Z.ai の新しい GLM-5.3 はサイバーセキュリティとコーディングを進歩させ、Cursor の脆弱性を明らかに
中国の大手人工知能企業である Z.ai は、長期コーディングの大幅な向上とサイバーセキュリティ機能の顕著な向上を実証する言語モデルである GLM-5.3 のリリースを発表しました。このリリースは、オープンソース モデルで知られる GLM シリーズにとって大幅な進歩を示します。
Z.aiの開発者擁護者であるルー氏の声明によると、GLM-5.3の強化されたサイバー機能により、最近SpaceXに買収されたAIプログラミングスタートアップCursorの「潜在的に深刻な脆弱性」がすでに特定されているという。カーソルは確認のために連絡されており、応答を待っています。
当初、GLM-5.3 へのアクセスは、Z.ai GLM コーディング プランと ZCode 開発環境に制限されます。同社は、モデルの API とオープンウェイトの利用可能性は、セキュリティ評価と追加の改善が完了した後の段階でリリースされると述べました。
Z.ai は、ウェイトのリリースはモデルの最初の発売から約 2 週間後に行われる予定であると発表しました。
企業開発者にとって、このバージョンの主な革新は、一般的な一連のパフォーマンスの向上に限定されません。 Z.ai は、GLM-5.3 が GLM-5.2 と同じ基本モデルを採用しているが、その改善はもっぱら、より幅広い環境にわたるトレーニング後のスケーラビリティ、より複雑なタスク、強化学習のための追加の計算能力の使用によってもたらされたものであると詳しく説明しています。
このアプローチでは、GLM-5.3 を、新たにコストのかかる事前トレーニング サイクルを必要とせずに、大容量の基本モデルが到達できるパフォーマンスの限界を評価するための重要な実験として位置付けています。
Z.aiは技術レポートの中で、GLM-5.3ではアクションが「トレーニング後のスケーリングのみ」に限定されていると説明した。
得られた結果は、改善の余地がかなりあることを示しています。しかし、この進化は、オープン モデル開発者にとって予期せぬ課題をもたらしました。Z.ai は、モデルのサイバーセキュリティ スキルが、特に単に脆弱性を特定するだけのタスクから完全なエクスプロイト チェーンの構築に進むにつれて、トレーニング中に予想よりも早く上達したと報告しました。
最近の情報によると、Z.ai は機密性が高いと考えられるリソースに対して「信頼できるアクセス」戦略を採用し、モデルの最も高度な機能の一部に対する制御も実装しています。
基本モデルを変更せずにコーディングが大幅に進歩
GLM-5.3 は、GLM-5.2 を置き換えるのではなく、すでに GLM-5.2 をサポートしていた 7,430 億パラメータの基本モデルに基づいて構築されています。 Z.ai は、長期強化学習に焦点を当てて開発したポストトレーニング システムを拡張することを選択しました。
これらのモデルのアプリケーション環境は、孤立したプログラミング演習から離れ、完全なエンジニアリング プロジェクトにますます似てきています。
この話題の続き: アリババのQwen 4.0とAIイノベーションのリリース日がリークで明らかに
Z.ai では、AI エージェントにコードベース、ドキュメント、コンピューティング クラスター、ストレージ システム、実験結果へのアクセスが与えられ、その後、整合性を維持しながら障害の診断、システムの変更、テストの実行、測定可能な改善の証明を行うという状況が説明されています。これらのタスクの一部は、経験豊富なエンジニアの数日間の作業をシミュレートするように設計されています。
この方法論により、Z.ai が発表した評価において、世代を重ねるごとに大幅な改善が見られました。
GLM-5.3 では、ベンチマークが大幅に向上し、ターミナルベンチ 3.0 では 4.6 から 28.3 に、DeepSWE v1.1 では 46.2 から 66.9 に、AutomationBench では 26.2 から 48.2 に上昇しました。エージェントの最終試験 CLI では、23.8 から 28.5 に改善されました。
ただし、このモデルはすべてのハイエンド競合製品を上回るパフォーマンスを示したわけではありません。 Z.ai 独自のベンチマーク テーブルによると、GLM-5.3 の 28.3 とは対照的に、GPT-5.6 Sol は Terminal-Bench 3.0 で 34.6、Claude Fable 5 は 33.7 を達成しました。 DeepSWE v1.1 では、GLM-5.3 は 66.9 ポイントを獲得し、GPT-5.6 Sol は 72.7 ポイント、Fable 5 は 69.7 ポイントを獲得しました。
Z.ai は、パフォーマンス ベンチマークにおける位置だけでなく、効率性にも重点を置いています。
内部の Z.ai コード ベンチ環境では、GLM-5.3 は、タスクあたり約 75,000 の出力トークンを使用して、最大推論設定で 34.5% の結果を達成しました。比較すると、GLM-5.2 は約 96,000 トークンで 23.4% に達しました。ハイエフォート構成では、GLM-5.3 は約 50,000 トークンの出力で 31.4% を達成しましたが、Z.ai によると、Claude Opus 4.8 は 120,000 トークンの出力で 29.5% を記録しました。
