zai-org、GLM-5.3-BF16を公開 Code Benchで5.2比50%向上

zai-orgはオープンウェイトモデル「GLM-5.3」のBF16版 zai-org/GLM-5.3-BF16 をHugging Faceで公開しました。社内のZ.ai Code BenchでGLM-5.2比50%の改善を示し、CyberGymでは84.5と比較表の中で最高値を記録しています。GLMはZ.aiが開発するAIモデルのファミリーで、APIのほか重みを公開したモデルもあります。

何が新しいか

GLM-5.3はGLM-5.2と同じベースモデルを使い、性能向上はすべてポストトレーニングによるものとzai-orgは説明しています。GLM-5.2に比べて複雑なコーディングと長期タスクに強く、Terminal Bench 3.0とAgents' Last ExamでオープンソースSOTAを達成したとしています。また、ポストトレーニングの拡大に伴いサイバー能力が想定以上に伸び、CyberGymの脆弱性発見でstate of the art、エクスプロイト系ベンチマークではGLM-5.2の2倍以上になったと記載しています。ライセンスは other です。

ベンチマーク

ベンチマーク	GLM-5.3	GLM-5.2
Terminal Bench 2.1	88.2	81.0
Terminal Bench 3.0	28.3	4.6
DeepSWE (v1.1)	66.9	46.2
NL2Repo	58.0	48.9
SWE-Marathon (v1.1)	42.5	19.4
CyberGym	84.5	77.2
ExploitGym (2h / 6h)	105 / 130	29 / 39
ExploitBench	54.4	24.4
AutomationBench (v1.0.6)	48.2	26.2
Agents' Last Exam (ALE-CLI)	28.5	23.8
HLE w/ Tools	62.5	54.7
GDPval-AA v2	1769	1508

比較表では、AutomationBenchでGLM-5.3が48.2(次点はKimi K3の46.7)、GDPval-AA v2でGLM-5.3が1769(次点はFable 5の1743)となり、いずれも表中の最高値です。一方、Terminal Bench 3.0はGPT-5.6 Solが34.6、ExploitGymはGPT-5.6 Solが216 / 293で、GLM-5.3を上回っています。Agents' Last ExamはGPT-5.6 Solの28.6に対しGLM-5.3が28.5です。

HLE w/ Toolsは temperature=1.0、top_p=0.95、最大生成長163,840トークン、最大コンテキスト長300,000トークンで評価しています。NL2Repoは max_new_tokens=64k、1Mコンテキストで評価しています。

デプロイ方法と推論設定

GLM-5.3はSGLang、vLLM、TokenSpeed、Transformers、KTransformers、Unslothでデプロイできます。Ascend NPUではvLLM-Ascend、xLLM、SGLangなどが対応しています。

• reasoning_effort で思考予算を low、high、max の3段階から指定できます。未指定時(または他の値の場合)は max になり、low・high は明示的に渡す必要があります。ベンチマーク再現時は max のままにするよう案内しています。
• チャットテンプレートの clear_thinking は未指定時 false です。チャット用途では clear_thinking=true を明示的に渡します。