ベースモデルの変更なし、ポストトレーニングの「補習Class」だけで首位を獲得
2026年8月14日、智譜（Zhipu AI）はプログラミング大規模言語モデル「GLM-5.3」を正式発表しました。本モデルは総合的なプログラミング体験において前世代比50%の向上を達成。重要なのは、この性能向上のすべてがポストトレーニング（Post-Training）段階のスケーリングによるものであり、底层のベースモデルには一切変更が加えられていない点です。
従来技術のアプローチでは、モデル性能の世代間突破を実現するには膨大な計算リソースを投入してベースモデルのパラメータ数を拡大するのが一般的でした。しかし、GLM-5.3は全く異なるエンジニアリング路線を選択しました。前世代のGLM-5.2と同一のベースモデルを共有し、数倍複雑な長期タスク環境、より豊かなシミュレーションシナリオ、そして数ヶ月にわたる強化学習の調整にトレーニングの焦点を絞ったのです。ベースモデルを変更せずポストトレーニングのみに依存するこの戦略は、計算資源に制約がある客観的条件化においても、高精度なエンジニアリング訓練によって実利的な追撃パスを見出せることを証明しました。
実測データはこのアプローチの目覚ましい効果を裏付けています。複雑なコマンドライン対話を評価する「Terminal Bench 3.0」において、GLM-5.3のスコアはGLM-5.2の4.6点から28.3点へと爆発的に急上昇しました。また、難易度の高い「DeepSWE v1.1」プログラミングベンチマークでも、成績は46.2点から66.9点へと向上しました。これは、長系列コードのリファクタリングや環境デプロイにおいて商用フロンティアモデルの領域に達したことを示しており、ポストトレーニングの境界が業界の事前の予想よりもはるかに広いことを物語っています。
この高強度トレーニングを支えるため、智譜はポストトレーニングフレームワークslimeを同時オープンソース化しました。長期タスク強化学習アルゴリズムSAOおよびVRAM最適化技術IndexShareと組み合わせることで、強化学習のトレーニングスループットを2.3倍以上に引き上げました。ハードウェア供給に限界が存在する現実的な背景の下、単体カードあたりのスループット効率を高めることが、LLM競争における真の勝敗を分ける要素となっています。
図：プログラミングおよびセキュリティベンチマークにおけるGLM-5.3と世界の主要モデルとの比較一覧。出典：Z.ai公式ブログ
3分の1のトークン出力で同等の難題を解決
大企業の生産性現場にLLMを導入する際、高額なトークン消費コストは常に大規模運用の障害となってきました。GLM-5.3はその設計において強力なエンジニアリング功利主義を発揮し、冗長な思考チェーンの出力を省略して、問題解決の最短ルートの探索に特化しています。
テストデータはこのアプローチの差異を明瞭に示しています。「High」動作設定において、GLM-5.3は31.4%の正確性を達成し、1タスクあたりの平均出力はわずか約5万トークンでした。対照的に、競合モデルのClaude Opus 4.8は29.5%の正確性を得るために12万トークンを消費しました。これは、GLM-5.3が相手の半分以下の出力長でより高い正解率を達成し、クラウド推論の帯域幅と計算コストを直接6割削減したことを意味します。
最高性能を発揮する「Max」設定に切り替えた場合でも、GLM-5.3は34.5%の正確性と7.5万トークンという成果を出しました。これは前世代のGLM-5.2が9.6万トークンを消費して23.4%の正確性にとどまった結果と比較して劇的な飛躍です。AnthropicのFable 5が39.5%の正確性で依然として首位を維持していますが、GLM-5.3は長文処理において1Mトークンのコンテキストウィンドウと128Kの最大単一出力を提供し、かつディープシンキングモード（thinkingモードの無効化不可）を強制的に有効化しています。思考ロジックを深度結合するこのメカニズムにより、ユーザーが誤ってディープシンキングをオフにしたことで複雑なロジックが崩壊する問題を防止しています。
現在、智譜はこのモデルをZCode、AutoClaw、およびGLM Coding Plan課金プランに統合し、非ピーク時間帯には50%オフの割引を提供しています。さらにTrae、Coze（扣子）、Qoder、CodeBuddyなどの主流プラットフォームでも一次導入が完了しています。開発者エコシステムにとって、極限のトークン効率と柔軟な計算リソーススケジューリングの組み合わせは、日常の製品開発パイプラインにおけるコード自動化ツールの導入ハードルを大幅に下げます。
図：Z.ai Code Benchにおけるパフォーマンスとトークン効率の比較図。出典：Z.ai公式ブログ
45年前の脆弱性をAIがわずか2時間で突破
