GLM-5.3 がオープンウェイトモデルとなりました

2026/08/29 0:20

GLM-5.3 がオープンウェイトモデルとなりました

RSS: https://news.ycombinator.com/rss

要約

Japanese Translation:

2026 年に GLM-5-Team から発表された GLM-5.3 は、コアアーキテクチャを変更せず、ポストトレーニングフェーズを精査することで主要なパフォーマンスの飛躍的な向上を実現し、「GLM-5: from Vibe Coding to Agentic Engineering」というタイトルのもとにコーディングおよびサイバーセキュリティ分野において新たなベンチマークを確立した。この高度なバージョンでは「Agentic Engineering」向けの特別設定を搭載しており、コード生成やセキュリティ攻撃の実行など複雑なタスクの自律的な処理を可能とする。厳格な不正防止対策(ツールの検索無効化やドメインホワイトリスト化など)を含む堅牢な評価において、GLM-5.3 は Z.ai Code Bench でコーディング能力について 50% の向上を示し、Terminal Bench 3.0 および Agents' Last Exam において最先端のパフォーマンスを達成した。また、ExploitBench スコアが 54.4 などという攻撃ベンチマークにおける成功率は先行バージョンと比較して倍以上に改善しており、Kimik K3 や Qwen3.8-Max といった競合他社製品を上回る成績を特定技術評価(例:DeepSWE)で収めた。本モデルは昇腾 (Ascend) NPU プラットフォームを含む多様なハードウェアフレームワーク上で柔軟なローカル展開をサポートし、チャートテンプレートにおいては

clear_thinking
が明示的に
true
となるよう設定されたうえで、デフォルト値を"max"とする
reasoning_effort
パラメータを提供する。将来の研究によりチャットインタラクションのさらなる最適化が行われるが、GLM-5.3 は現時点でクラウドサービスに依存せず、高度なターミナル操作および自律的なエンジニアリングプロジェクトを行うために業界をリードするツールとして位置づけられている。

本文

GLM-5.3: 強力なコーディング能力とサイバーセキュリティ性能の向上

GLM-5.3 は、GLM-5.2 と同一の基礎モデルを採用しており、全ての向上はポストトレーニング(後訓練)によるものです。複雑なコーディングタスクや長期展望を持つタスクにおいて大幅に性能を向上させています。

主な特徴と能力の向上

強力なコーディング能力

GLM-5.3 はコーディング領域で最も能力が高いオープンウェイトモデルであり、以下のような成果を達成しています:

  • 独自ベンチマーク「Z.ai Code Bench」: GLM-5.2 よりも 50% の性能改善を実現。
  • 公開ベンチマーク: Terminal Bench 3.0 や Agents' Last Exam(AEL)などでオープンソースベースでの最新記録(SOTA)を達成。

顕著なサイバーセキュリティ能力の獲得

ポストトレーニングスケーリングに伴い、予想以上に急速に発展しました:

  • CyberGym: 脆弱性情報発見向けベンチマークで最新水準(SOTA)を達成。
  • 攻撃連鎖: 上流部分において GLM-5.2 を倍以上上回る大きな進歩を示す。

ベンチマーク比較表

ベンチマークGLM-5.3GLM-5.2Kimi K3DeepSeek-V4 Pro-0813Qwen3.8-MaxOpus 4.8Fable 5 (フェールバックあり)GPT-5.6 Sol
Terminal Bench 2.188.281.088.387.986.685.088.088.8
Terminal Bench 3.028.34.617.421.133.734.6
DeepSWE (v1.1)66.946.267.562.756.658.069.772.7
NL2Repo58.048.958.061.155.969.7
ProgramBench (Almost Solved)19.09.517.510.515.533.023.0
FrontierSWE78.167.566.588.2
SWE-Marathon (v1.1)42.519.448.148.833.142.5
PostTrainBench39.831.732.032.941.836.2
CyberGym84.577.280.083.378.578.183.883.6
ExploitGym (2h / 6h)105 / 13029 / 3936 / 7014 / 2680 / 120181 / 247216 / 293
ExploitBench54.424.432.228.840.078.076.5
Toolathlon Verified73.059.976.574.172.576.274.774.9
AutomationBench (v1.0.6)48.226.246.743.239.841.046.245.8
Agents' Last Exam (ALE-CLI)28.523.827.625.727.025.723.828.6
HLE w/ Tools62.554.759.860.056.257.963.964.5
GDPval-AA v217691508168215901739158817431730