コードベンチは Z.ai の内部評価であるため、これらの比較は独立した測定値としてではなく、Z.ai 自体によって公開された結果として分析される必要があります。それでも、タスクの完了を向上させながらトークンの消費を削減できることは、エンコード エージェントを導入する企業にとって運用上非常に重要な要素です。エンコード エージェントでは、実行サイクルが長期化すると推論コストやレイテンシ コストが発生し、急速に蓄積する可能性があります。
モデルのサイバーセキュリティ能力は予想よりも速いスピードで開発され驚かされる
GLM-5.3 の開発における最も予想外の進歩は、サイバーセキュリティの分野で観察されました。
全記事一覧: 最新ニュース (JA)
Z.ai は、モデルがソフトウェアの欠陥を検出する能力を向上させることを期待して、GLM-5.3 のポストトレーニング プロセスに脆弱性発見環境を導入しました。しかし同社は、このモデルの能力が脆弱性悪用の連鎖に沿って進歩し始めていると指摘した。
Z.ai は、「トレーニング後にスケールアップしたため、予想よりも早くサイバー能力が発達しました」とコメントしました。
Z.aiのデータによると、ソースコードからの脆弱性の発見と検証を評価するCyberGymでは、GLM-5.3は84.5%のスコアを達成し、GLM-5.2の77.2%を上回り、GPT-5.6 Solの83.6%、Mythos 5の83.8%を上回った。
進歩にもかかわらず、この利点は探査チェーン全体に及ぶわけではありません。 Z.ai の結果によると、ExploitBench では、GLM-5.3 は 54.4% を達成し、GLM-5.2 の 24.4% の 2 倍以上でしたが、それでも GPT-5.6 Sol の 76.5% や Mythos 5 の 78% には大きく及ばなかったそうです。
同様に、ExploitGym では、GLM-5.2 では 29 件と 39 件であったのに対し、GLM-5.3 では 2 時間の予算で 105 件のタスクを完了し、6 時間未満で 130 件のタスクを完了しました。次に、Claude Fable 5 は 181 と 247 に達し、GPT-5.6 Sol は 216 と 293 に達しました。
こちらも参照
このシナリオでは、開発の軌跡は、リーダーボード上の現在の位置よりも関連性が高い可能性があります。
Z.ai の報告によると、中国のセキュリティ チームとの協力により、専門家による分析、スクリーニング、重複排除の結果、269 のプロジェクトにわたって 2,436 件の脆弱性が特定されました。その開示記録には、1,097 件が重大または高重大度としてリストされており、そのうち 53 件はすでに公開されており、公開時点で 2,383 件はまだ禁輸措置中です。
詳しく読む: Fujitsu Experience Day 2026 は主権に焦点を当てた Monaka CPU と AI の未来を紹介します
この状況は、最先端の AI モデルのプロバイダーにとって緊張を高めています。ソフトウェア エンジニアリングのモデルをより効率的にするのと同じ長期的なエージェント機能により、プロバイダーはより熟練したセキュリティ研究者となり、場合によってはより効果的な攻撃オペレーターになれる可能性があります。
GLM-5.3 では、開発者はモデルの呼び出し方法を変更する必要があります
既存の GLM アプリケーションを移行する開発者は、GLM-5.3 を統合するときに予期しない API 動作が発生する可能性があることに注意する必要があります。
GLM-5.3 は、低、高、最大の 3 つのレベルの推論努力をサポートします。「最大」はデフォルト設定であり、コーディング タスクに対して Z.ai が推奨する設定です。ただし、以前のバージョンとは異なり、推論をオフにすることはできません。
現在「thing.type: “disabled”」でリクエストを送信しているアプリケーションは、モデル識別子を GLM-5.3 に変更する前に、この値を「enabled」に変更し、思考努力を指定する必要があります。そうしないと、Z.ai はリクエストが失敗することを警告します。
この特殊性により、GLM-5.3 は、一部の実稼働アプリケーションのモデル名を単純に置き換えるだけではなく、細心の注意を必要とする移行となります。
Z.ai のエージェント エンジニアリングの GLM-4.5 から GLM-5.3 への上昇
GLM-5.3 は、エージェント コーディングと長時間実行される自律エンジニアリング タスクに向けた Z.ai (以前は Zhipu AI として知られていました) の急速な進化の最新段階を表しています。
2025 年 7 月に発売された GLM-4.5 は、この方向性の多くを確立するのに役立ちました。このモデルは 3,550 億のパラメーターを備えたエキスパート ミックスであり、推論、コーディング、およびエージェントの機能を統合するように設計されていますが、より小さいバージョンの GLM-4.5-Air には 1,060 億のパラメーターがありました。 Z.ai は、これらのモデルをオープンウェイトで利用できるようにし、エージェント フレームワークとの統合を強調しました。
9 月の GLM-4.6 のリリースにより、コンテキストが 128,000 トークンから 200,000 トークンに拡張され、Claude Code、Cline、Roo Code、Kilo Code などの環境でのコーディング、ツール、エージェント ワークフローに焦点が当てられました。 Z.ai はまた、ベンチマークのパフォーマンスだけに焦点を当てるのではなく、現実世界のコーディング評価においてトークンの効率を優先し始めています。
