GLM-5.3 de Z.ai mejora en programación y sorprende en ciberseguridad
El nuevo modelo chino no necesita un cambio de base: solo post-entrenamiento para programar mejor. Lo inesperado fue que sus capacidades de explotación de vulnerabilidades crecieron mucho más rápido de lo previsto.
Z.ai acaba de publicar GLM-5.3, una versión que mejora notablemente las capacidades de programación de su predecesor sin cambiar el modelo base. Todo el avance viene del post-training, es decir, de un entrenamiento más largo, con más entornos complejos y tareas que simulan el trabajo real de un ingeniero durante horas.
Lo que empezó como un esfuerzo por hacer un modelo mejor para escribir y depurar código terminó revelando un crecimiento inesperado en habilidades de ciberseguridad, particularmente en la fase de explotación de vulnerabilidades. Según los datos que compartió la compañía china, cuanto más avanzada es la tarea de ataque, mayor es el salto respecto a GLM-5.2.
Tres benchmarks que cuentan la historia
En CyberGym, que mide si el modelo puede reproducir una vulnerabilidad conocida generando una prueba de concepto, GLM-5.3 subió del 77,2% al 84,5%. Es un buen avance, pero no es donde más se nota la diferencia.
La brecha se agranda en ExploitBench, que evalúa hasta dónde llega el agente en una cadena real de explotación (desde hacer fallar el sistema hasta conseguir ejecución arbitraria de código). Aquí pasó del 24,4% al 54,4%.
El mayor salto aparece en ExploitGym, donde el modelo tiene que completar tareas completas de explotación con un presupuesto de tiempo. Con dos horas normalizadas, GLM-5.3 completó 105 tareas frente a las 29 de la versión anterior. Con seis horas, llegó a 130 contra 39.
Z.ai interpreta esto como una señal de que las fases más avanzadas (las que requieren razonamiento largo y uso de herramientas) mejoraron de forma desproporcionada durante el escalado del entrenamiento.
Cómo se compara con Anthropic
La empresa china comparó su modelo con Mythos 5, una versión de Claude sin salvaguardas de seguridad que Anthropic solo entrega a organizaciones verificadas. GLM-5.3 queda ligeramente por encima en detección de vulnerabilidades (84,5% vs 83,8%), pero todavía se queda atrás en explotación real: 54,4% contra 78% en ExploitBench y 105 tareas frente a 181 en ExploitGym.
Es decir, puede competir bien en las primeras etapas de análisis, pero convertir una vulnerabilidad en un ataque funcional sigue siendo terreno dominado por los modelos más cerrados.
Uso real más allá de los benchmarks
Z.ai no se quedó solo en pruebas de laboratorio. Desde la versión 5.2 viene colaborando con equipos de seguridad chinos en código real. Tras revisión manual, filtrado y eliminación de duplicados, afirman haber identificado 2.436 vulnerabilidades en 269 proyectos distintos.
También hay un caso independiente interesante: Hugging Face usó GLM-5.2 para analizar forensemente un incidente de seguridad causado por un agente autónomo que combinaba modelos de OpenAI. Según la plataforma, el modelo chino ayudó a entender buena parte de los payloads recuperados.
Esto muestra la doble cara de estas herramientas: sirven tanto para encontrar y explotar fallos como para entenderlos mejor y corregirlos.
China acortando la brecha
En julio de 2026, el UK AI Security Institute ubicó a GLM-5.2 como el modelo open-weight más capaz que había evaluado en ciberseguridad, con un rendimiento similar a modelos cerrados que habían salido entre cuatro y siete meses antes. La brecha se está cerrando.
Z.ai planea liberar los pesos de GLM-5.3 una vez completadas las evaluaciones de seguridad. Si la tendencia continúa, capacidades que hoy están reservadas a laboratorios cerrados podrían llegar pronto a modelos descargables y de uso más abierto.
En la Argentina, donde muchas pymes y startups locales dependen de herramientas open-source para sus proyectos, este tipo de avances pueden llegar más rápido a través de Hugging Face o repositorios locales. Eso genera tanto oportunidades (mejores asistentes de código y herramientas de análisis de seguridad) como nuevos desafíos: ¿cómo regulamos y auditamos modelos que pueden ayudar a encontrar vulnerabilidades a gran escala?
Por ahora, el mensaje de Z.ai es claro: mejorar en programación larga y con herramientas no solo hace mejores desarrolladores. También, sin buscarlo del todo, hace agentes mucho más capaces en terrenos de ciberseguridad.