ローカルでのデプロイ方法

GLM-5.3 は以下のフレームワークを使用してローカル環境にデプロイできます:

Ascend NPU プラットフォームでのデプロイ

推論フレームワークとして以下のものがサポートされています:

重要な使用設定(注意)

1.
reasoning_effort
パラメータの制御

思考予算(思考リソース)を以下を通じて制御できます:

  • :
    "low"
    ,
    "high"
    ,
    "max"
    の 3 つを受け入れます。
  • デフォルト: 指定されない場合や他の値が設定された場合は、
    "max"
    が適用されます。
  • 推奨事項:
    • ベンチマークやリーダーボードの再現には、デフォルトの "max" をご使用ください。
    • "low"
      または
      "high"
      を使用する場合は、明示的に指定する必要があります

2.
clear_thinking
パラメータ

チャットテンプレートにおける挙動:

  • デフォルト: 指定されない場合は "false" となります。
  • 推奨事項: チャットシナリオにおいては、明示的に
    clear_thinking=true
    を設定してください。

脚注(評価条件の詳細)

以下のベンチマークや評価設定について補足説明があります:

汎用・コーディングタスク

項目詳細内容
HLE w/ tools
(ツール付き High-Level Exam)
* サンプリング:温度 (temperature)=1.0、top_p=0.95
* 最大生成トークン長:163,840 トークン
* コンテキスト管理戦略適用時の最大コンテキスト長:300,000 トークン
* 判定モデル:GPT-5.6-luna (medium)
NL2Repo* 条件:1M のコンテキスト、temperature=1.0、top_p=1.0、max_new_tokens=64k
* 不正な操作(無許可の pip や curl など)を防ぐため、ルールベースおよび LLM ベースの判定を併用。
DeepSWE* ハネス:mini-swe-agent
* 条件:temperature=0.95、top_p=1.0、timeout=6h、コンテキスト 400K
Terminal-Bench 2.1* クロード Code 2.1.207 を使用。
* 条件:temperature=1.0、top_p=1、max_new_tokens=65536、6h タイムアウト。
Terminal-Bench 3.0* ハネス:Claude Code 2.1.207 (reasoning effort=max, 400K コンテキスト, 最大出力 128K)
* スコアリング:各タスクの 3 つのロールアウト(試行)に対する avg@3
* 実行環境:孤立したコンテナ、ターン数制限 600、タイムアウト 10 時間
* ツール検索は無効化され、スコアリングは任務固有の検証器による。
Agent's Last Exam (CLI)* ハネス:Claude Code (reasoning effort=max, 1M コンテキスト, 最大出力 64K)
* 実行環境:全 105 のタスクを、Task Card で宣言されたリソースを使用した孤立した Docker コンテナ内で個別に実行。
* タイムアウト:デフォルト 4 時間(タスク固有の制限優先、最大 8 時間)、ツール検索無効化。
* スコアリング:公式 ALE 評価器。
Toolathlon Verified* 公式の評価サービスを通じて得た結果。
* 3 回の独立した実行にわたる平均 pass@1 を報告。
AutomationBench v1.0.6* PR #13 で導入された null タイプの処理に関する問題に対する修正を適用。
GDPval-AA v2* 評価は Artificial Analysis によって行われます。
CyberGym* ハネス:Claude Code 2.1.207 (最大思考努力、web ツール無効化、temperature=1.0, top_p=1.0, max_new_tokens=128000)
* タイムアウト:unlimited timeout
* スコアリング:単一実行の Pass@1(タスク 1,507)
* 環境制御:ギット関連情報全除去、ドメインホワイトリスト(pypi.org, deb.debian.org など)のみ許可。
ExploitGym
(2h / 6h)
* ハネス:Claude Code 2.1.207 (最大思考努力、web ツール無効化、temperature=1.0, top_p=1.0, max_new_tokens=128000)
* スコアリング:869 タスクに対する単一実行 Pass@1(2h / 6h タイムアウト下)
* 計算方法:API オーバーヘッドを加算して、モデル TPS (Artificial Analysis) に基づいて再尺度化。
* ドメインホワイトリスト適用。
ExploitBench* ハネス:Claude Code 2.1.207 (最大思考努力、web ツール無効化、temperature=1.0, top_p=1.0, max_new_tokens=128000)
* 制限:エージェントと環境との相互作用回数の最大数を 300 に。
* スコアリング:41 のタスク全体(3 つの改版本)にわたる平均のカバレッジスコア。
* ドメインホワイトリスト適用。
FrontierSWE* 評価元:Proximal
* 条件:1M コンテキスト長、最大努力レベル、最大出力トークン 128K
* スコア時点:2026 年 8 月 14 日現在。
PostTrainBench* ハネス:Claude Code 2.1.207 (最大努力レベル、temperature=1.0, top_p=1.0, max_new_tokens=128000, 1M コンテキスト)
* スコアリング:3 回の実行にわたる加重平均
* 処理:スコア生成失敗時は公式のゼロショットベースモデル基準スコアにフェールバック
* 外部 API 検出:LLM エージェントを使用(OpenAI SDK を通じたローカル vLLM アクセス時の偽陽性を回避)。
SWE-Marathon* ハネス:Claude Code 2.1.207 (最大努力レベル、temperature=1.0, top_p=0.95, max_new_tokens=128000, 1M コンテキスト)
* 変更点:
  -
strip-clone
: 元のアнти・チート検出が広すぎたため、影響を受けたチェックを除去し、LLM ベースの検査へ。
  -
parameter-golf
,
trimul-cuda
: Docker イメージ構築失敗を解消するため、
--extra-index-url https://pypi.org/simple
を追加。