最も重要なアーキテクチャの飛躍は、2026 年 2 月の GLM-5 で起こりました。Z.ai は、GLM-4.5 の 3,550 億のパラメーター モデルを 7,440 億に拡張し、アクティブなパラメーターが 400 億になり、事前トレーニング データが 28.5 兆トークンに増加しました。さらに、「スライム」非同期強化学習インフラストラクチャを導入し、GLM ファミリを「エージェント エンジニアリング」と長期タスクを中心に明確に再配置しました。
6 月、GLM-5.2 はこの戦略をより直接的なビジネス提案に変換しました。 7,530 億のパラメーター モデルには、100 万トークンの安定したコンテキスト ウィンドウ、MIT ライセンスに基づくオープンな重み、および 20 を超えるプログラミング環境との互換性が備わっています。また、非常に長いコンテキストの計算負荷を軽減するために、スパース アテンション レイヤード インデクサーを再利用する機能である IndexShare も導入されました。
GLM-5.2 は競争力のある価格であり、API 入力トークン 100 万あたり 1.40 ドル、出力トークン 100 万あたり 4.40 ドルで、キャッシュ入力の価格が大幅に低かったため、Z.ai は、独自の最先端ラボに対する技術面と価格面の両方で競合他社として位置付けられました。
Z.aiの志は単なるモデル開発だけにとどまりません。最近の報道によると、Zhipu AI は香港での新規株式公開を通じて約 40 億米ドル (約 314 億香港ドル) を調達し、その資金は研究開発、コンピューティング インフラストラクチャ、採用、事業拡大などの分野に充てられました。
総合すると、これらのリリースは論理的な発展を示しています。GLM-4.5 は推論、コーディング、およびエージェントを統合しました。 GLM-5 はベースモデルを大幅に拡張しました。 GLM-5.2 はコンテキスト エンジニアリングと長期的な視野に焦点を当てました。そして GLM-5.3 は現在、トレーニング後の同じベースから大幅に優れた能力を引き出すことを目指しています。
値、ZCode システム、および現在の可用性
GLM-5.3 には、Z.ai GLM コーディング プランと ZCode を通じてアクセスできるようになりました。
ZCode は同社独自のコーディング エージェント環境で、プロジェクトの計画、実装、テスト、検証を含む長期にわたる「目的」タスクをサポートします。実行中のタスクをリモート制御することもでき、macOS、Windows、Linux オペレーティング システムと互換性があります。
同じテーマの記事: Moonshot AI が 2 兆 8,000 億のパラメーターを備えた Kimi K3 モデルを公開ダウンロード用にリリース
個人ユーザー向けの GLM プログラミング プランは現在プロモーション中です。Lite バージョンの料金は月額 12.60 ドルで、毎週 10,000 のクレジットが含まれます。月額 56 ドルの Pro プランは Lite の 6 倍のクレジットを提供し、月額 117.60 ドルの Max プランは 14 倍のクレジットを提供します。チームの場合、スタンダード ライセンスとプレミアム ライセンスの料金は、それぞれユーザーあたり月額 88 ドルと 188 ドルです。
Z.ai はまた、コーディング プランをポイントベースのクォータ システムに変更し、受信トークン、キャッシュ トークン、送信トークンの数を区別します。平日の会社のピーク時間外に発信された通話では、通常の 50% のポイントのみが消費されます。
現在のところ、同社はリリース資料で GLM-5.3 API の一般的な価格を提示していないため、API への段階的アクセスが完全にリリースされるまで、API の総製造コストを GLM-5.2 または競合するハイエンド モデルと直接比較することが困難になっています。
この段階的なリリースは、最終的には GLM-5.3 の最も重要な側面になる可能性があります。
Z.ai は過去 1 年間にわたり、許容的な重み付け、低コストの推論、既存のコーディング エージェント エコシステムとの互換性を中心としたオープン モデル戦略を推進してきました。 GLM-5.3 は、この戦略が機密領域で成功した場合、おそらく成功しすぎた場合に何が起こるかを示しています。自律エンジニアリングの改善は、より効率的な自律セキュリティ研究も意味します。
その結果、Z.ai のプログラミングへの野心を高めるモデルが誕生しましたが、同時に同社は、最大規模のクローズド モデルの最先端テクノロジー ラボが直面しているのと同じ、キャパシティとアクセスの間のジレンマに直面することになります。
エンタープライズ開発者にとって、GLM-5.3 は 2 つの主な理由から注目に値します。彼らのコーディング結果は、基礎となる基本モデルを継続的に再構築する必要がなく、最適化された環境とトレーニングからますます有能なエージェントが出現できることを示しています。彼らのサイバーセキュリティの結果は、これらのエージェントの配置方法に関する決定が、エージェントのトレーニング方法に関する決定と同じくらい重要になる理由を示しています。