意外なことに、智譜がコード生成能力を高めるためにモデルを深い環境強化トレーニングに投入した際、GLM-5.3はサイバーセキュリティ分野で驚異的な創発的能力を発揮しました。高品質なコードの記述とソフトウェア脆弱性の分解はエンジニアリングのメカニズム上論理的に同源であり、モデルはコードの実行軌跡を理解すると同時に、システムの欠陥を発見する手法を自然とマスターしたのです。
サイバーセキュリティ能力を測定する専門ベンチマーク「CyberGym」において、GLM-5.3は84.5%のスコアを獲得してオープンソースモデルの首位に立ち、Mythos 5（83.8%）やGPT-5.6 Sol（83.6%）を上回りました。「ExploitBench」ではスコアが前世代の24.4%から54.4%へ急増。「ExploitGym」のテストでは、GLM-5.3はわずか2時間で105件のエクスプロイトタスクを完遂し、GLM-5.2が同時間内に達成した29件から約4倍の向上を見せました。この衝撃的なデータ群は、自動化された攻撃・防衛が理論上の概念から現実の脅威となり得る高効率なツールへと進化を遂げたことを証明しています。
中国国内の複数のセキュリティチームとの共同実証において、GLM-5.3は269の主要オープンソースプロジェクトを分析し、一挙に2,436件のリアルな潜伏リスクを発見しました。これには107件の深刻な脆弱性と990件の高リスク脆弱性が含まれています。さらに背筋が寒くなる事実は、最も古い脆弱性が1981年にコードベースに混入したものであり、オープンソースコミュニティの目の前で足かけ45年間も潜伏し続けていた点です。発見された全脆弱性の平均潜伏期間は26.6年に達しました。人間の監査人が数十年間にわたり気づかなかった死角がAIによって一括解明されたことで、従来のソフトウェアサプライチェーンにおけるセキュリティ防衛体系はかつてない再構築の圧力に直面しています。
図：サイバーセキュリティ攻防テスト環境におけるGLM-5.3のパフォーマンス評価。出典：Z.ai公式ブログ
攻撃の進展が早すぎ、防衛側はリリースボタンの押下を躊躇
予想を超えるこの脆弱性発掘の破壊力は、開発チームを素早く苦境に追い込みました。AIが持つデュアルユース（軍民両用）の属性が、この瞬間において無制限に増幅されたのです。ソフトウェアの脆弱性を修正するために使われる同一の論理能力は、悪意ある攻撃者によってゼロデイ攻撃を自動生成するために悪用される危険も孕んでいます。
潜むサイバーセキュリティリスクに対処するため、智譜は異例の決断を下しました。モデルの重みのオープンソース化とAPI公開のスケジュールを延期したのです。現在発掘された2,436件の脆弱性のうち、パブリックに開示されたのは53件にとどまり、残り2,383件は依然として厳重な秘密修復期間中にあります。モデルの重みの公開は2週間延期され、APIインターフェースも段階的に解放する方針が取られています。公式は、AIの防御的価値を維持しつつ潜在的な攻撃能力を最大限に制限するために必要なセキュリティ強化を完了させる必要があると明確に表明しており、これは安全過重の理由からAI能力の進化が自主的にブレーキを踏んだ初の事例となりました。
背景を振り返ると、智譜のチーフサイエンティストである唐傑（Tang Jie）氏は6月29日の時点でSNSプラットフォーム「X」上にてGLM-5.3の機能に関する要望を公募していました。また近頃、中国国内のLLMコミュニティのリリーススピードは空前の過熱を見せており、Qwen3.8やDeepSeek V4 Proなどの最先端モデルが相次いで発表されています。白熱する競争環境の中で、智譜がリリースのスピードを犠牲にしてでも重みの保持を選択した行為は、業界に対して技術の海外展開よりも安全コンプライアンスを優先すべきだという明確なラインを示しました。
計算力の上限化におけるキャッチアップのパラダイム
GLM-5.3の発表は、厳しい環境下における中国国産LLMの打破の知恵を示しています。最先端の事前学習計算リソースを容易に拡張できない現状において、精緻なポストトレーニングと長期タスク強化学習を通じて、開発チームは既存ベースモデルのポテンシャルを極限まで引き出し、特定生産性シナリオで世界トップクラスのモデルの領域に到達することが可能であることを実証しました。
しかし、モデルのコード理解力が不意に安全のクリティカルポイントを突破した時、技術競争の次元はもはやランキング上のスコアだけには留まりません。自動化プログラミングの恩恵を解放しつつ、AIが制御不能な攻防兵器と化すのをいかに防ぐかは、すべてのトップチームが直面しなければならない課題です。
GLM-5.3は、ポストトレーニングのスケーリングに依拠して追撃を果たす実行可能なアプローチを提示しました。能力進化の車輪が加速する中、リスクを防ぐために主体的にブレーキを踏むことこそが、大規模言語モデルが生産性領域において安定かつ持続的な発展を遂げるための鍵となります。
参考リンク：
- Z.ai 公式ブログ
- IT之家
- 科技日報
- HN 議論 (item?id=49353407)
