Kein neues Basismodell: Leistungssprung allein durch Post-Training
Am 14. August 2026 hat Zhipu sein Programmier-LLM GLM-5.3 offiziell vorgestellt. Das Modell erzielt bei der allgemeinen Programmierleistung eine Steigerung von 50 % gegenüber seinem Vorgänger. Sämtliche Leistungsgewinne stammen aus der Skalierung im Post-Training – das zugrunde liegende Basismodell blieb völlig unverändert.
In bisherigen technischen Ansätzen hing ein generationenübergreifender Durchbruch in der Modellleistung meist davon ab, riesige Rechenressourcen anzuhäufen, um größere Basismodelle zu trainieren. GLM-5.3 verfolgt hingegen einen grundlegend anderen Ingenieursweg: Es teilt sich dasselbe Basismodell mit der Vorgängerversion GLM-5.2 und konzentriert die Trainingsressourcen auf um ein Vielfaches komplexere Langzeit-Task-Umgebungen, reichhaltigere Simulationsszenarien sowie monatelanges Reinforcement Learning (RL). Diese Strategie, das Basismodell beizubehalten und rein auf Post-Training zu setzen, beweist, dass chinesische KI-Entwickler selbst unter begrenzten Hardware-Ressourcen durch hochpräzise Ingenieurskunst einen pragmatischen Aufholpfad finden können.
Testergebnisse belegen die enorme Wirkung dieser Post-Training-Strategie. Im Terminal Bench 3.0, der komplexe Befehlszeileninteraktionen bewertet, verfünffachte sich das Ergebnis von GLM-5.3 von 4,6 Punkten (bei GLM-5.2) auf 28,3 Punkte. Beim extrem anspruchsvollen DeepSWE v1.1 Benchmark stieg der Wert von 46,2 auf 66,9 Punkte. Dies zeigt, dass das Modell bei der Code-Refaktorisierung langer Sequenzen und bei Umgebungseinsätzen die Schwelle kommerzieller Frontier-Modelle erreicht hat – die Grenzen des Post-Trainings sind weitaus breiter als in der Branche bisher angenommen.
Um dieses hochintensive Training zu unterstützen, hat Zhipu zeitgleich das Post-Training-Framework slime als Open Source bereitgestellt. In Kombination mit dem RL-Algorithmus für Langzeitaufgaben SAO und der VRAM-Optimierungstechnik IndexShare konnte der Trainingsdurchsatz beim Reinforcement Learning um mehr als das 2,3-Fache gesteigert werden. Vor dem Hintergrund physischer Grenzen bei der Hardware-Versorgung wird die Steigerung der Durchsatzeffizienz pro Grafikkarte zum entscheidenden Wettkampffaktor.
Abb.: Vergleichstabelle von GLM-5.3 mit globalen Hauptmodellen bei Programmier- und Sicherheits-Benchmarks. Quelle: Offizieller Blog von Z.ai
Gleiche schwere Aufgaben mit ein Drittel der Tokens gelöst
Beim Einsatz von LLMs für die Unternehmensproduktivität bleiben astronomische Token-Kosten ein Haupthindernis für die Skalierung. GLM-5.3 zeigt im Design eine ausgeprägte technische Pragmatik: Es verzichtet auf weitschweifige Chain-of-Thought-Ausgaben und konzentriert sich auf den kürzesten Weg zur Problemlösung.
Die Benchmark-Daten verdeutlichen diesen Unterschied: Auf der Stufe High erreichte GLM-5.3 eine Genauigkeit von 31,4 % bei durchschnittlich nur rund 50.000 Tokens pro Aufgabe. Zum Vergleich: Das Konkurrenzmodell Claude Opus 4.8 erzielte zwar 29,5 % Genauigkeit, benötigte dafür jedoch 120.000 Tokens. Das bedeutet, dass GLM-5.3 mit weniger als der Hälfte der Ausgabelänge eine höhere Erfolgsquote erzielt und die Bandbreiten- sowie Rechenkosten für Cloud-Inferenz direkt um 60 % reduziert.
