Z.ai、オープンモデル向けモデル GLM-5.3 を公開──サイバーセキュリティとエージェント型コーディングを強化
743B パラメータの MoE 基盤を維持したままポストトレーニングを刷新し、IDOR 脆弱性検出で Claude Code を上回る推論能力を実現した。
リリース: 2026-08-14 · 読了 3 分記事の要約
1. 核心（What）
- Z.ai は 743B パラメータの Mixture-of-Experts（MoE）ベースモデルに特殊なポストトレーニングを施した GLM-5.3 を発表した。
- Semgrep による独立テストで前身の GLM-5.2 が IDOR 脆弱性検出 F1 スコア 39% を記録したセキュリティ性能をさらに継承・強化している。
- GLM コーディングプラン（月額 $18）や ZCode を通じて提供が開始されており、オープンウェイトの重みファイルは安全性評価の完了後に段階的公開とされる。
- 出力トークンあたりの効率性が改善され、GLM-5.2 の課題であった冗長なトークン消費が抑制されている。
2. 影響（Why）
- 高精度なセキュリティ解析のオープン化: 商用モデル依存のセキュリティ監査から脱却し、ローカル環境で高度な脆弱性検出エージェントを自社運用できるため、機密コードを扱う組織の導入障壁が下がる。
- トークン効率改善による運用コスト抑制: エージェント型コーディングにおける出力トークン数が削減されるため、大規模なコードベースを対象とした自動リファクタリングや静的解析の API コストを圧縮できる。
3. 根拠・詳細（How）
- MoE 基盤への追加ポストトレーニング: 743B パラメータ（トークンあたり 40B アクティブ）の MoE ベースモデル自体は固定し、特定の脆弱性検出やタスク遂行能力を引き上げる強化学習・ファインチューニングを適用した。
- IndexShare によるスパースアテンション最適化: 最大 100 万トークンのコンテキスト長を許容しつつ、スパースアテンション機構の IndexShare により per-token の計算量を 2.9 倍に圧縮するアーキテクチャを採用している。
4. 展望・課題（Next）
- 段階的なオープンウェイト公開: 悪用リスクを考慮した安全性評価の進行に伴い、API 経由での提供に続いて重みファイルの一般公開が段階的に進められる予定。