-1.png?w=1024)
Das in Peking ansässige KI-Unternehmen Z.ai hat am Freitag GLM-5.3 vorgestellt, ein Modell mit offenen Gewichten, das bei Programmier-Benchmarks der Spitzenklasse und bei der Erkennung von Sicherheitslücken konkurrenzfähige Ergebnisse gegenüber führenden US-Systemen von Anthropic und OpenAI erzielt haben soll.
Das Unternehmen erklärte, GLM-5.3 basiere auf demselben Basismodell mit 700 Milliarden Parametern wie sein Vorgänger GLM-5.2 vom Juni; sämtliche Leistungszuwächse seien auf erweitertes bestärkendes Lernen und synthetische Umgebungen für das Post-Training zurückzuführen.
Die öffentliche Veröffentlichung der Gewichte des Modells wird dem Unternehmen zufolge um zwei Wochen verschoben, während Sicherheitsbewertungen und Maßnahmen zur Härtung der Sicherheit abgeschlossen werden.
Zuwächse bei Benchmarks und Fortschritte bei der Cybersicherheit
Z.ai berichtete , dass GLM-5.3 im internen Z.ai Code Bench eine Verbesserung von 50 % gegenüber GLM-5.2 erzielt. Bei öffentlichen Evaluierungen erreichte das System 88,2 im Terminal Bench 2,1, 28,3 im Terminal Bench 3,0 und 66,9 im DeepSWE v1,1.
Das Unternehmen hob neu entstandene Cybersicherheitsfähigkeiten hervor, die sich während des Post-Trainings entwickelt hätten. Beim CyberGym-Benchmark zur Erkennung von Sicherheitslücken erzielte GLM-5.3 84,5 % und lag damit knapp vor Anthropic’s Mythos 5 mit 83,8 % und OpenAIs GPT-5.6 Sol mit 83,6 %.
Beim Erstellen aktiver Exploits liegt das Modell jedoch hinter geschlossenen US-Spitzensystemen zurück. Im ExploitBench erreichte GLM-5.3 54,4 % und lag damit hinter Mythos 5s 78,0 %. In einem zeitlich auf sechs Stunden begrenzten Test im ExploitGym erledigte GLM-5.3 130 Aufgaben zur Entwicklung von Angriffen, verglichen mit 247 Aufgaben, die von Mythos 5 protokolliert wurden.
Begleitend zur Ankündigung startete Z.ai das Z.ai Security Disclosure Ledger, in dem 2.436 Sicherheitslücken dokumentiert werden, die in 269 Open-Source-Softwareprojekten identifiziert wurden, darunter Komponenten des Linux-Kernels und Apache-Projekte.
Kontrollierter Zugang und Sicherheitsmaßnahmen
Um offensive Risiken zu steuern, erklärte Z.ai, ein mehrstufiges Einführungsmodell umzusetzen, bei dem sensible Exploit-Funktionen im Rahmen eines Programms für vertrauenswürdigen Zugang auf geprüfte Sicherheitspartner beschränkt bleiben.
Das Unternehmen erklärte auf X, es habe Schutzmaßnahmen hinzugefügt, um bösartige Anfragen abzulehnen und zugleich legitime defensive Tests zu unterstützen, und schrieb: „Eine offene Welt kann nicht nur offene Angriffsflächen haben. Sie muss auch einen offenen Schutzschild haben.“
„Soweit ich weiß, ist dies das erste Mal, dass ein chinesisches Labor die verzögerte offene Veröffentlichung von Modellgewichten öffentlich mit Sicherheitsüberlegungen begründet“, sagte Gabriel Wagner, ein Forscher für KI-Governance bei Concordia AI, wie Reuters berichtete.
Starke technische Ergebnisse haben die Fragen zur kommerziellen Position von Z.ai nicht ausgeräumt.
Trotz der Produktversprechen fielen die Aktien des in Hongkong gelisteten Unternehmens Z.ai am Freitag um fast 4 %. Der Analyst von Bloomberg Intelligence, Robert Lea, merkte an, „Dieses Unternehmen steht weiterhin auf einem völlig unhaltbaren kommerziellen Fundament“, und fügte hinzu: „Der zunehmende Einsatz agentischer KI wird die Inferenzkosten und Verluste von Z.ai weiter in die Höhe treiben.“
Was der Start bedeutet
Die Bedeutung von GLM-5.3 liegt weniger in der Frage, ob es jedes führende US-Modell überholt hat, als darin, wie konkurrenzfähig chinesische Systeme bei spezialisierten Aufgaben in den Bereichen Programmierung und Cybersicherheit werden.
Z.ai zeigt, dass durch Post-Training leistungsfähigere Programmiermodelle entstehen können, ohne das zugrunde liegende Modell zu ersetzen. Gleichzeitig deuten die Ergebnisse im Bereich Cybersicherheit darauf hin, dass Allzweck-Programmiersysteme offensive Fähigkeiten schneller als erwartet entwickeln können, je ausgefeilter das Training wird.
Die schwierigere Frage ist, was geschieht, wenn diese Verbesserungen sicherheitskritische Aufgaben erreichen. Z.ai verschiebt die offene Veröffentlichung der Gewichte von GLM-5.3, während das Unternehmen die Sicherheitsarbeiten abschließt. Damit wird das Spannungsverhältnis zwischen offenem Zugang und dem Risiko deutlich, dass sich stärkere defensive Fähigkeiten auch für Angriffe zweckentfremden lassen.
Weitere Nachrichten: DeepSeeks V4 Pro fordert Anthropic’s Claude Opus 5 bei Entwicklern heraus, was den Wettbewerb darum verschärft, welche KI-Modelle Programmieraufgaben am besten bewältigen.