引用情報

もし GLM-5.3 が貴方の研究において有用だと感じられた場合、当技術報告をご引用ください:

@misc{glm5team2026glm5vibecodingagentic,
      title={GLM-5: from Vibe Coding to Agentic Engineering},
      author={GLM-5-Team and : and Aohan Zeng and Xin Lv and Zhenyu Hou and Zhengxiao Du and Qinkai Zheng and Bin Chen and Da Yin and Chendi Ge and Chenghua Huang and Chengxing Xie and Chenzheng Zhu and Congfeng Yin and Cunxiang Wang and Gengzheng Pan and Hao Zeng and Haoke Zhang and Haoran Wang and Huilong Chen and Jiajie Zhang and Jian Jiao and Jiaqi Guo and Jingsen Wang and Jingzhao Du and Jinzhu Wu and Kedong Wang and Lei Li and Lin Fan and Lucen Zhong and Mingdao Liu and Mingming Zhao and Pengfan Du and Qian Dong and Rui Lu and Shuang-Li and Shulin Cao and Song Liu and Ting Jiang and Xiaodong Chen and Xiaohan Zhang and Xuancheng Huang and Xuezhen Dong and Yabo Xu and Yao Wei and Yifan An and Yilin Niu and Yitong Zhu and Yuanhao Wen and Yukuo Cen and Yushi Bai and Zhongpei Qiao and Zihan Wang and Zikang Wang and Zilin Zhu and Ziqiang Liu and Zixuan Li and Bojie Wang and Bosi Wen and Can Huang and Changpeng Cai and Chao Yu and Chen Li and Chengwei Hu and Chenhui Zhang and Dan Zhang and Daoyan Lin and Dayong Yang and Di Wang and Ding Ai and Erle Zhu and Fangzhou Yi and Feiyu Chen and Guohong Wen and Hailong Sun and Haisha Zhao and Haiyi Hu and Hanchen Zhang and Hanrui Liu and Hanyu Zhang and Hao Peng and Hao Tai and Haobo Zhang and He Liu and Hongwei Wang and Hongxi Yan and Hongyu Ge and Huan Liu and Huanpeng Chu and Jia'ni Zhao and Jiachen Wang and Jiajing Zhao and Jiamin Ren and Jiapeng Wang and Jiaxin Zhang and Jiayi Gui and Jiayue Zhao and Jijie Li and Jing An and Jing Li and Jingwei Yuan and Jinhua Du and Jinxin Liu and Junkai Zhi and Junwen Duan and Kaiyue Zhou and Kangjian Wei and Ke Wang and Keyun Luo and Laiqiang Zhang and Leigang Sha and Liang Xu and Lindong Wu and Lintao Ding and