Le 14 août 2026, Z.ai a publié GLM-5.3, son nouveau modèle phare pour le codage et les agents. L’annonce tient en une phrase, et elle change la lecture du marché : le modèle réutilise exactement la base de GLM-5.2 — 743 milliards de paramètres — et tous les gains annoncés viennent du post-training. « Scaling post-training is all we did for GLM-5.3 », écrit Z.ai dans son annonce technique. Pas de nouveau run de pré-entraînement, pas de nouvelle architecture : juste plus d’environnements, plus de tâches et plus de compute de RL sur la même base figée.

Ce qui s’est passé

Les chiffres publiés par Z.ai sont spectaculaires : GLM-5.3 passe de 4,6 à 28,3 sur Terminal-Bench 3.0, de 46,2 à 66,9 sur DeepSWE v1.1 et de 26,2 à 48,2 sur AutomationBench. Attention toutefois : le modèle ne domine pas tout. Sur Terminal-Bench 3.0, Z.ai place GPT-5.6 Sol à 34,6 et Claude Fable 5 à 33,7. Le point n’est pas la première place, mais la trajectoire : un bond d’un facteur 6 sur un benchmark agentique sans toucher au modèle de base.

La surprise, c’est la cybersécurité. Z.ai a ajouté des environnements de découverte de vulnérabilités au post-training en s’attendant à de meilleures capacités de bug hunting. À la place, la capacité a progressé le long de la chaîne d’exploitation. « As we scaled post-training, cyber capability developed faster than we expected », admet l’entreprise. Résultat : 84,5 % sur CyberGym (contre 77,2 % pour GLM-5.2, et devant les 83,6 % de GPT-5.6 Sol et 83,8 % de Mythos 5), et 54,4 % sur ExploitBench, plus du double de GLM-5.2 (24,4 %), même si Sol (76,5 %) et Mythos 5 (78 %) restent loin devant.

Pourquoi c’est important

D’abord, c’est un test grandeur nature de la thèse « post-training scaling » : combien peut-on extraire d’une base frontière sans dépenser un milliard dans un nouveau pré-entraînement ? Les chiffres suggèrent qu’il reste beaucoup de marge. Ensuite, le volet cyber a des conséquences concrètes : Z.ai déclare 2 436 vulnérabilités trouvées sur 269 projets avec des équipes de sécurité chinoises, dont 1 097 critiques ou sévères — 53 publiées, 2 383 encore sous embargo. Le modèle aurait même déjà repéré une « potentielle vulnérabilité sérieuse » dans Cursor, selon le dev advocate de Z.ai Lou sur X. Résultat, une situation inédite pour un éditeur open source : les weights ne sortiront pas tout de suite. Z.ai parle de deux semaines, le temps de la « safety evaluation and hardening », et introduit un accès « trusted » pour les fonctions sensibles (selon Reuters). Axios résume : Z.ai retient la sortie à cause des risques de hacking.

Implications pour les devs et le web

  1. Migration API obligatoire : avec GLM-5.3, la pensée ne peut plus être désactivée. thinking.type: "disabled" échoue ; il faut passer à enabled et choisir un effort (low, high, max, défaut max). Ce n’est pas un simple changement de nom de modèle.
  2. Quota en points : le GLM Coding Plan passe à un système de points (input, cache, output séparés), avec les heures creuses facturées à 50 %.
  3. Efficacité token : sur le Code Bench maison, GLM-5.3 atteint 34,5 % à ~75 000 tokens de sortie, là où GLM-5.2 plafonnait à 23,4 % avec ~96 000. Pour des agents long-running, ça change la facture.
  4. Sécurité de votre stack : des modèles capables de trouver des vulnérabilités changent la donne pour la review de code assistée par IA — et pour vos propres agents, qui pourraient devenir des vecteurs d’attaque.

Source