Especificações Técnicas do GLM-5.3
| Especificação | GLM-5.3 |
|---|---|
| Desenvolvedor | Z.ai |
| Família do modelo | GLM-5 |
| Versão | 5.3 |
| Anúncio | August 14, 2026 |
| Tipo de modelo | LLM agentivo de fronteira |
| Foco principal | Segurança cibernética, programação, agentes autônomos |
| Pesos abertos | Sim / anunciado |
| Parâmetros | Ainda não divulgados |
| Parâmetros ativos | Ainda não divulgados |
| Arquitetura | Ainda não divulgada |
| Janela de contexto | Ainda não divulgada |
| Saída máxima | Ainda não divulgada |
| Visão nativa | Ainda não confirmada |
| CyberGym | 84.5% |
| ExploitBench | 54.4% |
| Pesos públicos | Planejados |
| Lançamento público | Aproximadamente duas semanas após o anúncio |
| ID do modelo da API | Ainda não confirmado publicamente |
| Preços da API | Ainda não anunciados |
| Acesso avançado | Usuários confiáveis/verificados |
| Melhores casos de uso | Segurança cibernética, agentes de programação, pesquisa de vulnerabilidades |
Os repositórios públicos de modelos da Z.ai ainda mostram de forma proeminente o GLM-5.2, em vez de um artefato GLM-5.3 disponível para download, portanto as especificações que ainda não foram publicadas devem permanecer explicitamente marcadas como não confirmadas.
O que é o GLM-5.3?
GLM-5.3 é a geração mais recente da família GLM da Z.ai e representa uma mudança em direção a sistemas de IA capazes de executar tarefas complexas de segurança e engenharia de forma autônoma.
O anúncio é particularmente notável porque a segurança cibernética não está sendo apresentada apenas como mais uma categoria de benchmark. A Z.ai está usando o GLM-5.3 para demonstrar um sistema de IA capaz de descobrir vulnerabilidades de software e participar de fluxos de trabalho de desenvolvimento de ataques.
A Reuters informa que a Z.ai planeja lançar o modelo publicamente após concluir avaliações de segurança, enquanto capacidades mais avançadas serão inicialmente restritas por meio de um mecanismo de acesso confiável.
Isso representa uma mudança significativa de ênfase em relação ao GLM-5.2.
O GLM-5.2 foi posicionado principalmente em torno de engenharia de software de longo horizonte e codificação agentiva. A página de pesquisa de junho da Z.ai descreve o GLM-5.2 como "Criado para Tarefas de Longo Horizonte".
O GLM-5.3 leva essa filosofia agentiva para um domínio consideravelmente mais sensível:
engenharia de software → descoberta de vulnerabilidades → defesa cibernética → segurança ofensiva controlada
Quais são os principais recursos do GLM-5.3?
Raciocínio centrado em segurança cibernética
A capacidade principal é a segurança cibernética.
GLM-5.3 alcançou:
84.5% no CyberGym
O CyberGym avalia a capacidade de um sistema de IA de identificar vulnerabilidades de software. O resultado supera ligeiramente os 83.8% relatados do Mythos 5.
Isso é importante porque segurança cibernética exige mais do que gerar código sintaticamente correto.
Um agente de segurança competente precisa:
- Entender código desconhecido.
- Identificar superfícies de ataque.
- Formular hipóteses sobre vulnerabilidades.
- Traçar fluxos de dados e de controle.
- Validar a hipótese.
- Desenvolver um proof of concept apropriado.
- Determinar se a vulnerabilidade é realmente explorável.
A pontuação do GLM-5.3 no CyberGym sugere progresso significativo nas primeiras etapas dessa cadeia.
Forte descoberta de vulnerabilidades
A pontuação de 84.5% no CyberGym é, sem dúvida, o resultado inicial mais impressionante.
Ela coloca o GLM-5.3 ligeiramente à frente do Mythos 5 na identificação de vulnerabilidades:
| Modelo | CyberGym |
|---|---|
| GLM-5.3 | 84.5% |
| Mythos 5 | 83.8% |
A margem é de apenas 0.7 pontos percentuais, portanto seria enganoso descrever o GLM-5.3 como decisivamente superior.
O ponto mais interessante é que um modelo de pesos abertos da Z.ai está entrando na mesma vizinhança de desempenho de um sistema de segurança cibernética altamente restrito.
O desenvolvimento de exploits ainda é uma fraqueza
O GLM-5.3 não domina todas as tarefas de segurança cibernética.
No ExploitBench:
| Modelo | ExploitBench |
|---|---|
| GLM-5.3 | 54.4% |
| Mythos 5 | 78.0% |
Essa é uma diferença de 23.6 pontos.
Isso revela uma distinção importante:
Encontrar uma vulnerabilidade não é o mesmo que explorá-la de forma confiável.
O GLM-5.3 parece altamente capaz de identificar fraquezas, mas os resultados iniciais indicam que converter essas descobertas em desenvolvimento de exploits confiáveis continua consideravelmente mais difícil.
Para equipes de segurança corporativa, isso torna o modelo interessante como um assistente defensivo de análise de vulnerabilidades, em vez de apenas um motor de automação ofensiva.
GLM-5.3 vs GLM-5.2
O GLM-5.2 fornece a base confirmada mais útil.
| Recurso | GLM-5.2 | GLM-5.3 |
|---|---|---|
| Status | Lançado | Anunciado |
| Posicionamento principal | Agentes de longo horizonte | Segurança cibernética + agentes |
| Codificação | Excelente | Espera-se que permaneça forte |
| Segurança cibernética | Potencial forte | Foco principal explícito |
| CyberGym | — | 84.5% |
| ExploitBench | — | 54.4% |
| Contexto | 1M | Não confirmado |
| Parâmetros | ~753B | Não confirmado |
| Licença | MIT | Pesos abertos anunciados |
| Preços da API | Publicado | Ainda não publicado |
| Pesos públicos | Disponíveis | Planejados |
A arquitetura confirmada do GLM-5.2 é de aproximadamente 753B parâmetros, e seu catálogo público de modelos ainda lista o modelo de 753B e a versão FP8.
O GLM-5.2 também alcançou 81.0 no Terminal-Bench 2.1 e 62.1 no SWE-bench Pro segundo relatos de terceiros baseados nos materiais de avaliação de modelos da Z.ai.
Mas esses números devem permanecer como benchmarks do GLM-5.2, não devem ser atribuídos ao GLM-5.3.
GLM-5.3 vs Mythos 5
Atualmente, esta é a comparação de benchmark mais significativa.
| Benchmark | GLM-5.3 | Mythos 5 | Diferença |
|---|---|---|---|
| CyberGym | 84.5% | 83.8% | +0.7 p.p. |
| ExploitBench | 54.4% | 78.0% | −23.6 p.p. |
O resultado produz uma conclusão nuançada.
O GLM-5.3 vence na identificação de vulnerabilidades.
Mas:
O Mythos 5 continua substancialmente mais forte em desenvolvimento de exploits.
Portanto, dizer "GLM-5.3 supera o Mythos 5" seria uma interpretação imprecisa dos dados disponíveis.
Uma descrição melhor é:
O GLM-5.3 atinge desempenho em nível Mythos 5 na descoberta de vulnerabilidades, enquanto permanece atrás no desenvolvimento de exploits.