Jurnal Indonesia — Perusahaan kecerdasan buatan (AI) asal China, Z.ai, secara resmi meluncurkan model AI terbarunya, GLM-5.3. Model penerus GLM-5.2 ini membawa peningkatan signifikan dalam kemampuan pemrograman (coding) dan keamanan siber (cybersecurity). Namun, perkembangan kemampuan siber GLM-5.3 ternyata melampaui ekspektasi Z.ai sendiri.

Awalnya, Z.ai melatih GLM-5.3 untuk meningkatkan kemampuannya dalam menemukan kerentanan atau celah keamanan pada perangkat lunak. Seiring proses pelatihan yang ditingkatkan, model tersebut tidak hanya semakin mahir menemukan celah, tetapi juga mulai mampu menyusun rangkaian eksploitasi (exploitation chain) yang lebih lengkap.

“Seiring kami meningkatkan skala post-training, kemampuan siber berkembang lebih cepat dari yang kami perkirakan,” ungkap Z.ai dalam pengumuman teknis di blog resminya.

Peningkatan kemampuan ini mendorong Z.ai untuk mengambil pendekatan yang lebih hati-hati dalam merilis GLM-5.3. Untuk tahap awal, model AI ini hanya tersedia melalui GLM Coding Plan dan lingkungan pemrograman ZCode milik Z.ai. Akses melalui API dan open weights belum dirilis dan baru akan tersedia setelah proses evaluasi serta penguatan keamanan selesai. Bobot (weights) GLM-5.3 direncanakan tersedia sekitar dua minggu pasca-peluncuran.

Kemampuan Siber Melonjak Signifikan

Besarnya peningkatan kemampuan keamanan siber GLM-5.3 terlihat dari berbagai pengujian yang dilakukan Z.ai. Dalam pengujian CyberGym, yang mengukur kemampuan menemukan dan memvalidasi kerentanan berdasarkan kode sumber, GLM-5.3 mencatat skor 84,5 persen. Angka ini merupakan peningkatan dari GLM-5.2 yang memperoleh skor 77,2 persen.

Berdasarkan laporan Z.ai, GLM-5.3 juga sedikit mengungguli pesaingnya seperti GPT-5.6 Sol dengan skor 83,6 persen dan Mythos 5 sebesar 83,8 persen. Peningkatan yang lebih dramatis terlihat dalam ExploitBench, di mana GLM-5.3 meraih skor 54,4 persen, lebih dari dua kali lipat dibandingkan GLM-5.2 yang hanya mencatat 24,4 persen.

Meskipun demikian, GLM-5.3 masih tertinggal dari beberapa model AI pesaing dalam pengujian ExploitBench. GPT-5.6 Sol memperoleh skor 76,5 persen dan Mythos 5 sebesar 78 persen. Fenomena serupa terjadi di ExploitGym, di mana GLM-5.3 mampu menyelesaikan 105 tugas dalam batas waktu dua jam dan 130 tugas dalam enam jam. Sebagai perbandingan, GLM-5.2 hanya menyelesaikan masing-masing 29 dan 39 tugas, sementara Fable 5 menyelesaikan 181 dan 247 tugas, dan GPT-5.6 Sol mencapai 216 dan 293 tugas.

Meskipun belum memimpin di semua pengujian, peningkatan pesat kemampuan GLM-5.3 dibanding generasi sebelumnya menjadi perhatian serius Z.ai. Salah satu kemampuannya dilaporkan telah digunakan untuk menemukan potensi celah keamanan serius pada Cursor, sebuah aplikasi coding berbasis AI. Informasi ini disampaikan oleh Developer Advocate Z.ai, Lou, melalui unggahan di platform X, meskipun belum ada konfirmasi dari pihak Cursor.

Ribuan Kerentanan Ditemukan

Z.ai juga mengungkapkan telah bekerja sama dengan sejumlah tim keamanan di China untuk menguji kemampuan model AI tersebut pada proyek nyata. Hasilnya, ditemukan 2.436 kerentanan pada 269 proyek setelah melalui proses peninjauan ahli, penyaringan, dan penghapusan temuan duplikat. Dari jumlah tersebut, 1.097 temuan dikategorikan sebagai kerentanan dengan tingkat keparahan kritis atau tinggi.

Sebanyak 53 kerentanan telah diungkap ke publik, sementara 2.383 temuan lainnya masih dalam masa embargo saat GLM-5.3 diluncurkan. Kemampuan ini menunjukkan dua sisi perkembangan AI untuk pemrograman: di satu sisi, model AI yang mampu mengerjakan tugas kompleks dapat membantu pengembang dan peneliti keamanan menemukan serta memperbaiki celah perangkat lunak lebih cepat. Namun, kemampuan serupa juga berpotensi membuat model AI semakin mumpuni menjalankan tugas keamanan siber yang bersifat ofensif.

Peningkatan Coding Tanpa Mengganti Base Model

Selain keamanan siber, Z.ai meningkatkan kemampuan coding GLM-5.3 secara signifikan tanpa membuat model dasar (base model) baru. GLM-5.3 masih menggunakan base model yang sama dengan GLM-5.2 dengan skala 743 miliar parameter. Z.ai menyatakan peningkatan kemampuan sepenuhnya berasal dari pembesaran proses post-training.

Perusahaan menambah lingkungan pelatihan, memperbanyak variasi tugas, serta meningkatkan komputasi untuk reinforcement learning (RL). Dalam proses tersebut, GLM-5.3 dilatih menghadapi skenario yang menyerupai pekerjaan pengembang perangkat lunak secara nyata, termasuk akses ke basis kode, dokumentasi, klaster komputasi, sistem penyimpanan, hingga hasil eksperimen. AI kemudian harus mendiagnosis masalah, memodifikasi sistem, menjalankan eksperimen, dan menunjukkan peningkatan terukur tanpa mengganggu fungsi sistem.

Beberapa tugas bahkan dirancang menyerupai pekerjaan yang membutuhkan waktu berhari-hari bagi teknisi berpengalaman. Hasilnya, skor GLM-5.3 di Terminal-Bench 3.0 melonjak dari 4,6 pada GLM-5.2 menjadi 28,3. Di DeepSWE v1.1, skornya meningkat dari 46,2 menjadi 66,9, sedangkan AutomationBench naik dari 26,2 menjadi 48,2.

Namun, GLM-5.3 belum mengungguli semua model AI pesaing dalam beberapa benchmark. Berdasarkan pengujian yang dilaporkan Z.ai, GPT-5.6 Sol mencatat skor 34,6 dan Claude Fable 5 sebesar 33,7 di Terminal-Bench 3.0, sementara GLM-5.3 sebesar 28,3. Untuk DeepSWE v1.1, GLM-5.3 mencatat skor 66,9, masih di bawah GPT-5.6 Sol dengan 72,7 dan Claude Fable 5 sebesar 69,7.

Peningkatan kemampuan keamanan siber yang melaju lebih cepat dari perkiraan menjadi alasan Z.ai belum langsung membuka GLM-5.3 sepenuhnya. Perusahaan memilih untuk menyelesaikan evaluasi dan penguatan keamanan sebelum menyediakan API dan open weights model tersebut secara lebih luas. Skor lebih detail dari GLM 5.3 dapat dilihat di blog resmi Z.ai.