Startup AI asal Cina, Z.ai, yang sudah dikenal di kancah internasional berkat seri model bahasa GLM-nya yang kuat dan sebagian besar open-source, baru saja meluncurkan GLM-5.3. Model ini membawa peningkatan signifikan dalam kemampuan pemrograman jangka panjang dan lompatan penting — serta berpotensi sensitif — dalam kemampuan keamanan siber.
- Lompatan besar dalam pemrograman tanpa model dasar baru
- Kemampuan siber yang berkembang lebih cepat dari yang diperkirakan Z.ai
- GLM-5.3 juga membutuhkan pengembang untuk mengganti cara mereka memanggil model
- Dari GLM-4.5 ke GLM-5.3: Dorongan cepat Z.ai menuju rekayasa agen
- Harga, ZCode, dan ketersediaan
Saat ini, kemampuan keamanan siber GLM-5.3 telah menemukan “kerentanan serius potensial di Cursor,” startup coding AI yang baru saja diakuisisi oleh SpaceX, seperti yang diungkapkan oleh Lou, advokat pengembang Z.ai, di platform X. VentureBeat juga menyebut Cursor untuk konfirmasi dan sedang menunggu tanggapan.
GLM-5.3 awalnya hanya tersedia melalui GLM Coding Plan dan lingkungan coding ZCode milik perusahaan, sementara akses API dan bobot terbuka akan dirilis nanti “setelah evaluasi keselamatan dan penguatan selesai,” menurut perusahaan.
Z.ai memperkirakan akan merilis bobot sekitar dua minggu setelah peluncuran.
Bagi pengembang perusahaan, yang menarik dari rilis ini bukan sekadar peningkatan benchmark. Z.ai menyatakan bahwa GLM-5.3 menggunakan model dasar yang sama seperti GLM-5.2, dengan peningkatan yang berasal sepenuhnya dari skala pasca-latihan di lebih banyak lingkungan, tugas yang lebih beragam, dan tambahan komputasi pembelajaran penguatan.
Ini menjadikan GLM-5.3 sebagai uji seberapa jauh model dasar skala frontier dapat didorong tanpa siklus pra-latihan yang mahal.
“Yang kami lakukan untuk GLM-5.3 hanyalah skala pasca-latihan,” tulis Z.ai dalam pengumumannya yang bersifat teknis.
Hasilnya menunjukkan ruang yang cukup besar untuk pengembangan. Namun, hal ini juga menimbulkan masalah yang tidak biasa bagi pengembang model terbuka: menurut Z.ai, kemampuan keamanan siber berkembang lebih cepat dari yang diperkirakan seiring dengan skala pelatihan, khususnya saat tugas berpindah dari identifikasi kerentanan menuju penyusunan rantai eksploitasi yang lengkap.
Reuters melaporkan bahwa Z.ai juga memperkenalkan kontrol di sekitar beberapa kemampuan model yang lebih canggih, termasuk pendekatan “akses terpercaya” untuk fungsi sensitif.
Lompatan besar dalam pemrograman tanpa model dasar baru
GLM-5.3 dibangun di atas model dasar 743 miliar parameter yang ada di belakang GLM-5.2, bukan menggantikannya. Z.ai justru memperluas sistem pasca-latihan yang sudah ada yang berfokus pada pembelajaran penguatan jangka panjang.
Lingkungan tersebut semakin mirip dengan pekerjaan rekayasa lengkap ketimbang latihan pemrograman yang terpisah.
Z.ai menggambarkan skenario di mana seorang agen mendapatkan akses ke basis kode, dokumentasi, kluster komputasi, sistem penyimpanan, dan hasil eksperimen, kemudian harus mendiagnosis masalah, memodifikasi sistem, menjalankan eksperimen, dan menunjukkan perbaikan yang terukur sambil menjaga kebenaran. Beberapa tugas dirancang untuk mendekati beberapa hari kerja bagi seorang insinyur berpengalaman.
