智譜 GLM-5.3の発表：740億パラメータは増えていないが、後続訓練によって50%性能を向上させ、プログラミング能力がFable 5に近づいた

8月14日、智譜（Zhipu）は大規模モデル「GLM-5.3」を正式に発表しました。ベースとなるパラメータ数は740億を超え、GLM-5.2と同一の基盤を採用しており、以前から噂されていた1兆パラメータへのアップグレードは見られませんでした。このカードはおそらくGLM-5.5に残されたものと思われます。しかし、智譜は後学習という手法により、GLM-5.3の性能を前世代に比べて50％向上させ、多数の主要ベンチマークテストで現在のオープンソースモデルの中で最高のランキングを獲得しました。プログラミングおよびエージェント機能ではClaude Fable5とほぼ同等になり、他の国内モデルよりもより優れたプログラミング体験を提供しています。

いくつかの重要なベンチマークスコアの急上昇は説得力があります。複雑なタスクをリアルな端末環境で実行する能力を測る「Terminal-Bench3.0」では、スコアが4.6から28.3へと急騰しました。長距離ソフトウェアエンジニアリングと継続的なコード修正能力に焦点を当てた「DeepSWE v1.1」では、スコアが46.2から66.9へと上昇しました。さまざまな実際の専門的なシナリオをカバーし、ツール間協働や長距離タスクを重視した「Agents' Last Exam」では、スコアが23.8から28.5へと上がりました。44種類の職業をカバーし、実際の高価値知識作業を検証する「GDPval-AA v2」において、GLM-5.3は1769点を獲得し、プログラミング能力に基づいた専門的なタスク遂行力を示しました。全体的に見て、複雑なソフトウェア開発、端末操作、そして広範な現実世界でのエージェントタスクにおいても顕著な進歩を遂げています。

最も説得力があるのは、智譜が自社開発した「Z.ai Code Bench」です。この評価システムでは、モデルを本格的なローカル開発環境に組み込み、異なる思考モードでエンド・トゥ・エンドのタスクを実行します。これは開発者がコーディングエージェントを使用する際に感じる体験にできるだけ近づけることを目指しています。テスト結果によると、GLM-5.3は効果とToken利用率のバランスをより良い形で取りつけました。Highモードでは正確率が31.4％となり、Claude Opus4.8の最高モードである29.5％を上回りました。一方、各タスクに対して平均して約5万トークンを出力するのに対し、Opus4.8は約12万トークンが必要でした。つまり、GLM-5.3は同じことをより短い実行経路で完了できることを意味しています。