Реклама Проектов (Hyip,MLM)

Источник: Z.ai. <!-- /wp:image --> <!-- wp:paragraph --> В компании заявили, что прирост мощностей по сравнению с GLM-5.2 (https://forklog.com/news/ai/zhipu-ai-otkryla-glm-5-2-s-kontekstom-v-1-mln-tokenov) получен исключительно за счет посттренировки, без смены базовой модели.  <!-- /wp:paragraph --> <!-- wp:paragraph --> Открытые веса опубликуют через две недели после оценки безопасности и дополнительного харденинга. <!-- /wp:paragraph --> <!-- wp:paragraph --> На внутреннем бенчмарке Code Bench для оценки кодинга GLM-5.3 улучшила результат предшественника на 50%. <!-- /wp:paragraph --> <!-- wp:paragraph --> В релизной таблице Z.ai привела сравнение по ряду тестов: <!-- /wp:paragraph --> <!-- wp:list --> <!-- wp:list-item --> Terminal Bench 3.0 — 28,3 балла против 4,6 у GLM-5.2; <!-- /wp:list-item --> <!-- wp:list-item --> DeepSWE v1.1 — 66,9 против 46,2; <!-- /wp:list-item --> <!-- wp:list-item --> Agents' Last Exam — 28,5 против 23,8; <!-- /wp:list-item --> <!-- wp:list-item --> CyberGym — 84,5% против 77,2%; <!-- /wp:list-item --> <!-- wp:list-item --> ExploitBench — 54,4% против 24,4%. <!-- /wp:list-item --> <!-- /wp:list --> <!-- wp:paragraph --> Отдельно выделен ExploitGym. Модель закрыла 105 задач за двухчасовой бюджет против 29 у GLM-5.2. В шестичасовом бюджете показатель вырос до 130 задач вместо 39 у предыдущей версии. <!-- /wp:paragraph --> <!-- wp:paragraph --> Еще один блок релиза — тестирование на реальных кодовых базах вместе с несколькими командами по безопасности в Китае. Z.ai сообщила, что после проверки и дедупликации система выявила 2436 уязвимостей в 269 проектах, включая 1097 проблем средней и высокой критичности.  <!-- /wp:paragraph --> <!-- wp:image {"id":286331,"sizeSlug":"full","linkDestination":"none"} -->