Zhipu AI が GLM-5.3 を投入 ── エクスプロイト能力が前モデルから倍増
「サイバーセキュリティ分野での急成長は想定外だった」とZhipu AI自身が明かしているGLM-5.3。ベースモデルはGLM-5.2と同じで、全ての変化がポストトレーニングから来ている点は驚きだが、攻撃チェーン後半での性能向上度はかなり強烈だ。オープンソースとして公開された今、その実力を確かめずにはいられない。
▸何が変わったのか
GLM-5.3はベースモデルをGLM-5.2から変更せず、ポストトレーニングによる最適化だけで性能を引き上げた点が特徴だ。コーディング能力は社内ベンチマーク「Z.ai Code Bench」で前モデル比50%向上し、オープンウェイトモデルとして最高性能を達成した。注目すべきはサイバー能力で、脆弱性発見ベンチマーク「CyberGym」で84.5点とSOTA（最先端）を記録。特に悪用（エクスプロイト）段階での伸びが大きく、ExploitGymでは2時間制限で105、6時間制限で130と、前モデルGLM-5.2の2倍超を示している。Terminal Bench 3.0でも4.6から28.3へ大幅に改善し、長期的なタスク処理能力も強化されている。
◈前モデル / 競合との比較
競合モデルと比較すると、コーディング系ベンチマークではGPT-5.6 SolやOpus 4.8に肉薄・一部で超える数値を出している。特にTerminal Bench 3.0ではGPT-5.6 Solの34.6に対して28.3と僅差ながら、オープンソースモデルとしては圧倒的な強み。サイバーセキュリティ関連のExploitBenchではGPT-5.6 Solの76.5に対し54.4と差があるものの、オープンウェイトモデルの中では明確な首位。Kimi K3やQwen3.8-Maxといった競合オープンソースモデルと比較しても、エクスプロイト能力では大きく上回っている。
◈技術背景と意義
通常、AIモデルの性能向上にはベースモデル自体の作り直し（ファインチューニングの基盤となる重みの更新）が必要だが、今回は既存の重みを維持したまま、後処理段階（ポストトレーニング）のデータや手法を改良するだけで大幅な性能向上を実現した。特に「サイバー能力」が想定外に高まったのは、セキュリティ関連のデータを大量に学習させた結果、単なる脆弱性検出だけでなく、実際に攻撃を再現・実行するまでの一連のロジックを推論できるようになったことを示唆している。初心者の方には「AIがハッカーの思考プロセスを模倣できるようになった」と考えてもらえれば、直感的に分かりやすいだろう。
▸こんな人・用途に
・セキュリティエンジニア：脆弱性スキャン後のエクスプロイト開発支援や、自動化的なセキュリティテスト環境構築に活用できる。・ソフトウェアエンジニア：複雑なコードリポジトリの理解や、長期間にわたるリファクタリングタスクの自動化。・研究者：オープンソースモデルとして公開されているため、サイバーセキュリティ分野でのAI挙動研究や、カスタムなポストトレーニング実験の基盤として利用可能。
◆入手方法・リンク
Hugging Face上でGLM-5.3-BF16として公開されている。オープンソースモデルのため、ダウンロードしてローカル環境での推論やファインチューニングが可能。GitHubリポジトリへの直接リンクは提供情報になかったが、Hugging Faceのモデルページから関連リソースへのアクセスが想定される。
SOURCE: Zhipu AI (2026-08-25)