Selbst auf der Stufe Max für maximale Leistung lieferte GLM-5.3 eine Genauigkeit von 34,5 % bei 75.000 Tokens – ein gewaltiger Sprung im Vergleich zu GLM-5.2 (23,4 % Genauigkeit bei 96.000 Tokens). Obwohl Fable 5 von Anthropic mit 39,5 % Genauigkeit weiterhin führt, bietet GLM-5.3 bei langen Kontexten ein 1M-Token-Kontextfenster sowie eine maximale Einzelausgabe von 128K Tokens bei erzwungenem Deep-Thinking-Modus (thinking kann nicht deaktiviert werden). Dieser tief verankerte Denkmechanismus verhindert, dass komplexe Logiken zusammenbrechen, wenn Nutzer den Denkmodus versehentlich ausschalten.
Zhipu hat das Modell bereits in ZCode, AutoClaw und den GLM Coding Plan integriert und bietet außerhalb der Stoßzeiten einen Rabatt von 50 % an. Auch führende Entwicklerplattformen wie Trae, Coze, Qoder und CodeBuddy haben die Erstintegration abgeschlossen. Für das Entwickler-Ökosystem senkt die Kombination aus extrem hoher Token-Effizienz und flexibler Rechenzeitzuteilung die Hürden für den Einsatz automatisierter Programmierwerkzeuge in der täglichen Entwicklung spürbar.
Abb.: Vergleichsdiagramm von Leistung und Token-Effizienz im Z.ai Code Bench. Quelle: Offizieller Blog von Z.ai
Eine 45 Jahre alte Sicherheitslücke in zwei Stunden geknackt
Unerwartet zeigte GLM-5.3 eine verblüffende Emergenz im Bereich der Cybersicherheit, als Zhipu das Modell in tiefes Umgebungs-RL schickte, um die Code-Generierung zu verbessern. Das Schreiben von hochwertigem Code und das Zerlegen von Software-Schwachstellen teilen dieselbe zugrunde liegende Logik: Sobald das Modell Code-Ausführungspfade versteht, lernt es natürlich auch, Systemmängel aufzuspüren.
Im renommierten Cybersicherheits-Benchmark CyberGym belegte GLM-5.3 mit 84,5 % den ersten Platz unter den Open-Source-Modellen und übertraf Mythos 5 (83,8 %) sowie GPT-5.6 Sol (83,6 %). Bei ExploitBench sprang der Wert von 24,4 % bei der Vorgängerversion auf 54,4 %. Im ExploitGym-Test absolvierte GLM-5.3 in nur zwei Stunden 105 Exploit-Aufgaben – im Vergleich zu den 29 Aufgaben von GLM-5.2 im selben Zeitraum entspricht dies fast einer Vervierfachung. Diese beeindruckenden Zahlen belegen, dass sich die automatisierte Offensive und Defensive von theoretischen Konzepten zu hocheffizienten Werkzeugen mit realem Bedrohungspotenzial entwickelt hat.
In praktischen Sicherheitsprüfungen mit mehreren chinesischen Sicherheitsteams analysierte GLM-5.3 insgesamt 269 führende Open-Source-Projekte und deckte auf einen Schlag 2.436 reale Schwachstellen auf – darunter 107 kritische und 990 Hochrisiko-Lücken. Besonders erschreckend: Die älteste Schwachstelle stammte aus dem Jahr 1981 und lag 45 Jahre lang unbemerkt mitten im Blickfeld der Open-Source-Community. Die durchschnittliche Latenzzeit aller entdeckten Schwachstellen betrug 26,6 Jahre. Wenn blinde Flecken, die von menschlichen Prüfern jahrzehntelang übersehen wurden, von KI im großen Stil aufgedeckt werden, geraten die traditionellen Sicherheitssysteme der Software-Lieferkette unter beispiellosen Anpassungsdruck.
