GLM-5.3 is now open-weight
GLM-5.3 utilise le même modèle de base que GLM-5.2 et obtient tous ses gains via un post-entraînement, avec des améliorations marquées sur les tâches de codage et de long horizon. Il affiche des performances de codage nettement supérieures, avec une amélioration de 50 % sur le banc Z.ai Code Bench interne et des records open-source sur des benchmarks publics comme Terminal Bench 3.0 et Agents' Last Exam. Des capacités cybernétiques émergentes ont été observées lors de l'extension du post-entraînement, conduisant à de fortes performances en découverte de vulnérabilités sur CyberGym et à des gains encore plus importants sur les étapes d'exploitation. Le modèle est prévu pour un déploiement local via plusieurs frameworks (SGLang, vLLM, TokenSpeed, Transformers, KTransformers, Unsloth) et prend en charge des backends d'inférence pour la plateforme Ascend NPU. Il propose des paramètres de contrôle du budget de raisonnement (reasoning_effort: low, high, max, par défaut max) et un paramètre de chat clear_thinking qui est false par défaut, avec des recommandations pour la reproduction des benchmarks.