Lu Chen and Minghao Li and Nianyi Lin and Pan Ta and Qiang Zou and Rongjun Song and Ruiqi Yang and Shangqing Tu and Shangtong Yang and Shaoxiang Wu and Shengyan Zhang and Shijie Li and Shuang Li and Shuyi Fan and Wei Qin and Wei Tian and Weining Zhang and Wenbo Yu and Wenjie Liang and Xiang Kuang and Xiangmeng Cheng and Xiangyang Li and Xiaoquan Yan and Xiaowei Hu and Xiaoying Ling and Xing Fan and Xingye Xia and Xinyuan Zhang and Xinze Zhang and Xirui Pan and Xu Zou and Xunkai Zhang and Yadi Liu and Yandong Wu and Yanfu Li and Yidong Wang and Yifan Zhu and Yijun Tan and Yilin Zhou and Yiming Pan and Ying Zhang and Yinpei Su and Yipeng Geng and Yong Yan and Yonglin Tan and Yuean Bi and Yuhan Shen and Yuhao Yang and Yujiang Li and Yunan Liu and Yunqing Wang and Yuntao Li and Yurong Wu and Yutao Zhang and Yuxi Duan and Yuxuan Zhang and Zezhen Liu and Zhengtao Jiang and Zhenhe Yan and Zheyu Zhang and Zhixiang Wei and Zhuo Chen and Zhuoer Feng and Zijun Yao and Ziwei Chai and Ziyuan Wang and Zuzhou Zhang and Bin Xu and Minlie Huang and Hongning Wang and Juanzi Li and Yuxiao Dong and Jie Tang},
      year={2026},
      eprint={2602.15763},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/2602.15763},
}

同じ日のほかのニュース

一覧に戻る →

2026/08/29 0:17

GUI は完全にキーボードで操作可能であるべきです

## 日本語訳: 本文は、グラフィカルユーザーインターフェース(GUI)においてソフトウェア開発者が端末ベースの設計に回帰するのではなく、すべての機能がショートカットキーでアクセス可能な直感的かつ完全なキーボード駆動型の体験を最優先すべきであると主張しています。重要な点は、優れたユーザーエクスペリエンスはマウスなしで全てのアクションを行えるようにすることで実現されることであることです。この視点は、高度なキーボード制御がコマンドラインツールのみに属するという一般的な誤解に挑戦しています;その代わりに、著者の新しいアプリ「Klisi」などの現代の GUI は、すべての機能に対して包括的なアクセシビリティを成功裏に実証しています。GNOME ヒューマンインターフェースガイドラインのような業界標準は、アプリケーションがポインティングデバイスとキーボードの両方でシームレスに動作することを明確に要求しています。したがって、完全なキーボードナビゲーションの構築は技術的な課題としてではなく、すべてのユーザーの効率を大幅に向上させることを意図した設計上の選択として捉えるべきです。キーボードサポートをオプションの追加機能ではなくコア要件として扱うことで、企業は全体的な製品品質を向上させ、直感的で迅速なインタラクションを求める外部入力デバイスに依存しないユーザーをよりよくサービスできます。

