GLM-5.3: Z.aiのコーディングモデルが予期せぬサイバーセキュリティ能力を獲得

Z.aiは2026年8月14日にGLM-5.3をリリースしました。このリリースはマイナーバージョンアップとしては異例の内容です。ベースモデルはGLM-5.2から変更されていないにもかかわらず、コーディングとエージェント関連のスコアが大幅に向上し、さらに同社が意図していなかったサイバーセキュリティ能力を獲得しました。実際に何が変わったのか、AIエージェントを構築する上で重要なベンチマーク、そしてオープンウェイトがまだ公開されていない理由を解説します。

GLM-5.3とは何か？

GLM-5.3はZ.aiのGLMシリーズにおける最新のオープンウェイトモデルで、フロンティアクラスのコーディング・エージェント向けモデルとして位置づけられています。注目すべき点は、GLM-5.2と同じ7430億パラメータのMixture-of-Expertsベースを再利用しており、報告されているすべての性能向上は新しいアーキテクチャではなく、スケールアップされたポストトレーニングによるものだということです（MarkTechPost）。

平たく言えば、Z.aiは既存モデルをより多く、より多様なタスク環境でトレーニングするために計算リソースを追加投入しました。それがすべてのレシピであり、ポストトレーニングだけでオープンウェイトモデルをどこまで押し上げられるかを追跡している人にとって有益なデータポイントです。

GLM-5.3がGLM-5.2から改善された点

Z.aiはこの手法を環境スケーリングと表現しています。GLM-5.2がトレーニングスタックを導入し、GLM-5.3はより大規模なシミュレーション済みプロフェッショナル作業環境でモデルを動かすために計算リソースを追加投入しました（Unite.AI）。

これらは単純なコーディングパズルではありません。一例として、モデルはMLインフラエンジニアの環境（計算クラスター、内部ドキュメント、コードベース、実験結果を含む）に投入され、ボトルネックの診断、修正の実装、測定可能な速度改善の達成を求められます。一部のタスクは経験豊富なエンジニアが数日かけて行う作業量に相当します。これらを大量に構築するため、Z.aiは実際の作業パターンを実行可能な長期タスク環境に変換するリサーチエージェントと、各タスクが実際に解決可能であることを検証するジャッジエージェントを活用しています。

その成果はこのレシピから期待される通りの場所に現れています。タスクのホライズン（実行期間）が長いほど、向上幅が大きくなります。

GLM-5.3のコーディングベンチマーク

以下の数値はすべてベンダー報告値です。GLM-5.2との比較：

• Terminal-Bench 3.0： 4.6 → 28.3 — 最長ホライズンのCLIベンチマークで約6倍の向上。
• DeepSWE v1.1： 46.2 → 66.9。
• Agents' Last Exam（CLI）： 23.8 → 28.5。
• GDPval-AA v2（44職種にまたがる）：1,769点。

Z.aiの内部Code Benchでは、GLM-5.2比で約50%の改善が報告されており、注目すべき効率性も示されています。GLM-5.3はタスクあたり約50,000出力トークンで31.4%のスコアを達成しているのに対し、Claude Opus 4.8は120,000トークンを使用して29.5%にとどまっています。より少ないトークンでより多くの作業をこなしていることになります。なお、Claude Fable 5は最大努力設定で39.5%を記録し、このベンチマークでトップを維持しています（MarkTechPost）。

正直な注意点として、公開ベンチマークスイートでは、GLM-5.3はいくつかの難易度の高いコーディング評価でGPT-5.6 SolやFable 5に後れを取っています。また、Code Benchは非公開ベンチマークであるため、その数値はまだ独立して再現できません。Z.aiが非公開にしている理由はデータ汚染です。公開テストセットはトレーニングデータに漏洩するためです。

Z.aiが意図しなかったサイバーセキュリティの結果

これがGLM-5.3を通常のモデルリリースを超えたニュースにした部分です。Z.aiはポストトレーニングに脆弱性発見データを追加し、モデルが個々のバグに関する推論を改善することを期待していました。しかし、トレーニングのスケールアップとともに能力が複合的に向上し続け、モデルは完全な攻撃チェーン全体にわたって一貫した計画を立て始めました（SiliconRepublic）。