Cara ini menghasilkan peningkatan besar dari generasi ke generasi dalam evaluasi yang dilaporkan oleh Z.ai.
GLM-5.3 mencetak skor dari 4,6 menjadi 28,3 di Terminal-Bench 3.0, dari 46,2 menjadi 66,9 di DeepSWE v1.1, dan dari 26,2 menjadi 48,2 di AutomationBench. Di ujian terakhir Agen CLI, skornya meningkat dari 23,8 menjadi 28,5.
Namun, model ini tidak selalu mendominasi setiap pesaing di frontier. Tabel benchmark Z.ai menunjukkan GPT-5.6 Sol di 34,6 dan Claude Fable 5 di 33,7 di Terminal-Bench 3.0, dibandingkan dengan GLM-5.3 yang hanya mencetak 28,3. Di DeepSWE v1.1, GLM-5.3 meraih skor 66,9, sementara GPT-5.6 Sol mencapai 72,7 dan Fable 5 di 69,7.
Namun, Z.ai juga menekankan efisiensi, bukan hanya posisi di benchmark.
Di Z.ai Code Bench pribadinya, GLM-5.3 mencapai hasil 34,5% di pengaturan penalaran Max sambil mengonsumsi sekitar 75.000 token output per tugas. GLM-5.2 meraih 23,4% dengan konsumsi sekitar 96.000. Pada usaha tinggi, GLM-5.3 mencapai 31,4% dengan perkiraan 50.000 token output, dibandingkan dengan laporan Z.ai yang mencatat Claude Opus 4.8 di 29,5% menggunakan 120.000.
Karena Code Bench adalah evaluasi pribadi Z.ai, perbandingan ini sebaiknya diperlakukan sebagai hasil yang dilaporkan perusahaan, bukan pengukuran independen. Meski demikian, mengurangi konsumsi token sambil meningkatkan penyelesaian tugas adalah penting untuk perusahaan yang menerapkan agen pemrograman, di mana loop yang berjalan lama dapat membuat biaya dan latensi inferensi meningkat cepat.
Kemampuan siber yang berkembang lebih cepat dari yang diperkirakan Z.ai
Pengembangan yang lebih tidak biasa adalah dalam keamanan siber.
Z.ai memperkenalkan lingkungan penemuan kerentanan ke dalam campuran pasca-latihan GLM-5.3, berharap model akan lebih baik dalam menemukan cacat perangkat lunak. Namun, perusahaan mengungkapkan bahwa kemampuan ini mulai berkembang lebih jauh di sepanjang rantai eksploitasi.
“Ketika kami memperbesar pasca-latihan, kemampuan siber berkembang lebih cepat dari yang kami perkirakan,” tulis Z.ai.
Di CyberGym, yang menguji penemuan kerentanan dan validasi terhadap kode sumber, GLM-5.3 mencetak 84,5%, dibandingkan dengan 77,2% untuk GLM-5.2. Ini juga lebih unggul dari skor yang dilaporkan Z.ai untuk GPT-5.6 Sol yang mencapai 83,6% dan Mythos 5 di 83,8%.
Keunggulan itu tidak meluas di seluruh tumpukan eksploitasi. GLM-5.3 mencetak 54,4% di ExploitBench, lebih dari dua kali lipat dari 24,4% untuk GLM-5.2, tetapi masih jauh di belakang 76,5% yang dilaporkan Z.ai untuk GPT-5.6 Sol dan 78% untuk Mythos 5.
Demikian juga, di ExploitGym, GLM-5.3 menyelesaikan 105 tugas dalam anggaran dua jam yang dinormalkan dan 130 dalam enam jam, naik dari 29 dan 39 untuk GLM-5.2. Fable 5 mencapai 181 dan 247, sementara GPT-5.6 Sol mencapai 216 dan 293.
Arah perjalanan mungkin lebih penting daripada posisi di papan peringkat.
