GLM-5.3: кодтау мен киберқауіпсіздік моделі
GLM-5.3 үшін біз тек кейінгі оқыту ауқымын кеңейттік. GLM-5.2 нұсқасында біз негіз құрастырдық: тиімді ұзын контексті өңдеуге арналған IndexShare, ұзақ көкжиекті тапсырмаларға арналған RL үшін SAO және ауқымды асинхронды оқытуға арналған slime — мұның бәрі біз біртіндеп жинақтап келе жатқан ұзақ көкжиекті тапсырмалар орталарында іске қосылды. Өткен ай бойы осы негізді кеңейтуді жалғастырдық: орталар санын арттырдық, тапсырмаларды түрлендірдік және оларды оқытуға көбірек есептеу ресурсын жұмсадық.
Бүгін GLM-5.3 нұсқасын ұсынып отырмыз. Оның негізі GLM-5.2-дегідей — барлық өсім кейінгі оқыту кезеңінде қол жеткізілді. GLM-5.2 нұсқасымен салыстырғанда, күрделі кодтау мен ұзақ көкжиекті тапсырмаларды орындауы әлдеқайда жақсы:
- Кодтау қабілеті жоғары: GLM-5.3 — кодтауға арналған ашық салмақты модельдердің ішіндегі ең қабілеттісі. Ол Z.ai компаниясының ішкі Code Bench бенчмаркіндегі көрсеткішін GLM-5.2-мен салыстырғанда 50%-ға жақсартты. Сондай-ақ Terminal Bench 3.0 және Agents' Last Exam сияқты ашық бенчмарктерде ашық бастапқы кодты модельдер арасындағы SOTA нәтижесіне қол жеткізді.
- Пайда болған киберқауіпсіздік мүмкіндігі: кейінгі оқыту ауқымын кеңейткен сайын, киберқауіпсіздікке қатысты мүмкіндіктер күткенімізден де жылдам дамыды. GLM-5.3 осалдықтарды анықтау бойынша CyberGym бенчмаркіндегі ең үздік модель, ал оның өсімі пайдалануға жарату тізбегінің жоғарғы сатыларында ең жоғары: пайдалануға жарату бенчмарктерінде GLM-5.2 нәтижесінен екі еседен астам жоғары.
- Ашық бастапқы код: қауіпсіздікті бағалау мен нығайту аяқталған соң, іске қосылғаннан кейін екі апта ішінде салмақтарды жариялаймыз.
Пайда болған киберқауіпсіздік мүмкіндігі
Кейінгі оқыту барысында осалдықтарды анықтауға арналған деректер мен орталарды оқыту жинағына қостық. Бұл модельдің осалдықтарды табу және олар туралы пайымдау қабілетін жақсартады деп күттік. Алайда бұл қабілет күткен межеден қаншалықты асып түскені бізді таңғалдырды.
Осалдықтарды талдау мен пайдаланудың әртүрлі кезеңдерін қамтитын үш бенчмарк бойынша GLM-5.3 моделін бағалаймыз. Бастапқы код ақ жәшік күйінде беріліп, модельдің ақауларды іске қосу арқылы осалдықтарды анықтап, тексере алатынын бағалайтын CyberGym бенчмаркінде GLM-5.3 84.5% жинады. Бұл GLM-5.2-нің 77.2% көрсеткішінен жоғары және бенчмарктегі ең үздік нәтиже; Mythos 5 (83.8%) пен GPT-5.6 Sol (83.6%) модельдерінен озып тұр. Нақты осалдықтар мен оларды пайдалануды тереңірек пайымдауды талап ететін ExploitBench бенчмаркінде GLM-5.3 54.4% нәтижеге жетті. Бұл GLM-5.2-нің 24.4% көрсеткішінен екі еседен астам жоғары, ал Mythos 5 пен GPT-5.6 Sol сәйкесінше 78.0% және 76.5% жинады. Уақытқа шаққандағы бюджет шегінде модель қанша тапсырманы орындай алатынын өлшейтін ExploitGym бенчмаркінде GLM-5.3 екі сағат ішінде 105 тапсырманы, алты сағат ішінде 130 тапсырманы орындады. GLM-5.2 осы уақыт аралықтарында сәйкесінше 29 және 39 тапсырманы орындаған. Mythos 5 әлі де едәуір алда: 181 және 247 тапсырма. Үш бенчмарктен де бірдей үлгі байқалады: бенчмарк пайдалануға жарату тізбегінің неғұрлым жоғары сатысын қамтыса, GLM-5.2-мен салыстырғандағы өсім соғұрлым үлкен — әрі жабық озық модельдермен қалған алшақтық та кеңірек. Біз ең көп артта қалған тұстарда қабілет ең жылдам өсіп келеді.
