Z.ai lanza GLM-5.3 sin reentrenar el modelo base: 50% mejor en código y líder en el benchmark de ciberseguridad

Mi opinión: Z.ai lanzó GLM-5.3 ayer sin cambiar el modelo base: partió del mismo checkpoint de 743 mil millones de parámetros que usó para GLM-5.2 y logró toda la mejora en la fase de post-entrenamiento. En Terminal-Bench 3.0, el puntaje de código de horizonte largo pasó de 4.6 a 28.3. En CyberGym, el benchmark de ciberseguridad de terceros, llegó a 84.5%. El modelo también supera a Kimi K3 en Humanity's Last Exam con herramientas (62.5% frente a 56%).

Lo que le da relevancia técnica a esta historia es la lección que deja el resultado: todavía hay margen enorme para mejorar modelos existentes sin reentrenar desde cero. Z.ai admitió que el salto en ciberseguridad superó sus propias expectativas, lo que significa que no lo planificaron por completo, sino que emergió del proceso. Ese tipo de resultado sorpresa en capacidades de seguridad merece atención.

Para equipos que trabajan en automatización de código a largo plazo o en defensa de sistemas, GLM-5.3 tiene métricas que vale la pena evaluar. Los pesos abiertos llegan en aproximadamente dos semanas, así que a finales de agosto podrás correrlo localmente. La ventana de contexto de 1 millón de tokens y 40 mil millones de parámetros activos por token lo hacen viable para tareas largas sin un costo por inferencia prohibitivo.

¿Ya tienes GLM-5.3 en tu lista de modelos a evaluar para tareas de código de horizonte largo o ciberseguridad defensiva?