Z.ai publica GLM-5.3 en open-weight: misma base que GLM-5.2, más post-training

Z.ai publicó GLM-5.3 en open-weight en Hugging Face el 28 de agosto. El modelo reusa la misma base que GLM-5.2, y toda la mejora viene del post-training, según la model card. La empresa lo presenta en tres hilos: coding más fuerte, tareas agénticas de larga duración, y capacidades de ciberseguridad que, dice, emergieron al escalar el post-training.

Qué se publicó de verdad

GLM-5.3 es un Mixture-of-Experts de unos 753 mil millones de parámetros en total; la config muestra ocho expertos activos por token. El checkpoint que se liberó incluye una variante FP8, y la card lista soporte para inglés y chino. El modelo se controla con el parámetro reasoning_effort, que acepta low, high o max, y por defecto queda en max.

La licencia es custom. Hugging Face la lista con el nombre "glm-5.3" en la categoría "other", que no es Apache 2.0 ni MIT. Si pensás armar un producto sobre este modelo, esa licencia es lo primero que tenés que leer. La card también enlaza a un technical report en arXiv: "GLM-5: from Vibe Coding to Agentic Engineering".

Qué dicen los números

Los claims de la empresa son específicos. Z.ai lo llama "el modelo open-weights más capaz para coding", dice que mejora un 50% contra GLM-5.2 en su Z.ai Code Bench interno, y reclama SOTA open-source en benchmarks públicos como Terminal Bench 3.0 y Agents' Last Exam. La card publica la tabla completa de comparación contra GLM-5.2, Kimi K3, DeepSeek-V4 Pro-0813, Qwen3.8-Max, Opus 4.8, Fable 5 y GPT-5.6 Sol, así que los claims se pueden verificar.

Frente a GLM-5.2, la ventaja es consistente y grande: 88,2 contra 81,0 en Terminal Bench 2.1, 66,9 contra 46,2 en DeepSWE, y 54,4 contra 24,4 en ExploitBench. La lectura de "open-weights líder" se sostiene en CyberGym, donde GLM-5.3 saca 84,5, lo más alto de la tabla. En varias filas de coding los modelos cerrados siguen adelante: GPT-5.6 Sol lleva la delantera en Terminal Bench 3.0 (34,6 contra 28,3) y en DeepSWE (72,7 contra 66,9), y Fable 5 gana ProgramBench. Las footnotes de la card describen corridas de evaluación con contexto de hasta 1M de tokens, y de ahí salen las filas de tareas agénticas.

El salto de ciberseguridad es lo más grande, y Z.ai es inusualmente directa con eso: al escalar el post-training, la capacidad cyber se desarrolló más rápido de lo que la empresa esperaba, y las mejoras son mayores cuanto más se sube en la cadena de explotación, donde GLM-5.3 más que duplica a GLM-5.2. Si esa capacidad es un problema de seguridad o un activo de defensa depende de quién la haga correr, y la card no toma ese partido.

Dos días antes: Ox Alpha

El release cae dos días después de que TechCrunch informara que Z.ai es el lab detrás de Ox Alpha, un modelo misterioso que venía circulando sin dueño público. Leído junto, GLM-5.3 es la contraparte pública y open-weight de ese modelo en modo sigilo, del mismo lab y a días de distancia.

Si vas a self-hostear

La card lista un abanico amplio de serving: SGLang, vLLM, TokenSpeed, Transformers, KTransformers y Unsloth, más soporte para Ascend NPU vía vLLM-Ascend y xLLM. Dos notas prácticas si lo vas a correr. Dejá el reasoning_effort=max por defecto si querés reproducir los números de las leaderboards, y pasá clear_thinking=true en escenarios de chat, como recomienda la card. Si lo estás evaluando para un producto, empezá por la licencia: que se puedan descargar los pesos no responde qué podés poner a la venta.