GLM-5.3、5.2の基盤モデルを継承してポストトレーニングを拡大、サイバーセキュリティ能力の急伸でオープンウェイト公開を2週間延期

Z.aiは8月14日にGLM-5.3をリリースしたが、現時点ではZCodeとCoding Planを通じてのみ提供しており、予定していたオープンウェイトの公開は約2週間延期された。技術面で最も注目すべき点は、GLM-5.2のMoE基盤モデルと100万tokenのコンテキストを継承し、事前学習パラメータを増やしていないことだ。公式説明によれば、性能向上はすべてポストトレーニングの拡大によるもので、より多くの実行環境、より長いエージェントタスク、実行結果をフィードバックとして利用するコーディングおよびサイバーセキュリティ訓練などが含まれる。

公式データによると、Terminal-Bench 3.0のスコアは4.6から28.3へ、DeepSWE v1.1は46.2から66.9へ上昇した。ExploitBenchも24.4%から54.4%へ向上し、GLM-5.3はCyberGymで84.5%の成功率を報告している。ただし、CyberGym Level 1は脆弱性をゼロから探索するものではない。エージェントには脆弱性の説明と修正前のコードが与えられ、旧バージョンでは脆弱性を発現させ、修正版では機能しないPoCを生成することが目標となる。リーダーボードも、結果が各チームによる自己申告であり、試行回数やエージェントharnessが異なると明確に警告している。そのため、コンマ数ポイントのリードを、モデル自体の明確な優位性と解釈すべきではない。

デュアルユースリスクは、その能力が既知の脆弱性を単に再現する範囲をすでに超えていることに起因する。Z.aiの開示台帳には、269件のオープンソースプロジェクトにわたる2,436件の発見が記載され、そのうち1,097件がCriticalまたはHighに分類されている。しかし、リリース時点で公開されていたのは53件にすぎず、外部からは真陽性率、重複計上、協調的脆弱性開示の状況を個別に検証できない。このため同社は、まず選定したサイバーセキュリティパートナーに管理された環境での利用を認めるとともに、メンテナーが公開リポジトリをスキャンできるOpenVulnサービスを提供している。

今後、エンジニアリングチームはウェイト公開の条件、推論および訓練用harnessが公開されるかどうか、さらに独立研究者がツール、ステップ数、試行回数を固定した条件で結果を再現できるかに注目すべきだ。基盤モデルを変更せず、ポストトレーニングだけで脆弱性悪用能力を倍増できるのであれば、モデル公開時の審査をパラメータ数や事前学習の計算量だけで区分することはできない。