2026/08/28 22:28

Htmx 4.0

## 日本語訳: htmx 4.0.0 では、XMLHttpRequest など従来の手法をフェッチ(fetch)インタフェースなどの現代のブラウザ API に置き換えるという大きな内部変更が導入されました。この更新により、`hx:xhr:*` のような古来のイベント属性は標準化された名前(例:`htmx:before:request`)へと置き換えられ、`hx-disable` といった非推奨要素は `hx-ignore` に置換されます。移行を支援するため、テンプレートにおけるエラー(付与不足や削除された属性の使用など)をスキャンするコマンドラインツール(`$ npx htmx.org@4.0.0 upgrade-check`)がリリースされています。重要なアーキテクチャ変更として、以前の自動継承からの変更となり、子要素への適用を望む場合、親属性に対して明示的に `:inherited` サフィックスを追加する必要があります。本リリースには、「morph swaps」(`<hx-partial>` タグを通じて)、`hx-live` という名前のスクリプトリングティングソリューション、そして `hx-preload` やストリーミングサポートなどを含むいくつかの新しい拡張機能が含まれています。履歴管理については、デフォルトで localStorage が使用され不再;代わりに、ステアジングが必要なチームのために、`hx-history-cache` 拡張機能を通じて sessionStorage を介したキャッシングが可能になります。移行には、バージョン 2.x がバージョン指定なしの CDN で 2027 年初頭まで引き続き利用可能である一方、バージョン 4.0.0 は特定の CDN URL(`https://unpkg.com/htmx.org@4.0.0/dist/htmx.min.js`)でアクセス可能です。アップグレードを行う企業は、非推奨要素を置換し、履歴キャッシングロジックをこれらの標準化された振る舞いと整合させる必要があります。

2026/08/29 0:58

今は、バグという噂だけで exploits を見つけるのに十分なものです。

## 日本語訳: 人工知能エージェントは、現在、人間チームが修正できる速度よりもはるかに速く脆弱性を発見し悪用するため、ソフトウェアセキュリティに対して即座の脅威を呈しています。この拡大するギャップにより、自動化された攻撃は、通常のパッチが公開される数日前、あるいは場合によっては数時間前に発生することがあり、セキュリティ環境そのものが根本的に変化しました。重要な例として、DeepSeek V4 Pro は OCaml 言語の cohttp ライブラリにおけるクリティカルなパス正規化エラーを特定しましたが、Claude Fable などの伝統的な AI モデルは、オープンソースのメンテナンを除外するセーフティフィルターによってこれらの問題を検出できないことがあります。一方、高度なシステムはこうした保護策を完全に回避します。脆弱性の発見からパッチが公開されるまでの間に、エージェント型 AI システムが新たなエクスプロイトを見つけ出すのに十分であるという噂が存在するだけでも、実稼働中の Web サーバーの脆弱性を特定してから 1 分以内にエクスプロイトを作成・テストした事例などがあり、その他には marimo の CVE-2026-39987 が 9 時間以内、Langflow の CVE-2026-33017 が 20 時間以内に悪用された例もあります。その結果、脆弱性の発見から悪用されるまでの平均期間は、近年の歴史において約 63 日であったものが、2026 年にはわずか 7 日にまで崩壊しました(一部のケースでは開示に対して相対的にマイナスの値となっています)。このレポートは Jane Street を経由した Slack で非公開で届けられ、Claude Fable 由来であり、Glasswing セキュリティブロックを有さないためパス正規化に関する関連問題を特定したのは DeepSeek V4 Pro でした。Project Glasswing は西側モデルのセキュリティガードにより通常のオープンソースメンテナンを除外するものの、15 ヵ国にわたる 150 の組織に拡大しています。「Bugonomics」とは、防御側の修復処理能力が LLM で生成されたエクスプロイトに後れを取るというボトルネックを指し、GitHub のプライベートフォークでは CI 統合が制限されマージは単一の PR に限定されるため、複雑なクロスリポジトリの修正には不向きです。この「antibotty」脅威の現実に耐えるために、業界は標準的な防御を超えて進まなければなりません。将来のセキュリティは、Linux カーネルのような継続的なリリース、プロトコルレベルの仮想パッチング、AI 駆動の攻撃生成の絶え間ないスピードに匹敵できる新たな防御ネットワークによるものとなるでしょう。迅速に適応できない場合、防御側は重要なインフラを保護するには単に遅すぎることになります。cohttp の修正には Sapphire Livingstone、Michael Dales、Török Edwin、Patrick Ferris、Hannes Mehnert、Thomas Gazagnaire によって行われたチームワークが関わっています。