Z.ai melaporkan bahwa kerjasama dengan tim keamanan di Cina telah menghasilkan 2.436 temuan kerentanan di 269 proyek setelah tinjauan, penyaringan, dan penghapusan duplikat oleh pakar. Buku catatan pengungkapannya mencatat 1.097 sebagai kritis atau tingkat tinggi, dengan 53 yang diumumkan secara publik dan 2.383 masih dalam embargo pada saat rilis.
Hal ini menciptakan ketegangan yang semakin dihadapi oleh penyedia model frontier: kemampuan agen jangka panjang yang sama yang membuat model lebih berguna untuk rekayasa perangkat lunak juga dapat menjadikan mereka peneliti keamanan yang lebih mumpuni — dan berpotensi lebih mampu sebagai operator ofensif.
GLM-5.3 juga membutuhkan pengembang untuk mengganti cara mereka memanggil model
Pengembang yang memindahkan aplikasi GLM yang ada perlu memperhatikan perilaku API yang mengubah segalanya.
GLM-5.3 mendukung tiga tingkat usaha penalaran — low, high, dan max — dengan max sebagai default dan pengaturan yang direkomendasikan Z.ai untuk pemrograman. Namun berbeda dengan rilisan sebelumnya, pemikiran tidak dapat dinonaktifkan.
Aplikasi yang saat ini mengirimkan thinking.type: "disabled" harus mengubah nilai menjadi enabled dan menentukan usaha penalaran sebelum mengganti pengenal model menjadi GLM-5.3. Jika tidak, Z.ai menyebutkan bahwa permintaan akan gagal.
Ini menjadikan GLM-5.3 migrasi nyata, bukan sekadar penggantian nama model untuk beberapa aplikasi produksi.
Dari GLM-4.5 ke GLM-5.3: Dorongan cepat Z.ai menuju rekayasa agen
GLM-5.3 adalah langkah terbaru dalam pergeseran cepat oleh Z.ai — yang sebelumnya dikenal sebagai Zhipu AI — ke arah agen pemrograman dan beban kerja rekayasa otonom yang berlangsung lama.
GLM-4.5, yang dirilis pada Juli 2025, menetapkan arah tersebut. Model campuran 355 miliar parameter dirancang untuk menggabungkan kemampuan penalaran, pemrograman, dan agen, sementara GLM-4.5-Air yang lebih kecil menawarkan 106 miliar total parameter. Z.ai merilis model-model ini dengan bobot terbuka dan menekankan integrasi dengan kerangka agen.
GLM-4.6 muncul pada bulan September, memperluas konteks dari 128.000 ke 200.000 token dan menargetkan pemrograman, penggunaan alat, dan alur kerja agen di lingkungan seperti Claude Code, Cline, Roo Code, dan Kilo Code. Z.ai juga mulai lebih memperhatikan efisiensi token dalam evaluasi pemrograman dunia nyata dibandingkan dengan hanya fokus pada performa benchmark.
Peningkatan arsitektur yang lebih besar terjadi saat GLM-5 dirilis pada Februari 2026. Z.ai meningkatkan model dari 355 miliar parameter GLM-4.5 menjadi 744 miliar, dengan 40 miliar parameter aktif, dan meningkatkan data pra-latihan menjadi 28,5 triliun token. Ini juga memperkenalkan infrastruktur pembelajaran penguatan asinkron “slime” dan secara eksplisit menempatkan keluarga GLM di sekitar “rekayasa agen” dan tugas jangka panjang.
Pada bulan Juni, GLM-5.2 mengubah strategi itu menjadi tawaran perusahaan yang lebih langsung. Model 753 miliar parameter ini hadir dengan jendela konteks stabil 1 juta token, bobot terbuka di bawah lisensi MIT, dan dukungan di lebih dari 20 lingkungan pemrograman. Model ini juga memperkenalkan IndexShare, yang menggunakan pengindeks untuk mengurangi beban komputasi dari konteks yang sangat panjang.
