Китайская компания Z.ai опубликовала веса языковой модели GLM-5.3. Новинка насчитывает 753 млрд параметров и рассчитана прежде всего на программирование, работу в терминале и длинные автономные задания. Скачать модель можно на Hugging Face, но полная версия требует серверного оборудования: на обычном компьютере разумнее использовать облачный доступ или сильно сжатую сборку.
Что изменилось после GLM-5.2
GLM-5.3 использует ту же базовую модель, что и GLM-5.2. Прирост, по объяснению Z.ai, получен на этапе post-training — последующего обучения на задачах, обратной связи и сценариях работы с инструментами. Компания не стала повторять дорогое базовое обучение сотен миллиардов параметров, а сосредоточилась на поведении агента после получения задания.
Главный акцент сделан на задачах, где модель должна не выдать один фрагмент кода, а несколько часов работать с репозиторием: читать файлы, запускать тесты, исправлять ошибки и возвращаться к предыдущим решениям. Именно на длинной цепочке действий слабые модели чаще теряют контекст или начинают повторять неудачные шаги.
Какие результаты заявляет Z.ai
На собственном Z.ai Code Bench разработчики фиксируют рост на 50% относительно GLM-5.2. В публичном Terminal Bench 3.0 результат увеличился с 4,6 до 28,3 балла, в DeepSWE — с 46,2 до 66,9, в CyberGym — с 77,2 до 84,5. Полная таблица, условия запусков и оговорки опубликованы в карточке модели.
Цифры нельзя переносить на любую реальную работу без проверки. Часть тестов проводила сама Z.ai, а итог зависит от агентской оболочки, времени выполнения, размера контекста и числа попыток. В нескольких испытаниях использовалось контекстное окно до миллиона токенов и до 128 тысяч токенов на ответ. Одинаковое название модели при более коротком контексте и другом сервере может дать иной результат.
Почему вокруг модели заговорили о кибербезопасности
Разработчики отдельно описали рост возможностей в поиске уязвимостей и эксплуатации тестовых систем. В ExploitGym модель заметно превзошла GLM-5.2, хотя уступила некоторым закрытым конкурентам. Речь идёт о лабораторных стендах и разрешённых задачах, а не о праве проверять чужие серверы.
Для компаний это означает необходимость ограничивать доступ агента к ключам, производственным базам и сети. Если модель умеет самостоятельно выполнять команды, её следует запускать в изолированном контейнере с минимальными правами и журналированием действий. Качество кода не отменяет проверку изменений человеком.
Можно ли назвать GLM-5.3 открытой
Корректная формулировка — модель с открытыми весами. Z.ai разрешает использовать, копировать, изменять, распространять и дообучать веса по собственной лицензии GLM-5.3. Это широкий набор прав, но лицензия не совпадает с классическими лицензиями открытого ПО.
Отдельное условие относится к компаниям, которые предоставляют модель как сервис и вместе с аффилированными структурами получают более 10 млрд долларов выручки за любые последовательные 12 месяцев. Для коммерческого использования им требуется пройти проверку безопасности Z.ai. Текст условия доступен в файле лицензии.
Сколько памяти нужно для локального запуска
На Hugging Face указан размер 753 млрд параметров. Если хранить каждый параметр в BF16 по два байта, только веса занимают около 1,5 ТБ, без кеша контекста и служебных данных. Один игровой ускоритель с 24 или 32 ГБ видеопамяти полную модель не вместит.
Квантизация уменьшает объём в несколько раз, но даже четырёхбитная версия остаётся системой на сотни гигабайт. Практический локальный запуск требует нескольких серверных GPU либо компьютера с очень большим объёмом общей и оперативной памяти. Перенос части слоёв в RAM возможен, но скорость резко падает и зависит от пропускной способности памяти.
Для знакомства с моделью проще выбрать провайдера готового API. Для закрытых данных — развернуть её на собственном сервере через vLLM или SGLang. В карточке Hugging Face есть команды запуска и перечень доступных квантизированных сборок. Загружать случайный архив с неизвестного сайта не стоит: модели такого размера распространяются частями, и подменённый скрипт запуска опаснее самих весов.
Кому имеет смысл переходить
GLM-5.3 интересна командам, которым нужен контроль над инфраструктурой, дообучением и журналами запросов. Её стоит сравнивать на собственных репозиториях: исправление типовой ошибки, миграция API, написание тестов и работа с внутренней документацией покажут больше, чем один общий рейтинг.
Переход с GLM-5.2 не требует нового базового формата, однако агентские инструкции и лимиты времени лучше настроить заново. Модель стала дольше работать над сложными задачами, а значит, без ограничения команд и бюджета способна потратить больше вычислений на неверную ветку решения.
Новые ИИ-модели, инструменты разработчиков и обновления сервисов разбирает Telegram-канал Digital Report.