数値はその主張を裏付けており、パターンは一貫しています。ベンチマークが攻撃チェーンの深い部分に位置するほど、向上幅が大きくなります：

• CyberGym（ホワイトボックスソースからバグを発見・検証）：77.2% → 84.5%、Mythos 5（83.8%）とGPT-5.6 Sol（83.6%）をわずかに上回る。
• ExploitBench（根本原因の推論と動作する攻撃コードの作成）：24.4% → 54.4% — GLM-5.2の2倍以上だが、Mythos 5の78.0%には及ばない。
• ExploitGym（時間予算内で完了したタスク）：2時間で105タスク、6時間で130タスク — GLM-5.2の29タスク・39タスクと比較。

Z.aiはまた、GLM-5.2以降、自社モデルが実際に展開されているバグを発見したと述べています。269のオープンソースプロジェクトにわたる2,436件の脆弱性で、そのうち1,097件はクリティカルまたは高深刻度と評価されており、カーネル、ブラウザエンジン、ネットワークプロトコルにまたがっています。同社によれば、最も古いバグは1981年に遡るものでした。これらは公開のセキュリティ開示台帳に反映されており、リリース時点で53件のCVEが開示され、2,383件はまだエンバーゴ中です。

オープンウェイトがまだ公開されていない理由

ここがGLM-5.2のやり方からの逸脱点です。GLM-5.2のウェイトはリリースから数日以内にHugging Faceで公開されました。GLM-5.3のウェイトは段階的公開となっており、現時点ではZ.ai API、GLM Coding Plan、ZCodeを通じてのみ利用可能で、安全性評価とハードニングを経て約2週間後にウェイトが公開される予定です（SiliconANGLE）。

その理由はサイバーセキュリティの結果に直接関係しています。Z.aiは、攻撃的セキュリティ能力が予想以上に速く発展したと公式に認めているモデルのハードニングを行っています。これはGLM初のリリースで、明示的に安全性レビューのために公開が保留されています。

ビルダー向けにもう一つ注目すべきAPI仕様の変更があります。GLM-5.3は3段階の思考努力レベル（low、high、max）をサポートしており、思考を無効化することができなくなりました — 以前に思考をオフにして動作させていたアプリにとっては破壊的変更です。

AIエージェントを構築する場合のGLM-5.3の意味

実践的なポイントをいくつか挙げます：

• 長期タスクのコーディングエージェントが最適な用途です。 性能向上は、ワンショットの補完ではなく、マルチステップのCLI作業やリポジトリ規模の作業（リファクタリング、CIトリアージ、長時間実行のエージェントループ）に集中しています。
• 効率性はヘッドラインスコアと同様に重要です。 120Kトークンではなく約50Kトークンで同等の作業をこなすことは、一日中稼働するエージェントワークロードにとって実質的なコスト削減要因です。
• 今日から使えますが、どこでも使えるわけではありません。 スタートアップはCoding PlanまたはAPIを通じて今すぐ採用できます。データレジデンシーやベンダーレビューのルールがあるチームはウェイトの公開を待つべきです。
• ベンダーベンチマークは出発点として扱ってください。 最も目を引く数値（内部Code Bench、ハーネス内サイバースコア）はまだ独立して再現されていません。2026年8月末頃に予定されているウェイトのリリースが、外部テストの始まりとなります。

GLM-5.3のようなモデルを自分のAIワークフォースで活用する

GLM-5.3の話は本質的に長期的なエージェント作業についてのものです。一つのプロンプトに答えるのではなく、マルチステップのタスクをエンドツーエンドで実行するモデルです。それはまさにEigentが構築されている目的です。Eigentはオープンソースのローカル「Cowork」デスクトップアプリで、このようなモデルを実際のワークフロー向けのマルチエージェントワークフォースに変換します。GitHub PRのレビューから、完全に自分で所有できるセルフホスト型AIコーディングエージェントの運用まで対応しています。モデルは自分で持ち込み、作業はマシン上に保持できます。Eigentをダウンロードして、今日から自分のエージェントワークフローを構築しましょう。