Z.ai выдали одно из самых сильных обновлений сезона. В релизе GLM-5.3 базовая модель осталась прежней, а весь впечатляющий прирост обеспечило исключительно масштабирование этапа post-training! Разработчики сфокусировались на обучении с подкреплением в сложных средах, где задачи имитируют реальную работу инженера. Нейросеть получает доступ к кластерам, внутренним логам и коду, после чего должна самостоятельно найти узкие места в инфраструктуре и выкатить оптимизацию. В итоге на бенчмарке DeepSWE v1.1 результат прыгнул с 46.2 до 66.9, а на Terminal Bench 3.0 оценка выросла почти в шесть раз.

Фокус на многошаговом планировании дал неожиданный побочный эффект в кибербезопасности. Модель научилась не просто подсвечивать изолированные ошибки в коде, а выстраивать полноценные цепочки эксплуатации. По данным разработчиков, такой подход позволил найти 2500 уязвимостей, причем возраст самой старой составил 45 лет. На метрике ExploitBench, требующей глубокого анализа реальных багов, GLM-5.3 набирает 54.4% — это более чем двукратный рост по сравнению с прошлым поколением.

Развитие автономных агентов сейчас жестко упирается в качество сред для тестирования. Команда решила эту проблему через автоматизацию: одни алгоритмы собирают паттерны из логов реальной работы, а другие выступают судьями и проверяют решаемость сгенерированных задач. Это дает чистый сигнал вознаграждения для тренировки без ручной разметки каждого шага. Открытые веса новой модели обещают опубликовать через две недели, сразу после завершения проверок безопасности.