GLM-5.3: wagi wstrzymane, bo za dobrze hakuje

Z.ai wydało w piątek 14 sierpnia GLM-5.3, następcę GLM-5.2. Model wygrywa testy kodowania wśród modeli z otwartymi wagami, tylko że tych wag na razie nigdzie nie pobierzesz. Firma wstrzymała ich publikację o mniej więcej dwa tygodnie, bo podczas testów jej własny model okazał się nieoczekiwanie skuteczny w znajdowaniu i wykorzystywaniu luk bezpieczeństwa w cudzym kodzie.

Liczby, które podaje Z.ai

Model bazowy liczy 743 mld parametrów. Ciekawsze jest to, skąd wziął się skok jakości: według ogłoszenia Z.ai firma nie trenowała nowej bazy od zera, a całą poprawę wycisnęła z samego post-treningu, czyli dodatkowej fazy uczenia na modelu, który już istniał.

Wyniki podane przez Z.ai, relacjonowane przez Decrypt:

• DeepSWE: 66,9 proc., ponad 20 punktów więcej niż GLM-5.2.
• Terminal-Bench 3.0: skok z 4,6 na 28,3. Poprzednia wersja praktycznie nie radziła sobie z zadaniami w terminalu.
• Humanity’s Last Exam z dostępem do narzędzi: 62,5 proc.
• GDPval-AA v2: rating 1769.

Jedno zastrzeżenie: to liczby od producenta, nie z niezależnego testu. Jak zwykle przy benchmarkach, potraktuj je jako punkt startu do własnej weryfikacji, nie jako wyrok.

Zwrot akcji: model za dobrze znajduje luki

Najgłośniejszy wynik nie dotyczy pisania kodu, tylko jego łamania. Na CyberGym, teście sprawdzającym wykrywanie luk bezpieczeństwa, GLM-5.3 uzyskał 84,5 proc. i wyprzedził modele zamknięte: Claude Mythos 5 z wynikiem 83,8 proc. oraz GPT-5.6 Sol z 83,6 proc. Przewaga jest minimalna, ale kierunek istotny. Ta kategoria była dotąd domeną modeli, których nikt nie mógł ściągnąć na własny dysk.

Do tego dochodzi liczba spoza syntetycznego testu. Z.ai podaje, że model zgłosił 2436 luk w 269 projektach open source, z czego 1097 uznano za luki o średniej lub wysokiej istotności. To nie były ćwiczenia na spreparowanym kodzie, tylko biblioteki, z których korzysta reszta świata.

Dlaczego wagi zostały w sejfie

Tu wychodzi problem, którego branża jeszcze nie rozwiązała. Model z otwartymi wagami można pobrać, uruchomić u siebie i dostroić pod dowolne zadanie, także takie, którego producent nie przewidział. Przy modelu do pisania kodu to zaleta i główny powód, dla którego otwarte modele mają tylu zwolenników. Przy modelu, który w teście bezpieczeństwa bije zamkniętą czołówkę, pojawia się pytanie, komu dokładnie daje się takie narzędzie do ręki.

Z.ai wybrało kompromis. Model jest już dostępny, ale tylko przez abonament GLM Coding Plan i aplikację ZCode. API oraz otwarte wagi mają wychodzić etapami, po kolejnych przeglądach bezpieczeństwa, a samą publikację wag firma przesunęła o około dwa tygodnie właśnie przez wysokie zdolności ofensywne wykryte w testach. „Otwarty” model, którego wag nie ma jeszcze skąd wziąć, to nowa sytuacja i pewnie nie ostatnia taka.

Dla użytkownika ma to jeden konkretny skutek. Argument, który przy poprzedniku brzmiał najmocniej, czyli „pobiorę wagi i uniezależnię się od jednego dostawcy”, przy GLM-5.3 na razie nie działa. Jeśli chcesz sprawdzić ten model dzisiaj, robisz to na serwerach Z.ai i na jej warunkach, dokładnie tak samo jak przy modelach zamkniętych. Różnica wróci dopiero z publikacją wag, a jej terminu firma nie podała.

Co to znaczy dla vibe codingu

Dwie rzeczy, i ciągną w przeciwne strony.

Pierwsza jest dobra. Otwarte modele do kodowania gonią zamkniętą czołówkę szybciej, niż sugerowałaby różnica w cenniku. GLM-5.2, którego liczby zebraliśmy w karcie modelu, był już tani i szybki, a jego następca wyraźnie poprawia wyniki w długich zadaniach agentowych, czyli tam, gdzie model musi utrzymać wątek przez wiele kroków. Dla osoby, która buduje aplikację bez zaplecza programistycznego, każdy taki krok z czasem oznacza niższy rachunek za to samo zadanie, bo konkurencja ściąga ceny w dół całej półki.

Druga jest niewygodna. Twój projekt, nawet składany z gotowych klocków, stoi na dziesiątkach bibliotek open source. Dokładnie takich, jakie GLM-5.3 przeskanował w testach. Model, który znajduje w nich 2436 luk, jest jednocześnie świetnym audytorem i świetnym narzędziem dla kogoś o złych zamiarach. Ta sama zdolność, dwa zastosowania, a różnica leży wyłącznie w tym, kto siedzi przy klawiaturze.

Praktyczny wniosek na dziś jest nudny i skuteczny: aktualizuj zależności swojego projektu, zamiast zostawiać wersje sprzed roku. Skanowanie cudzego kodu pod kątem dziur właśnie stało się tanie i masowe, a to działa w obie strony. Opiekunowie projektów dostają zgłoszenia i wypuszczają poprawki, ale poprawka, której nie zainstalujesz, nie chroni niczego.

Napięcie, które GLM-5.3 wyciągnął na wierzch, nie zniknie z kolejną premierą: otwartość kontra zdolności ofensywne. Publikacja wag była do tej pory głównie kwestią biznesową, a robi się z niej decyzja o tym, kto dostanie sprawny skaner cudzych aplikacji. Kiedy wagi GLM-5.3 w końcu wyjdą, wrócimy do tematu z konkretami z niezależnych testów.