GLM-5.3 pronašao ozbiljnu ranjivost u Cursoru pre nego što je dostigao puno tržište

Kineski AI startup Z.ai, poznat po seriji velikih jezičkih modela otvorenog koda pod oznakom GLM, objavio je model GLM-5.3 sa znatnim napretkom u dugotrajnim zadacima kodiranja i, što je možda važnije, sa ubrzanim razvojem sajber sposobnosti koji je iznenadio i same autore. Vest je objavio VentureBeat, pozivajući se na zvaničnu tehničku najavu kompanije i objavu na platformi X od strane Z.ai developer advocacy stručnjaka koji nastupa pod imenom Lou. Ono što model čini posebno aktuelnim jeste podatak da su GLM-5.3 sajber sposobnosti već u praksi dale rezultat: prema istom izvoru, model je pre punog izlaska pronašao potencijalno ozbiljnu ranjivost u Cursoru, alatu za kodiranje koji je nedavno preuzeo SpaceX. VentureBeat je zatražio potvrdu od kompanije Cursor, ali odgovor do objavljivanja teksta nije stigao. Model je za sada dostupan samo kroz Z.ai-ev plan GLM Coding Plan i okruženje ZCode, dok su API pristup i otvorene težine najavljeni tek po završetku bezbednosne provere.

Ukratko: GLM-5.3 donosi napredne sajber sposobnosti i otkriva ranjivost u Cursoru

• Izvor informacija: VentureBeat, uz tehničku najavu Z.ai kompanije i objavu developer advocate stručnjaka Loua na platformi X.
• Ključni podatak: GLM-5.3 postiže 84,5 odsto na testu CyberGym za otkrivanje ranjivosti, više nego GPT-5.6 Sol (83,6 odsto) i Mythos 5 (83,8 odsto).
• Tehnički detalj: Model koristi istu osnovu od 743 milijarde parametara kao GLM-5.2, a napredak potiče isključivo iz proširenog post-treninga, bez nove skupe obuke.
• Tržišni kontekst: Z.ai je nedavno prikupio oko 4 milijarde dolara kroz prodaju akcija u Hong Kongu, a GLM-5.2 je već bio pozicioniran kao cenovno konkurentan odgovor na vodeće zatvorene modele iz SAD.

Isti model, znatno bolji rezultati zahvaljujući proširenom post-treningu

Za razliku od prethodnih generacija, Z.ai ovog puta nije izgradio novi osnovni model. Umesto toga, kompanija je proširila sistem post-treninga koji je već koristila uz GLM-5.2, dodajući više okruženja, raznovrsnijih zadataka i dodatne resurse za treniranje metodom ojačanog učenja. Rezultati pokazuju da frontier model na ovoj skali ima znatno više prostora za rast bez ponovnog predobučavanja. Na testu Terminal-Bench 3.0, GLM-5.3 skače sa 4,6 na 28,3. Na DeepSWE v1.1 raste sa 46,2 na 66,9, a na AutomationBench sa 26,2 na 48,2. Prednjači i po efikasnosti: na privatnom Z.ai Code Bench testu troši oko 75.000 izlaznih tokena po zadatku pri maksimalnom načinu razmišljanja, naspram 96.000 koliko je trošio GLM-5.2. Manji broj tokena po zadatku direktno smanjuje troškove i vreme čekanja u poslovnim primenama gde agenti rade u dugim sesijama. Ipak, model nije lider na svakom testu. Na Terminal-Bench 3.0, GPT-5.6 Sol beleži 34,6, a Claude Fable 5 dostiže 33,7, dok GLM-5.3 stoji na 28,3. Na DeepSWE v1.1, GPT-5.6 Sol postiže 72,7, a Fable 5 dostiže 69,7. Z.ai ne tvrdi da je na vrhu svakog merila, nego naglašava efikasnost i odnos rezultata prema potrošnji tokena.

Sajber sposobnosti rasle brže od plana, kompanija uvodi poseban sistem pristupa

Najneobičniji deo najave tiče se bezbednosti. Z.ai je u post-trening uveo okruženja za otkrivanje ranjivosti očekujući umeren napredak u pronalaženju softverskih grešaka. Umesto toga, sposobnosti su se proširile prema konstruisanju kompletnih lanaca iskorišćavanja ranjivosti, što kompanija opisuje kao neočekivano brz razvoj. Na testu ExploitBench, GLM-5.3 postiže 54,4 odsto, više nego dvostruko u odnosu na GLM-5.2 koji je imao 24,4 odsto. Konkurenti su ipak znatno ispred: GPT-5.6 Sol dostiže 76,5 odsto, a Mythos 5 dostiže 78 odsto. Na testu ExploitGym, GLM-5.3 završava 105 zadataka u dvočasovnom budžetu, naspram 29 koliko je uspeo GLM-5.2, ali Fable 5 pri istim uslovima završava 181 zadatak, a GPT-5.6 Sol dostiže 216. Agencija Reuters izvestila je da Z.ai uvodi sistem pouzdanog pristupa za osetljive funkcije modela. Kompanija navodi da je u saradnji sa bezbednosnim timovima u Kini, posle stručnog pregleda i uklanjanja duplikata, zabeležila 2.436 pronađenih ranjivosti u 269 projekata, od kojih je 1.097 ocenjeno kao kritično ili visokog rizika. Svega 53 su javno obelodanjene, dok njih 2.383 ostaje pod zabranom objavljivanja.

Dvostruka priroda agenata za kodiranje i bezbednosni pritisak

Slučaj GLM-5.3 jasno pokazuje napetost sa kojom se suočavaju svi koji razvijaju frontier modele: iste sposobnosti dugotrajnog planiranja koje agent čine korisnim za softversko inženjerstvo čine ga i potencijalno sposobnim za napad na sisteme. Z.ai to ne krije, nego otvoreno opisuje kako su sajber sposobnosti premašile očekivanja, i odlaže opštu dostupnost modela dok bezbednosna procena ne bude završena. Razvoj GLM serije prati jasnu liniju. GLM-4.5 je u julu 2025. objedinio zaključivanje, kodiranje i agentske sposobnosti. GLM-5 je u februaru 2026. više nego udvostručio broj parametara na 744 milijarde i uveo asinhronu infrastrukturu za ojačano učenje. GLM-5.2 je u junu iste godine doneo stabilni kontekstni prozor od milion tokena, MIT licencu i cenu od 1,40 dolara po milion ulaznih tokena, što je direktno ciljalo zatvorene modele po pitanju troškova. GLM-5.3 nastavlja tu putanju, ali je po prvi put i sam model uočio ranjivost u stvarnom alatu pre nego što je dostigao opštu dostupnost. To nije samo tehnički kuriozitet. Ako AI sistemi počnu da otkrivaju kritične ranjivosti u alatima koje programeri svakodnevno koriste, postavljaju se ozbiljna pitanja o tome ko snosi odgovornost za takva otkrića, kako se njima upravlja i koliko brzo stižu do pogođenih kompanija. Z.ai je za sada odabrao put postepenog otvaranja uz bezbednosnu proveru, što je pristup koji će verovatno postati standard, a ne izuzetak, u razvoju naredne generacije agenata.

Česta pitanja