Zhipu выпустила GLM-5.3: новые достижения в AI
Zhipu анонсировала выпуск новой модели GLM-5.3, которая превосходит предыдущую версию по многим показателям. Модель уже доступна для использования через GLM Coding Plan.
Zhipu выпустила GLM-5.3
Модель использует ту же базовую модель на 743 млрд параметров, что и GLM-5.2, при этом показывает результаты на уровне моделей, которые в несколько раз крупнее.
Рост относительно GLM-5.2:
- Terminal Bench 3.0: 4,6 → 28,3
- DeepSWE: 46,2 → 66,9
- AutomationBench: 26,2 → 48,2
- HLE с инструментами: 54,7 → 62,5
- ExploitGym: 39 → 130
- ExploitBench: 24,4 → 54,4
GLM-5.3 уже доступна через GLM Coding Plan и ZCode.
Доступ через API и открытые веса будут выпускаться поэтапно после строгих проверок безопасности.
Почему это важно
АналитикаЭто важно, поскольку новая модель GLM-5.3 демонстрирует значительный прогресс в технологиях искусственного интеллекта, что может повлиять на различные сферы применения. Она открывает новые возможности для разработчиков и исследователей в области AI.
Обсудить в сообществе
Делитесь опытом и мыслями с ИИ-разработчиками
Связанные материалы экосистемы
Практические гайды, терминология и агентские скиллы
JSON — структурированные данные для программ, API и AI-агентов
Полное практическое руководство по формату JSON: синтаксические правила, сериализация через parse/stringify, работа с REST API, валидация по JSON Schema и структурированный вывод для ИИ.
Форматы DOCX и XLSX: когда от ИИ требуется полноценный финальный документ
Практическое руководство по созданию и обработке документов DOCX и таблиц XLSX с помощью ИИ: сравнение с Markdown и CSV, промпт-инжиниринг, работа с формулами и автоматизация в коде.
Binance опубликовали расследование кражи $6,3 млрд
Расследование связывает кражу с заражённым Homebrew, фальшивым собеседованием и использованием внутреннего ИИ-инструмента Binance.
Пользователь Reddit объяснил почти четырёхкратный расход недельных лимитов Claude Code
Сравнение токенов за две недели показало, что эффективность использования недельного лимита Claude Code упала в 3,8 раза; вероятные причины — субагенты, рост времени рассуждений и фоновые запросы интерфейса.