# GLM-5.3、後学習で攻防能力を拡大

> Z.aiはGLM-5.2のベースモデルを維持したまま後学習を拡大し、コーディング性能と想定以上に伸びた攻撃利用能力を報告した。重みは安全評価後の2週間後に公開する。

_Source: Z.ai official launch post and security disclosure ledger; benchmarks and vulnerability counts are vendor-reported · 2026-08-14 · 7 min read · Verified against primary sources_

Canonical: https://iyu.app/ja/e/glm-5-3-post-training-coding-cyber

## 60秒でわかる

GLM-5.3はGLM-5.2のベースを維持し、長期後学習を拡大して、コーディングとサイバー能力の向上を報告したモデルです。

**要点**

- 改善は新たな事前学習ではなく、環境、課題の多様性、強化学習計算量の増加によると説明されています。
- コーディング指標は大幅に伸びましたが、すべての評価でクローズドモデルを上回るわけではありません。
- 最大の相対改善は多段階の脆弱性利用に現れ、明確なデュアルユース性があります。
- ホスト型サービスは提供済みで、重みは2週間の安全評価と強化後に公開予定です。
- 思考は無効化できず、本番移行では推論強度、遅延、トークン、ツール制御の再確認が必要です。

**結論.** 公開事実は一次情報として確認できますが、性能と安全の数値はベンダー証拠です。独立再現と、後日公開される重み・安全文書が次の評価点です。

## 本文

> **⚑ Caveat:** モデル公開とAPI変更は一次情報です。ベンチマーク、トークン効率、脆弱性総数はZ.aiの自己報告であり、本稿では独立再現していません。


### 変更点 — ベースは維持、後学習を拡大

GLM-5.3はGLM-5.2と同じベースモデルを使います。Z.aiは、改善のすべてが、実行可能な環境、長期課題の多様性、強化学習の計算量を1か月増やした結果だと説明しています。

課題は単独の練習問題ではなく、実務の一単位に近い設計です。エージェントはコード、インフラ、文書、実験結果を調べ、変更を実装し、最終的な改善を検証します。環境生成、判定エージェント、隠れ状態を確認する検証器で規模を拡大しますが、人間の作業も残ります。


### コーディング — 伸びは大きいが全面首位ではない

- **28.3** — Terminal-Bench 3.0、前世代は4.6
- **66.9** — DeepSWE 1.1、前世代は46.2
- **28.5** — Agents' Last Exam、前世代は23.8

Z.aiはGLM-5.3を最も高性能なオープンウェイトのコーディングモデルと呼びますが、重みは公開時点で未配布です。同社の表でも、一部のオープンモデル評価では先頭に立つ一方、全項目で首位ではなく、複数のクローズドモデルに及ばない課題があります。

*Figure: Z.aiが公開したコーディング、サイバー、エージェント評価の比較表。数値は脚注の評価条件を伴うベンダー報告として読む必要があります。*


### デュアルユース — 攻撃利用チェーン後段の伸びが最大

Z.aiは脆弱性発見環境を意図的に追加しました。想定外だったのは、単独の欠陥発見だけでなく、複数段階にまたがる一貫した攻撃利用計画へ能力が急速に伸びたことだとしています。

- **CyberGym:** Z.ai報告ではGLM-5.3が84.5%、GLM-5.2が77.2%。
- **ExploitBench:** 54.4%対24.4%。一部のクローズドモデルはさらに高い。
- **ExploitGym:** 正規化した予算で2時間105件、6時間130件。前世代は29件と39件。

同社は269のオープンソースプロジェクトで2,436件を追跡し、うち1,097件がクリティカルまたは高深刻度だと報告しています。[公開台帳](https://cvd.z.ai/)は同じ総数を示し、53件の公開済み案件と2,383件の非公開案件を分けています。追跡は可能ですが、独立監査ではありません。


### 公開管理 — サービスを先行し、重みは強化後

GLM-5.3はZ.ai Coding PlanとZCodeですでに提供されていますが、重みは安全評価と強化を終えた2週間後に公開する方針です。後日示される安全報告、ライセンス、具体的な保護策が、この延期の実効性を判断する材料になります。

> **API** 移行上の変更：思考は常に有効です。reasoning_effortはlow、high、maxから選択し、既定値はmaxで、コーディングにもmaxが推奨されます。


### 結論 — ベースだけでなくエージェント全体を評価

採用を検討するチームは、品質、遅延、トークン、ツール権限、サンドボックス、安全審査を一体で再試験すべきです。同じベースモデルでも、後学習によって有用性とデュアルユースのリスクは大きく変わります。


## Primary sources

- [Z.ai — GLM-5.3 launch post](https://z.ai/blog/glm-5.3)
- [Z.ai Security Disclosure Ledger](https://cvd.z.ai/)
- [THUDM/slime post-training framework](https://github.com/THUDM/slime)

---
_Published by iyu (https://iyu.app) — the day's AI news, checked against primary sources and rewritten in plain language. Free to quote with attribution and a link to the canonical URL._