Содан кейін бұл мүмкіндіктер бақыланатын бенчмарктерден тыс жерлерде де қолданыла ма, соны тексердік. GLM-5.2 шыққаннан бері Қытайдағы бірнеше қауіпсіздік тобымен бірлесіп, модельдерімізді нақты кодтық базаларда сынап келеміз. Сарапшылар тексеріп, іріктеп, қайталанатындарын алып тастағаннан кейін, модель 269 жобадан 2 436 осалдықты анықтады. Олардың ішінде орташа және жоғары дәрежелі 1 097 мәселе бар. Табылған осалдықтар жүйелік ядроларды, операциялық жүйелерді, браузер қозғалтқыштарын, ашық бастапқы кодты инфрақұрылымды, веб-қосымшалар мен желілік протоколдарды қамтиды. Көбісі жылдар, тіпті ондаған жыл бойы байқалмай келген. Ең ескісі шамамен 40 жыл бұрын пайда болған.
Бұл жұмыс содан бері жалғасып келе жатқан осалдықтарды жариялау бастамасына ұласты. Табылған осалдықтар жариялау үдерісінен өтіп жатқанда, олар туралы ашық ақпаратты жүргізу үшін Z.ai қауіпсіздік олқылықтарын жариялау тізілімін жасадық. Жаңа осалдықтар тексеріліп, жарияланған сайын тізілім үздіксіз жаңартылып отырады. Онда жұртшылыққа жарияланған мәселелер мен жариялау үдерісі әлі жалғасып жатқандар бөлек көрсетіледі. Жарияланған мәселелер үшін тізілімде зардап шеккен жоба, осалдық дәрежесі, қолжетімді болса CVE нөмірі және осалдықтың кодтық базада қанша уақыт болғаны туралы ақпарат бар.
slime: ұзақ көкжиекті RL ауқымын кеңейтуге арналған
Мұның бәрі RL ауқымын кеңейтуге арналған, ашық бастапқы кодты кейінгі оқыту негізіміз — slime жүйесінде іске асады. Оқыту жағында Megatron, ал rollout жағында SGLang қолданылады. Жүйенің архитектурасы оқытуды, rollout үдерісін және деректер буферін бір деректер ағынында біріктіреді. Сондықтан математика, код, құмсалғыштар, тексеру жүйелері және агенттерге арналған ұзақ көкжиекті орталар оқыту циклін өзгертуді қажет етпей, дерек генерациясы ретінде қосыла алады. Соның арқасында GLM-5.2 және GLM-5.3 нұсқаларын әзірлеу барысында әр жолы оқыту негізін қайта құрастырмай-ақ жаңа орталарды қоса бердік.
GLM-5.3 нұсқасын әзірлеу кезінде жүйені екі бағытта дамыттық. Алгоритмдік жағынан RL зерттеулеріне арналған мүмкіндіктерді қостық: top-p mask, top-k және толық сөздік OPD, сондай-ақ оқыту мен rollout үдерістерінің үйлесімділігін арттыратын конфигурациялар. Олардың ішінде R3 үлгісіндегі баптаулар және оқыту мен rollout жолдары арасындағы толық сандық сәйкестік бар. Бұл үлгілерді іріктеуді, оқытуды және мұғалім сигналдарын дәлірек басқаруға, сондай-ақ бақыланатын салыстыруларды жылдам жүргізуге мүмкіндік береді. Оқыту мен rollout үйлесімділігін бағалағанда, логарифмчилолын дундаж айырма (logprob) 1e-7 түвшинд хянагдаж, өмнөх тохиргоотой харьцуулахад 99.99%-аас илүү буурсан.
