研究とモデル 2026年10月16日

今週 · モデルカード更新 10 月 14 日；モデルは 8 月 25 日公開

GLM-5.3、首位は 16 項目中三つ——数字は自己申告

Z.ai は GLM-5.3 のモデルカードにある自己申告の評価表を更新した。16 項目のうち首位は三つだけで、攻撃コードを書く ExploitBench は 54.4、Fable 5 は 78.0 だった。 GLM-5.3 が首位の三項目は CyberGym、AutomationBench、GDPval-AA である。CyberGym はモデルカードが脆弱性発見のベンチマークとするもので、GLM-5.3 が 84.5、Fable 5 が 83.8、GPT-5.6 Sol が 83.6（GLM-5.3 モデルカード、2026-10-14）。モデルカードの原文：「GLM-5.3 uses the same base model as GLM-5.2 — every gain comes from post-training.」各列で使うツールのハーネスは異なり、スコアはすべて Z.ai の自己申告で、独立した評価はない。過去の洞見と合わせて読むと、GLM-5.3 の自己申告では、脆弱性発見のスコアは非公開フラッグシップとほぼ同点で、攻撃コードの作成はまだ一段後れている。一モデルの自己申告スコアであり、オープンウェイトモデルという区分全体を語るものではない。 どう確かめたか →