Z.ai виклала у відкритий доступ ваги нейромережі GLM-5.3 для програмування та ШІ-агентів
·
28.08.2026 20:37
·
3 хвилини читання
Китайська лабораторія Z.ai опублікувала повні ваги флагманської моделі GLM-5.3 на платформі Hugging Face. Нейромережа орієнтована на складні завдання програмування, автоматизацію термінала та керування автономними ШІ-агентами, демонструючи результати на рівні провідних закритих комерційних систем.
Повний реліз на 756 ГБ та підтримувані фреймворки
На відміну від представленої раніше полегшеної мультимодальної версії GLM-5.3-Flash (архітектура MoE на 320 млрд параметрів із 18 млрд активних), розробники відкрили саме повнорозмірну флагманську модель.
Як випливає з репозиторію на Hugging Face, сумарний обсяг файлів ваг у форматі Safetensors становить близько 756 ГБ. Модель оптимізовано для локального та серверного розгортання через ключові відкриті рушії:
- vLLM та SGLang для високошвидкісного інференсу;
- Transformers та KTransformers;
- фреймворки Unsloth та TokenSpeed;
- спеціалізовані стеки для апаратних прискорювачів Huawei Ascend NPU.
Стрибок у кодингу та агентних бенчмарках
Базова архітектура моделі залишилася попередньою (як у GLM-5.2), однак інженери Z.ai застосували масштабний етап post-training із акцентом на довгострокове планування (long-horizon reasoning) і виконання завдань в ізольованих програмних середовищах.
За інформацією з офіційного блогу Z.ai, модель показала істотний відрив від попередниці у стандартизованих тестах:
- Terminal Bench 2.1: результат зріс до 88,2 бала проти 81,0 у GLM-5.2 (для порівняння, у пропрієтарної GPT-5.6 Sol — 88,8);
- Terminal Bench 3.0: стрибок з 4,6 до 28,3 бала;
- DeepSWE v1.1: зростання з 46,2 до 66,9 бала;
- AutomationBench: покращення з 26,2 до 48,2 бала.
У власному синтетичному бенчмарку генерації коду Z.ai Code Bench точність зросла в середньому на 50%.
Несподівані навички у кібербезпеці та затримка релізу
Початковий анонс GLM-5.3 відбувся ще 14 серпня, однак викладення ваг відклали на два тижні. Причиною стало неконтрольоване зростання здібностей моделі в сфері аналізу вразливостей.
У тестах CyberGym модель набрала 84,5 бала, а в ExploitBench — 54,4 (проти 24,4 у версії 5.2), подвоївши ефективність у сценаріях експлуатації прогалин безпеки. Додатковий час розробники витратили на тестування захисних механізмів і вирівнювання (safety alignment), щоб знизити ризики нецільового використання ШІ.
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 ліцензії
Ваги моделі поширюються за принципом open-weights: розробники та компанії можуть вільно завантажувати файли й запускати їх на власних потужностях, однак проєкт захищений пропрієтарною ліцензією GLM-5.3, а не класичними пермісивними ліцензіями MIT чи Apache 2.0. Для більшості локальних ентузиастів практичнішою залишається версія Flash, тоді як повнорозмірна 756-гігабайтна модель орієнтована на корпоративні серверні кластери.