Сондай-ақ ауқымды RL-дегі ресурстарды тиімді пайдалану мен жүйенің өткізу қабілетін арттыру бағытында жұмыс істедік. Енді жергілікті сақтау орны қосымша кэштеу қабаты ретінде қызмет етіп, хост жадында тұратын модель күйлері мен деректерді иерархиялық түрде сақтайды. Бұл әсіресе көп мұғалімді OPD үшін маңызды: оқыту жағында мұғалімдерді динамикалық ауыстыру мен алдын ала жүктеу арқылы әрқайсысына ұзақ уақыт жұмыс істейтін арнайы инференс қызметін іске қоспай-ақ бірнеше мұғалімді пайдалануға болады. Қосымша шығыны аз, ал ресурстарды тұтыну едәуір төмен. Агенттік және асинхронды жүктемелер үшін маршрутизатор мен slime арасындағы бірлескен жоспарлау мен жүктемені теңгеруді жақсарттық. Соның арқасында ұзақтығы мен аяқталу уақыты әртүрлі rollout сұраулары инференс ресурстарын тиімдірек пайдаланады. Әр rollout ортасының сипаттамаларына сүйене отырып, өткізу қабілетін арттыруға бағытталған конфигурацияларды — prefill/decode ресурстарының арақатынасын, қатар орындалатын сұраулар параметрлерін және өткізу қабілетіне әсер ететін басқа параметрлерді — анықтайтын жүктемені ескеретін эвристикаларды қостық. Нәтижесінде ұзақ көкжиекті кодтау RL тапсырмаларында осы жүйелік оңтайландырулар RL оқытуының басынан аяғына дейінгі өткізу қабілетін 2.3×-тен астам арттырды. Бұл оқытуды ұзағырақ траекториялар мен күрделірек орталарда едәуір тиімді түрде ауқымдауға мүмкіндік берді.
Жалпы алғанда, бұл өзгерістер тәжірибе жүргізуге көбірек икемділік, ресурстарға кететін шығынды азайту және өткізу қабілетін арттыру мүмкіндігін береді. Мұның арқасында RL ауқымын кеңейтуді жалғастыру тәжірибе жүзінде мүмкін болды.
GLM-5.3 нұсқасын бастап көру
GLM-5.3 API өзгерістері
GLM-5.3 үш ойлау деңгейін қолдайды: low, high және max. GLM-5.3 нұсқасында ойлауды өшіруге енді қолдау көрсетілмейді.
| Параметр | Мәндер | Әдепкі мәні | Сипаттамасы |
|---|---|---|---|
| thinking.type | enabled | enabled | Ойлау үдерісін қосады. Енді disabled мәніне қолдау көрсетілмейді. |
| reasoning_effort | low, high, max | max | low: жеңіл; high: күшейтілген; max: терең. Кодтау тапсырмалары үшін max ұсынылады. |
{
"model": "glm-5.3",
"thinking": { "type": "enabled" },
"reasoning_effort": "max"
}Көшу үшін өзгерту қажет: Егер қолданбаңызда қазір thinking.type: "disabled" қолданылса, модель ID-сін glm-5.3 нұсқасына ауыстырмас бұрын оны enabled етіп өзгертіп, reasoning_effort параметріне low мәнін орнатыңыз. Әйтпесе, сұрау орындалмайды.
GLM-5.3 нұсқасын GLM Coding Plan және ZCode көмегімен пайдалану
Өзіңізге ұнайтын кодтау агенттерінде — ZCode, Claude Code, OpenCode және басқаларында — GLM-5.3 нұсқасын қолданып көріңіз. devpack шолуымен танысыңыз.
GLM Coding Plan жазылымын пайдаланушыларға: GLM-5.3 моделін GLM Coding Plan қолданушыларының барлығына ұсындық. Жаңа GLM Coding Plan енді ұпайға негізделген квота жүйесін қолданады. Ұпай тұтынуы кіріс, кэштелген кіріс және шығыс токендері үшін бөлек есептеледі. Қарбалас уақыттан тыс жасалған модель шақырулары стандартты ұпай мөлшерінің 50%-ын жұмсайды. Қарбалас уақыт — дүйсенбіден жұмаға дейін, 14:00–18:00 аралығы (UTC+8); демалыс күндерін қоса алғанда, қалған барлық уақытта қарбалас емес кезеңге арналған 50% жеңілдік қолданылады. Қазір бастап көріңіз: z.ai/subscribe
ZCode арқылы GLM-5.3 мүмкіндіктерін толық пайдаланыңыз
- Кэштің 98%+ сәйкестік деңгейі — қайталанатын контекстке кэштелген төмен тариф бойынша ақы алынады, тиімді токен саны ~30%-ға артады
- Шектеулі уақытқа квотаны 1.5x арттыру — кэш үнемімен қосып, 31 тамызға дейін стандартты квотаны 180%-ға дейін көбейтіңіз
- Ұзақ көкжиекті тапсырмаларды меңгеру — Goal режимі мақсатқа жеткенше жоспарлайды, код жазады, сынақтан өткізеді және тексереді
- Қашықтан басқару — WeChat немесе Feishu арқылы ұзақ орындалатын тапсырмаларды телефоныңыздан бақылап, басқаруға болады
ZCode қолданып көріңіз: zcode.z.ai
GLM-5.3 нұсқасын жергілікті ортада іске қосу
GLM-5.3 моделінің салмақтары іске қосылғаннан кейін екі апта ішінде көпшілікке қолжетімді болады.