GLM-5.2 dihargai $1,40 per juta token input API dan $4,40 per juta token output, dengan input yang disimpan jauh lebih murah, memposisikan Z.ai sebagai pesaing teknis dan harga terhadap laboratorium frontier proprietari.
Ambisi Z.ai juga berkembang di luar pengembangan model. Reuters melaporkan bulan lalu bahwa Zhipu AI mengumpulkan sekitar HK$31,4 miliar, atau sekitar $4 miliar, melalui penjualan saham di Hong Kong, dengan hasil yang ditujukan untuk bidang termasuk penelitian dan pengembangan, infrastruktur komputasi, talenta, dan ekspansi bisnis.
Secara keseluruhan, peluncuran ini menunjukkan progresi yang konsisten: GLM-4.5 menyatukan penalaran, pemrograman dan agen; GLM-5 secara substansial meningkatkan model dasar; GLM-5.2 menyerang konteks panjang dan rekayasa jangka panjang; dan GLM-5.3 kini berusaha untuk mengekstrak kemampuan jauh lebih banyak dari fondasi yang sama melalui pasca-latihan.
Harga, ZCode, dan ketersediaan
GLM-5.3 kini tersedia melalui GLM Coding Plan dan ZCode milik Z.ai.
ZCode adalah lingkungan agen pemrograman milik perusahaan yang mendukung tugas “Tujuan” jangka panjang yang merencanakan, mengimplementasikan, menguji, dan memverifikasi pekerjaan. Lingkungan ini juga menawarkan kontrol jarak jauh atas tugas yang sedang berjalan dan tersedia di macOS, Windows, dan Linux.
Rencana GLM Coding individu saat ini dimulai dengan harga promosi $12,60 per bulan untuk Lite dengan 10.000 kredit per minggu. Pro tersedia dengan harga $56 per bulan untuk penggunaan enam kali Lite, sementara Max tersedia seharga $117,60 per bulan untuk penggunaan 14 kali Lite. Tempat standar dan premium tim dipatok pada $88 dan $188 per pengguna per bulan, masing-masing.
Z.ai juga telah mengalihkan Rencana Coding ke sistem kuota berbasis poin yang secara terpisah memperhitungkan token input, token input yang disimpan, dan token output. Panggilan di luar periode puncak hari kerja perusahaan akan mengonsumsi 50% dari poin normal.
Perusahaan belum memberikan harga API GLM-5.3 secara umum dalam materi peluncuran yang disediakan, sehingga sulit untuk membandingkan total biaya produksi API secara langsung dengan GLM-5.2 atau model frontier pesaing sampai akses API bertahap tiba.
Akhirnya, rilis bertahap mungkin menjadi bagian yang paling penting dari GLM-5.3.
Z.ai menghabiskan tahun lalu mendorong strategi model terbuka yang berfokus pada bobot yang permissif, inferensi biaya rendah, dan kompatibilitas dengan ekosistem agen pemrograman yang ada. GLM-5.3 menunjukkan apa yang terjadi ketika strategi itu mungkin berhasil dengan baik di satu domain sensitif: rekayasa otonom yang lebih baik juga berarti penelitian keamanan otonom yang lebih baik.
Hasilnya adalah model yang memajukan ambisi pemrograman Z.ai sambil memaksa perusahaan untuk menghadapi trade-off antara kemampuan dan akses yang dihadapi oleh laboratorium frontier tertutup terbesar.
Untuk pengembang perusahaan, GLM-5.3 layak diperhatikan karena dua alasan. Hasil pemrogramannya memberikan indikasi tambahan bahwa agen yang semakin mampu bisa muncul dari pasca-latihan dan lingkungan yang lebih baik tanpa selalu membangun ulang model dasar yang mendasarinya. Hasil keamanan siber menunjukkan mengapa keputusan mengenai bagaimana agen tersebut didistribusikan dapat menjadi sama pentingnya dengan keputusan mengenai bagaimana mereka dilatih.
