GLM-5.3: coding agentico, cybersecurity e contesto da 1M

Z.ai scala il post-training senza cambiare il modello di base: benchmark, reasoning sempre attivo, Coding Plan, cyber capability e limiti al lancio.

2026-08-16

GLM‑5.3 non cambia il modello di base: cambia quanto Z.ai è riuscita a ottenere dal post-training. Il modello, annunciato il 14 agosto 2026, usa la stessa base di GLM‑5.2. Secondo il produttore, i progressi arrivano da più ambienti, task più diversi e più calcolo dedicato al reinforcement learning su lavori lunghi e verificabili.

Il risultato è un modello orientato a coding agentico, attività multi-step e cybersecurity. Ha una finestra di contesto fino a un milione di token, output massimo dichiarato di 128K token e tre livelli di reasoning. Ma al lancio la situazione è ibrida: GLM‑5.3 è già disponibile nel GLM Coding Plan, mentre l’API pay-as-you-go e i relativi prezzi non sono ancora pubblicati; i pesi sono promessi due settimane dopo il lancio, al termine delle verifiche di sicurezza e dell’hardening.

GLM‑5.3 in breve

Questa distinzione è importante. “Un milione di token” non equivale automaticamente a un milione di token utili in ogni applicazione: servono test su retrieval, mantenimento delle istruzioni, compattazione, latenza e costo. Allo stesso modo, output da 128K è un tetto tecnico, non una raccomandazione per ogni richiesta.

Cosa cambia rispetto a GLM‑5.2

Z.ai riassume il salto con una scelta precisa: mantenere la stessa base e scalare il post-training. Lo stack viene attribuito a tre elementi già costruiti per GLM‑5.2: IndexShare per il long context, SAO per il reinforcement learning su task lunghi e slime come framework asincrono di post-training.

Gli ambienti non cercano soltanto esercizi di programmazione. Il produttore descrive unità di lavoro simili a quelle di un ingegnere: accesso a repository, documentazione, storage, cluster ed esiti sperimentali; diagnosi del problema; modifica del codice; esecuzione di test; consegna di un risultato misurabile. Agenti di ricerca sintetizzano gli ambienti, un judge prova a risolverli e i verifier vengono controllati contro scorciatoie e stati non risolti. Z.ai ammette che la pipeline richiede ancora una quantità significativa di lavoro umano.

I benchmark generali: salto netto, ma non dominio assoluto

Il confronto ufficiale mostra miglioramenti forti su GLM‑5.2, ma anche un quadro meno assoluto di quanto suggerisca uno slogan “SOTA”. Su Terminal-Bench 3.0 GLM‑5.3 sale da 4,6 a 28,3; resta però sotto Fable 5 a 33,7 e GPT‑5.6 Sol a 34,6. Su DeepSWE v1.1 passa da 46,2 a 66,9, dietro Kimi K3 a 67,5, Fable 5 a 69,7 e GPT‑5.6 Sol a 72,7.

Le metriche non sono omogenee tra benchmark e non vanno sommate in un “punteggio medio” improvvisato. Le note metodologiche del produttore cambiano per test: DeepSWE usa mini-swe-agent, timeout di sei ore e 400K di contesto; PostTrainBench usa Claude Code 2.1.207, tre run ponderate e fallback al baseline zero-shot quando una run non produce punteggio; FrontierSWE usa un milione di token, effort massimo e output fino a 128K.

Z.ai Code Bench: più accuratezza con meno output

Z.ai presenta un benchmark interno costruito su scenari realistici e ambienti locali complessi. A effort massimo GLM‑5.3 raggiunge il 34,5% a circa 75K token di output per task, contro il 23,4% e circa 96K di GLM‑5.2. A livello high registra il 31,4% intorno a 50K token, mentre Claude Opus 4.8 è riportato al 29,5% con 120K. Claude Fable 5 resta avanti: 39,5% al livello max.

È un segnale interessante perché unisce qualità e consumo di token, ma la cautela è obbligatoria: dataset, grading e harness sono controllati dal vendor. La definizione “50% di miglioramento” si riferisce a questo benchmark interno, non a una media universale del coding.

Cybersecurity: il progresso più sensibile

Su CyberGym, che parte dal codice sorgente e verifica la capacità di individuare e validare vulnerabilità, Z.ai riporta 84,5% per GLM‑5.3 contro 77,2% per GLM‑5.2, 83,8% per Mythos 5 e 83,6% per GPT‑5.6 Sol. Su ExploitBench, più vicino alla costruzione dell’exploit, GLM‑5.3 arriva a 54,4% contro 24,4% del predecessore; Mythos 5 e GPT‑5.6 Sol restano però a 78,0% e 76,5%.

