GLM 5.3

Краткая характеристика

glm-5.3 — это текстовая модель рассуждения, выпущенная Zhipu, ориентированная на сложную разработку программного обеспечения и длительные задачи агентов. Она использует базовую модель предыдущего поколения; все улучшения получены за счёт посттренировки; рассуждение всегда включено и поддерживает три уровня интенсивности: low, high и max; контекстное окно составляет около 1 млн токенов. Подходит разработчикам, которым нужно, чтобы модель самостоятельно выполняла многошаговые вызовы инструментов, понимала код между файлами и работала в терминале, а также командам, которые следят за эффективностью токенов рассуждения и хотят снизить затраты на вывод при том же результате по задаче.

Ключевые особенности

• Заметный рост возможностей кодирования и агентов по сравнению с предыдущим поколением — по официальным данным, на собственном Z.ai Code Bench прирост относительно GLM-5.2 составляет около 50%, а на публичных бенчмарках, таких как Terminal Bench 3.0, достигнут открытый SOTA.
• Меньше выходных токенов при более высоком результате — уровень Max расходует около 75K токенов на задачу против 96K у предыдущего поколения; производительность и эффективность токенов улучшаются одновременно, а стоимость длинных задач становится более контролируемой.
• Три уровня интенсивности рассуждения, настраиваемые под задачу — low, high и max соответствуют разным затратам на рассуждение; по умолчанию включён max, что позволяет выбирать между задержкой и качеством.
• Контекстное окно около 1M токенов — позволяет за один раз включить крупную кодовую базу и длинный диалог, поддерживает целостный анализ между файлами и модулями.

Описание возможностей

Понимание сверхдлинного контекста: контекстное окно составляет около 1 048 576 токенов, что позволяет поместить крупную кодовую базу или многораундовый длинный диалог целиком в один запрос и снизить инженерные затраты на нарезку и склейку.

Настраиваемая интенсивность рассуждения: рассуждение всегда включено, поддерживаются три уровня — low, high и max, по умолчанию max; можно выбирать в зависимости от сложности задачи, балансируя скорость ответа и глубину рассуждения.

Разработка ПО и агентное кодирование: ориентировано на многошаговые вызовы инструментов, генерацию и рефакторинг кода; по официальным данным, на Z.ai Code Bench прирост относительно предыдущего поколения составляет около 50%, что подходит для самостоятельного продвижения моделью сложных инженерных задач.

Работа в терминале и длительные задачи: достигает открытого SOTA на бенчмарках Terminal Bench 3.0, Agents' Last Exam и других, подходит для автоматизации командной строки и агентных процессов, требующих множества последовательных решений.

Текстовое рассуждение и вывод: входной и выходной модальностью является текст, оплата по токенам; модель можно напрямую подключать к бизнес-цепочкам диалогов, анализа и генерации.

Сценарии применения

• Анализ крупных кодовых баз командами разработки — на вход подаются исходный код из разных файлов и описание требований, на выходе — план рефакторинга или предложения по изменениям для повседневной разработки и код-ревью.
• Построение многошаговых процессов вызова инструментов разработчиками агентов — на вход подаются цель задачи и определения инструментов, на выходе — последовательные решения о вызовах на протяжении многих раундов для автоматизированных рабочих процессов и фоновой оркестрации задач.
• Автоматизация задач в терминале командами эксплуатации и инструментария — на вход подаются командная среда и инструкции задачи, на выходе — исполняемая последовательность команд для генерации скриптов и автоматизации работы в терминале.
• Оценка обнаружения уязвимостей командами безопасности — на вход подаются целевой код и условия оценки, на выходе — признаки уязвимостей и выводы анализа для внутренней оценки безопасности; предварительно следует оценить риски двойного назначения.

Ограничения и рекомендации по выбору

Процесс рассуждения нельзя отключить, поэтому даже низкосложные запросы создают дополнительную задержку и затраты; для простой классификации, переписывания коротких текстов и подобных сценариев можно использовать более лёгкие модели. Улучшения получены за счёт посттренировки, а не итерации архитектуры; базовая модель та же, что у предыдущего поколения. Способности, связанные с обнаружением уязвимостей и цепочками эксплуатации, заметно выросли, поэтому риски двойного назначения следует самостоятельно оценить перед использованием в сценариях безопасности. Веса модели публикуются позже; на начальном этапе основной способ — вызовы через API. Оплата ведётся по токенам; длинный контекст и рассуждение уровня max существенно увеличивают расход.