GLM 5.3 API

Thông số kỹ thuật của GLM-5.3

Các kho mô hình công khai của Z.ai vẫn hiển thị nổi bật GLM-5.2 thay vì gói GLM-5.3 có thể tải xuống, vì vậy các thông số chưa được công bố nên được đánh dấu rõ ràng là chưa xác nhận.

GLM-5.3 là gì?

GLM-5.3 là thế hệ mới nhất của dòng GLM từ Z.ai và thể hiện sự chuyển dịch hướng tới các hệ thống AI có khả năng tự động thực hiện các tác vụ kỹ thuật và an ninh phức tạp.

Thông báo này đặc biệt đáng chú ý vì an ninh mạng không chỉ được trình bày như một hạng mục đánh giá khác. Z.ai đang sử dụng GLM-5.3 để trình diễn một hệ thống AI có khả năng phát hiện lỗ hổng phần mềm và tham gia vào quy trình phát triển tấn công.

Reuters đưa tin Z.ai dự định phát hành mô hình công khai sau khi hoàn tất các đánh giá bảo mật, trong khi các khả năng tiên tiến hơn ban đầu sẽ được hạn chế thông qua cơ chế truy cập tin cậy.

Đây là sự thay đổi trọng tâm đáng kể so với GLM-5.2.

GLM-5.2 chủ yếu được định vị quanh kỹ nghệ phần mềm tầm dài và lập trình theo hướng tác nhân. Trang nghiên cứu tháng Sáu của Z.ai mô tả GLM-5.2 là "Built for Long-Horizon Tasks."

GLM-5.3 đưa triết lý tác nhân đó vào một lĩnh vực nhạy cảm hơn nhiều:

kỹ nghệ phần mềm → phát hiện lỗ hổng → phòng thủ mạng → tấn công có kiểm soát

---

Những tính năng chính của GLM-5.3 là gì?

Lập luận lấy an ninh mạng làm trung tâm

Năng lực nổi bật là an ninh mạng.

GLM-5.3 đạt:

84.5% trên CyberGym

CyberGym đánh giá khả năng của một hệ thống AI trong việc xác định lỗ hổng phần mềm. Kết quả này nhỉnh hơn một chút so với mức 83.8% đã báo cáo của Mythos 5.

Điều này quan trọng vì an ninh mạng đòi hỏi nhiều hơn việc tạo ra mã đúng cú pháp.

Một tác nhân bảo mật hiệu quả cần:

1. Hiểu mã không quen thuộc.
2. Xác định bề mặt tấn công.
3. Hình thành giả thuyết về lỗ hổng.
4. Lần theo luồng dữ liệu và điều khiển.
5. Kiểm chứng giả thuyết.
6. Phát triển bằng chứng khái niệm phù hợp.
7. Xác định liệu lỗ hổng có thực sự có thể khai thác được hay không.

Điểm CyberGym của GLM-5.3 cho thấy có tiến bộ đáng kể ở phần đầu của chuỗi này.

Khả năng phát hiện lỗ hổng mạnh mẽ

Điểm CyberGym 84.5% có lẽ là kết quả ban đầu ấn tượng nhất.

Nó đặt GLM-5.3 nhỉnh hơn một chút so với Mythos 5 về nhận diện lỗ hổng:

Biên chỉ 0.7 điểm phần trăm, vì vậy mô tả GLM-5.3 vượt trội dứt khoát sẽ gây hiểu nhầm.

Điểm đáng chú ý hơn là một mô hình có trọng số mở từ Z.ai đang tiến vào vùng hiệu năng tương tự một hệ thống an ninh mạng bị hạn chế chặt chẽ.

Phát triển khai thác vẫn là điểm yếu

GLM-5.3 không thống trị mọi tác vụ an ninh mạng.

Trên ExploitBench:

Đó là khoảng cách 23.6 điểm.

Điều này cho thấy một khác biệt quan trọng:

Tìm ra lỗ hổng không đồng nghĩa với việc khai thác nó một cách đáng tin cậy.

GLM-5.3 có vẻ rất có năng lực trong việc xác định điểm yếu, nhưng các kết quả ban đầu cho thấy việc chuyển những phát hiện đó thành phát triển khai thác đáng tin cậy vẫn khó hơn đáng kể.

Đối với các nhóm bảo mật doanh nghiệp, điều này thực ra khiến mô hình trở nên thú vị như một trợ lý phân tích lỗ hổng phòng thủ, thay vì chỉ là một công cụ tự động hóa tấn công.

GLM-5.3 so với GLM-5.2

GLM-5.2 cung cấp đường cơ sở đã xác nhận hữu ích nhất.

Kiến trúc đã xác nhận của GLM-5.2 vào khoảng 753B tham số, và danh mục mô hình công khai của nó vẫn liệt kê mô hình 753B và phiên bản FP8.

GLM-5.2 cũng đạt 81.0 trên Terminal-Bench 2.1 và 62.1 trên SWE-bench Pro theo báo cáo của bên thứ ba dựa trên tài liệu đánh giá mô hình của Z.ai.

Nhưng những con số đó nên được giữ là chuẩn của GLM-5.2, không gán cho GLM-5.3.

GLM-5.3 so với Mythos 5

Đây hiện là phép so sánh thước đo chuẩn có ý nghĩa nhất.

Kết quả đưa đến một kết luận tinh tế.

GLM-5.3 thắng ở khâu xác định lỗ hổng.

Nhưng:

Mythos 5 vẫn mạnh hơn đáng kể ở phát triển khai thác.

Vì vậy, nói "GLM-5.3 vượt Mythos 5" sẽ là diễn giải không chính xác dựa trên dữ liệu hiện có.

Mô tả phù hợp hơn là:

GLM-5.3 đạt hiệu năng ngang mức Mythos 5 ở phát hiện lỗ hổng trong khi vẫn tụt sau ở phát triển khai thác.