In ExploitGym il produttore conta i task completati con budget normalizzati sul throughput: 105 in due ore e 130 in sei ore, contro 29 e 39 di GLM‑5.2. Mythos 5 arriva a 181 e 247. Il pattern dichiarato è quindi doppio: l’incremento rispetto al predecessore cresce salendo lungo la catena di exploit, ma cresce anche la distanza dal frontier chiuso.

Z.ai afferma inoltre di aver identificato, insieme a team di sicurezza in Cina e dopo revisione, screening e deduplicazione, 2.436 vulnerabilità in 269 progetti, 1.097 delle quali di severità medio-alta. È un claim operativo del vendor, non un audit Velthub. Il Security Disclosure Ledger pubblico consente di seguire almeno la parte entrata nel processo di disclosure.

Reasoning sempre attivo: attenzione alla migrazione

GLM‑5.3 non supporta più la disattivazione del thinking. Il valore predefinito è max, consigliato per coding; high riduce l’intensità e low mantiene comunque un ragionamento leggero. Chi invia oggi thinking.type:"disabled" deve migrare prima: nell’API descritta dall’annuncio, la richiesta fallisce se si aggiorna soltanto il model ID senza correggere il parametro.

{
  "model": "glm-5.3",
  "thinking": { "type": "enabled" },
  "reasoning_effort": "max"
}

La guida agli agenti introduce una compatibilità più permissiva: Claude Code e Codex possono convertire valori come disabled, minimal, medium o xhigh nei tre livelli reali. È però una normalizzazione del layer Coding Plan, non la prova che ogni endpoint generale accetti gli stessi alias.

Claude Code con contesto da un milione

Per Claude Code e Goose l’endpoint compatibile Anthropic è https://api.z.ai/api/anthropic. Per Codex la documentazione indica https://api.z.ai/api/v1; per gli altri tool OpenAI-compatible, https://api.z.ai/api/coding/paas/v4. La chiave resta una Z.AI API key.

{
  "env": {
    "ANTHROPIC_AUTH_TOKEN": "YOUR_API_KEY",
    "ANTHROPIC_BASE_URL": "https://api.z.ai/api/anthropic",
    "CLAUDE_CODE_AUTO_COMPACT_WINDOW": "1000000",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "glm-5.3[1m]",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "glm-5.3[1m]"
  }
}

Il placeholder è intenzionale: nessuna chiave reale deve finire nei file di configurazione condivisi o in un articolo. La guida raccomanda inoltre di aggiornare Claude Code se il suffisso [1m] non viene riconosciuto.

Cline e altri agenti compatibili

Nel setup Cline il provider è “OpenAI Compatible”, il model ID è glm-5.3, la finestra è 1.000.000 e “Support Images” va deselezionato. La documentazione cita anche ZCode, OpenCode e altri agenti supportati. Non basta però che un tool accetti un endpoint custom: il GLM Coding Plan è limitato agli strumenti ufficialmente supportati e condivide la stessa quota tra essi.

Piani, quote e prezzi disponibili oggi

GLM‑5.3 è incluso nei piani Lite, Pro e Max. La pagina ufficiale indica un prezzo iniziale di 18 dollari al mese, ma nell’HTML pubblico analizzato non espone in modo verificabile i prezzi correnti di ogni tier. Per questo non li ricostruiamo da screenshot o fonti terze.

Per GLM‑5.3 i moltiplicatori sono 6,9 sull’input, 1,7 sull’input in cache e 24 sull’output. Fuori dalle ore di punta il consumo in punti è dimezzato. Z.ai definisce peak le 14:00–18:00 UTC+8 dal lunedì al venerdì; weekend e altre fasce sono off-peak.

Queste stime dipendono da un cache hit del 90,9% e dalla distribuzione tra input, cache e output. Non sono un tetto garantito per ogni repository. L’annuncio promette inoltre una quota temporanea 1,5× e fino al 180% della quota standard tramite ZCode fino al 31 agosto: è una promozione con scadenza, non una caratteristica permanente del modello.

API, pesi e licenza: cosa non è ancora disponibile

• API generale: la pagina modello la indica come “coming soon”; GLM‑5.3 è però utilizzabile subito all’interno del Coding Plan tramite endpoint dedicati.
• Prezzo pay-as-you-go: GLM‑5.3 non compare ancora nella tabella ufficiale per milione di token.
• Pesi: Z.ai promette il rilascio due settimane dopo il lancio, dopo safety evaluation e hardening.
• Model card e licenza: non risultano ancora pubblicate per GLM‑5.3 su Hugging Face ufficiale al momento dell’analisi.
• Modalità non-thinking: non disponibile.
• Input immagini nativo: non supportato dalla scheda modello, che indica input testuale; la vision del Coding Plan è fornita tramite un MCP separato.

