Z.ai выложила в открытый доступ веса нейросети GLM-5.3 для программирования и ИИ-агентов

Китайская лаборатория Z.ai опубликовала полные веса флагманской модели GLM-5.3 на платформе Hugging Face. Нейросеть ориентирована на сложные задачи программирования, автоматизацию терминала и управление автономными ИИ-агентами, демонстрируя результаты на уровне ведущих закрытых коммерческих систем.

Полный релиз на 756 ГБ и поддерживаемые фреймворки

В отличие от представленной ранее облегчённой мультимодальной версии GLM-5.3-Flash (архитектура MoE на 320 млрд параметров с 18 млрд активных), разработчики открыли именно полноразмерную флагманскую модель.

Как следует из репозитория на Hugging Face, суммарный объём файлов весов в формате Safetensors составляет около 756 ГБ. Модель оптимизирована для локального и серверного развёртывания через ключевые открытые движки:

• vLLM и SGLang для высокоскоростного инференса;
• Transformers и KTransformers;
• фреймворки Unsloth и TokenSpeed;
• специализированные стеки для аппаратных ускорителей Huawei Ascend NPU.

Скачок в кодинге и агентных бенчмарках

Базовая архитектура модели осталась прежней (как в GLM-5.2), однако инженеры Z.ai применили масштабный этап post-training с упором на долгосрочное планирование (long-horizon reasoning) и выполнение задач в изолированных программных средах.

По информации из официального блога Z.ai, модель показала существенный отрыв от предшественницы в стандартизированных тестах:

• Terminal Bench 2.1: результат вырос до 88,2 балла против 81,0 у GLM-5.2 (для сравнения, у проприетарной GPT-5.6 Sol — 88,8);
• Terminal Bench 3.0: скачок с 4,6 до 28,3 балла;
• DeepSWE v1.1: рост с 46,2 до 66,9 балла;
• AutomationBench: улучшение с 26,2 до 48,2 балла.

В собственном синтетическом бенчмарке генерации кода Z.ai Code Bench точность выросла в среднем на 50%.

Неожиданные навыки в кибербезопасности и задержка релиза

Первоначальный анонс GLM-5.3 состоялся ещё 14 августа, однако выкладку весов отложили на две недели. Причиной стал неконтролируемый рост способностей модели в сфере анализа уязвимостей.

В тестах CyberGym модель набрала 84,5 балла, а в ExploitBench — 54,4 (против 24,4 у версии 5.2), удвоив эффективность в сценариях эксплуатации брешей безопасности. Дополнительное время разработчики потратили на тестирование защитных механизмов и выравнивание (safety alignment), чтобы снизить риски нецелевого использования ИИ.

We use GLM-5.3-Flash build a dream kitchen. A 3D world built in Blender. This is not a generated video. pic.twitter.com/JILdFOY21l

— Lou (@louszbd) August 27, 2026

Статус лицензии

Веса модели распространяются по принципу open-weights: разработчики и компании могут свободно скачивать файлы и запускать их на своих мощностях, однако проект защищён проприетарной лицензией GLM-5.3, а не классическими пермиссивными лицензиями MIT или Apache 2.0. Для большинства локальных энтузиастов более практичной остаётся версия Flash, тогда как полноразмерная 756-гигабайтная модель ориентирована на корпоративные серверные кластеры.