Abb.: Leistungsbewertung von GLM-5.3 in Cybersicherheits-Testumgebungen. Quelle: Offizieller Blog von Z.ai
Zu schnelle Angriffe: Verteidiger müssen die Notbremse beim Release ziehen
Diese überraschende Zerstörungskraft bei der Aufdeckung von Sicherheitslücken brachte das Entwicklungsteam rasch in ein Dilemma. Die Dual-Use-Eigenschaft der KI trat hier überdeutlich zu Tage: Dieselbe logische Fähigkeit, die zum Beheben von Softwarefehlern genutzt werden kann, lässt sich von böswilligen Akteuren zur automatisierten Erstellung von Zero-Day-Exploits missbrauchen.
Angesichts potenzieller Cybersicherheitsrisiken traf Zhipu eine ungewöhnliche Entscheidung: Die Veröffentlichung der Open-Source-Gewichte und der API-Zugänge wurde verzögert. Von den 2.436 entdeckten Schwachstellen wurden bisher nur 53 öffentlich offengelegt; die verbleibenden 2.383 befinden sich in einer streng vertraulichen Reparaturphase. Die Freigabe der Modellgewichte wurde um zwei Wochen verschoben, und die API-Zugänge werden schrittweise freigeschaltet. Offiziell wurde betont, dass notwendige Sicherheitshärtungen abgeschlossen werden müssen, um den Verteidigungswert der KI zu wahren und gleichzeitig potenzielle Angriffsfähigkeiten einzuschränken. Dies markiert das erste Mal, dass die Weiterentwicklung eines KI-Modells aufgrund von Sicherheitsbedenken aktiv abgebremst wurde.
Rückblickend hatte Tang Jie, Chefwissenschaftler bei Zhipu, bereits am 29. Juni auf der Plattform X Vorschläge für Funktionen von GLM-5.3 gesammelt. Zudem verzeichnet die chinesische KI-Community derzeit ein beispielloses Veröffentlichungstempo, bei dem Modelle wie Qwen3.8 und DeepSeek V4 Pro Schlag auf Schlag erscheinen. Im intensiv geführten Wettlauf entschied sich Zhipu dafür, lieber Veröffentlichungsgeschwindigkeit zu opfern und die Gewichte zurückzuhalten – womit das Unternehmen ein klares Signal setzte, dass Sicherheit und Compliance Priorität vor schneller technischer Expansion haben.
Das Aufhol-Paradigma unter Rechenleistungsbeschränkungen
Die Veröffentlichung von GLM-5.3 zeigt die pragmatische Lösungsfindung chinesischer KI-Entwickler unter erschwerten Rahmenbedingungen. In einer Situation, in der die Rechenleistung für das Vortraining der Spitzengruppe nicht beliebig skaliert werden kann, gelingt es Entwicklerteams durch feingliedriges Post-Training und RL für Langzeitaufgaben dennoch, das Potenzial bestehender Basismodelle maximal auszuschöpfen und in spezifischen Produktivitätsszenarien zur Weltspitze aufzuschließen.
Wenn jedoch das Code-Verständnis des Modells unabsichtlich kritische Sicherheitsgrenzen überschreitet, beschränkt sich der technologische Wettbewerb nicht mehr nur auf Benchmark-Ranglisten. Wie sich die Vorteile der automatisierten Programmierung nutzen lassen, ohne die KI in eine unkontrollierbare Offensivwaffe zu verwandeln, ist zu einer zentralen Frage für alle führenden KI-Teams geworden.
GLM-5.3 hat einen praktikablen Weg aufgezeigt, um durch die Skalierung des Post-Trainings den Rückstand aufzuholen. Wenn sich das Rad der Fähigkeiten immer schneller dreht, sorgt nur das rechtzeitige Betätigen der Notbremse zur Risikovorsorge dafür, dass sich Großmodelle nachhaltig und sicher in der Praxis etablieren.
Referenz-Links:
- Offizieller Blog von Z.ai
- IT Home
- Science and Technology Daily
- HN-Diskussion (item?id=49353407)