Chiamarlo oggi “open weights” richiede quindi il tempo futuro: il vendor ha annunciato l’intenzione di pubblicare i pesi, ma al lancio non c’è ancora un download verificabile né una licenza specifica consultabile.

Dove GLM‑5.3 può avere senso

Il profilo è adatto a lavori in cui il modello deve leggere repository molto grandi, mantenere uno stato per molte azioni e produrre modifiche verificate: migrazioni, refactoring ampi, debugging cross-service, automazione di release, analisi di vulnerabilità in ambienti autorizzati e task di ML infrastructure. Per attività brevi o ad alto volume, max potrebbe essere eccessivo: bisogna confrontare low, high e max su accuratezza, token, latenza e interventi umani.

In cybersecurity il perimetro è ancora più importante. Capacità di vulnerability discovery ed exploitation possono aiutare difesa e disclosure responsabile, ma aumentano il rischio dual-use. Repository isolati, autorizzazione esplicita, logging, egress limitato e verifica umana non sono optional.

Come testarlo senza farsi ingannare dai benchmark

Un pilot utile dovrebbe partire da 20–50 task reali e ripetibili del proprio repository: bug con test falliti, refactoring, migrazioni, comprensione cross-service e review di sicurezza autorizzate. Ogni modello deve ricevere lo stesso checkout, gli stessi tool, lo stesso limite temporale e una quota di output comparabile. Il risultato non va giudicato soltanto dal testo finale: servono test automatici, qualità del diff, regressioni, numero di interventi umani e capacità di recuperare dopo un comando fallito.

Per GLM‑5.3 conviene eseguire almeno tre coorti separate con low, high e max. La metrica principale dovrebbe essere il completamento end-to-end entro budget; a seguire token totali, wall-clock time, costo stimato, passaggi dell’agente, errori irreversibili e percentuale di patch accettate senza correzioni. Il confronto con GLM‑5.2 è particolarmente informativo perché isola il contributo del post-training sulla stessa base. Se l’harness usa compattazione o fallback, va registrato: può cambiare il risultato quanto il modello.

Per il long context serve un test dedicato. Inserire un repository enorme e chiedere una risposta generica misura poco. È meglio distribuire dipendenze rilevanti in file lontani, introdurre informazioni conflittuali, verificare citazioni precise e controllare se il modello conserva i vincoli dopo molte azioni. Solo così il milione di token diventa una capacità misurata, non un numero di scheda tecnica.

La valutazione di Velthub

Valutazione editoriale preliminare: 8,4/10. GLM‑5.3 è un rilascio tecnicamente interessante perché mostra quanto post-training e ambienti verificabili possano spostare le capacità senza cambiare il modello di base. Il salto su GLM‑5.2 è consistente nei dati del produttore; il quadro comparativo resta però misto e, sui benchmark più difficili, modelli chiusi come Fable 5, GPT‑5.6 Sol e Mythos 5 mantengono vantaggi rilevanti.

Il voto non è un test hands-on Velthub. È limitato dall’assenza, al lancio, di pesi, model card, licenza, prezzo API e repliche indipendenti. La disponibilità immediata nel Coding Plan rende comunque possibile un pilot concreto: stessa suite di task, tre livelli di effort, budget fisso e misurazione di completamento end-to-end, token, tempo, errori e qualità del diff.

Domande frequenti

GLM‑5.3 è già open source?

No, non nel senso operativo di pesi scaricabili e licenza consultabile. Z.ai promette il rilascio dei pesi due settimane dopo il lancio.

Qual è il model ID?

glm-5.3. Nel Coding Plan, glm-5.3[1m] abilita il contesto da un milione per Claude Code.

Si può disattivare il reasoning?

No. I livelli disponibili sono low, high e max; il default è max.

Quanto costa l’API?

Il prezzo pay-as-you-go di GLM‑5.3 non è ancora nella tabella ufficiale. Il Coding Plan parte da 18 dollari al mese.

Supporta immagini?

Non come input nativo: la scheda di GLM‑5.3 indica “Input Modalities: Text” e la guida Cline chiede di disattivare “Support Images”. Il Coding Plan offre vision tramite un MCP separato.

https://velthub.ai/blog/glm-5-3-coding-agentico-cybersecurity-contesto-1m-verificato