkenswert ist dabei, dass das Unternehmen das zugrunde liegende Basismodell offenbar nicht grundlegend verändert hat. Die Fortschritte stammen hauptsächlich aus dem Post-Training und verbesserten Reinforcement-Learning-Verfahren.

Insbesondere die Fähigkeit, selbstständig komplexe Softwareprojekte zu analysieren und Sicherheitslücken zu finden, zeigt, wie schnell sich KI-Modelle von klassischen Chatbots hin zu eigenständig arbeitenden Software-Agenten entwickeln.