La compañía atribuye las mejoras del modelo al posentrenamiento y asegura que también aumentaron sus capacidades para reproducir vulnerabilidades y construir exploits.
Z.ai presentó el 14 de agosto de 2026 GLM-5.3, una nueva versión de su modelo orientada a programación, tareas de ingeniería de larga duración y uso de herramientas. La compañía sostiene que las mejoras no proceden de un nuevo modelo base, sino de una ampliación del posentrenamiento aplicado a la misma base utilizada por GLM-5.2.
El lanzamiento tiene una particularidad. Z.ai puso el modelo a disposición de los usuarios de su servicio de programación, pero decidió aplazar la distribución de los pesos mientras completa pruebas adicionales relacionadas con sus capacidades de ciberseguridad. La empresa indicó que prevé publicarlos unas dos semanas después del anuncio, lo que situaría el objetivo alrededor del 28 de agosto, siempre que concluya satisfactoriamente la revisión.
Más entrenamiento después del modelo base
El posentrenamiento es la etapa en la que un modelo previamente entrenado aprende a seguir instrucciones, utilizar herramientas, verificar resultados y desenvolverse en tareas específicas. En GLM-5.3, Z.ai afirma haber ampliado los entornos ejecutables, la duración de los ejercicios y los mecanismos utilizados para comprobar si una solución funciona.
Según las cifras publicadas por la compañía, GLM-5.3 obtuvo una mejora cercana al 50 por ciento frente a GLM-5.2 en su prueba interna Z.ai Code Bench. En evaluaciones públicas, la puntuación declarada para Terminal-Bench 3.0 pasó de 4,6 a 28,3, mientras que en DeepSWE v1.1 subió de 46,2 a 66,9.
Terminal-Bench 3.0 evalúa agentes mediante tareas complejas realizadas desde una línea de comandos. Por tanto, sus resultados no miden únicamente la generación de fragmentos de código, sino también la capacidad de inspeccionar un entorno, ejecutar herramientas y completar procesos con varios pasos.
Las cifras difundidas hasta ahora proceden de Z.ai y deben leerse como resultados del fabricante. No sustituyen pruebas independientes con configuraciones, presupuestos de cómputo y sistemas de agentes comparables.
El salto en las pruebas de seguridad
La parte más sensible del anuncio corresponde a la ciberseguridad. Z.ai informó de una puntuación del 84,5 por ciento en CyberGym. El diseño de CyberGym se centra principalmente en reproducir vulnerabilidades conocidas: el agente recibe una descripción del problema y el repositorio correspondiente, y debe generar una prueba de concepto capaz de activar el fallo.
Este alcance es importante para interpretar la cifra. Un buen resultado muestra capacidad para comprender código vulnerable y reproducir errores, pero no equivale por sí solo a descubrir vulnerabilidades desconocidas ni a comprometer sistemas reales sin información previa.
En ExploitBench, Z.ai declara que GLM-5.3 alcanzó un 54,4 por ciento, frente al 24,4 por ciento de GLM-5.2. Este banco de pruebas, descrito en su documento técnico, utiliza 41 vulnerabilidades del motor V8 y divide el proceso de explotación en 16 capacidades verificables, desde alcanzar el código defectuoso y provocar un fallo hasta construir primitivas de lectura, escritura o ejecución de código.
La empresa también informó que GLM-5.3 completó 105 tareas de ExploitGym dentro de un límite de dos horas, frente a 29 de su antecesor. El observatorio que documenta esta evaluación explica que ExploitGym mide la creación de exploits a partir de vulnerabilidades y pruebas de fallo proporcionadas al agente.
En conjunto, estos resultados sugieren una mejora en análisis y explotación de software dentro de entornos controlados. También explican la cautela de Z.ai, aunque no demuestran que el modelo pueda ejecutar de manera autónoma toda la cadena de un ataque contra objetivos no preparados.
Disponibilidad inicial y contexto ampliado
La documentación de Z.ai indica que GLM-5.3 está disponible para los usuarios Lite, Pro y Max de GLM Coding Plan. Puede configurarse en agentes compatibles con las interfaces de Anthropic u OpenAI y permite habilitar un contexto de hasta un millón de tokens mediante una variante específica del identificador del modelo.
La misma documentación señala que GLM-5.3 trabaja con texto y que los usuarios deben desactivar el soporte de imágenes en las herramientas que lo requieran. También admite distintos niveles de razonamiento, llamados effort, para ajustar la intensidad del procesamiento.
La decisión de retener temporalmente los pesos marca una diferencia entre el acceso comercial y una publicación abierta. Según informó Axios, Z.ai vinculó el aplazamiento a la necesidad de probar y reforzar sus controles antes de distribuir el modelo. Hasta que los pesos estén disponibles y terceros puedan repetir las evaluaciones, las comparaciones deben considerarse preliminares.
Fuentes
- Z.ai, presentación de GLM-5.3
- Z.ai, guía para utilizar GLM-5.3
- Z.ai, actualización de GLM Coding Plan
- CyberGym, artículo técnico
- ExploitBench, artículo técnico
- Frontier AI Cybersecurity Observatory
- Scale Labs, Terminal-Bench 3.0
Ilustración: captura del sitio
📬 Newsletter gratuito
