---
title: "GLM-5.3: sedici benchmark, zero sulla sicurezza"
description: "Il 28 agosto 2026 Z.ai pubblica i pesi di GLM-5.3: la scheda riporta sedici benchmark di codice e capacità cyber, nessuno di sicurezza o di lingue diverse da inglese e cinese."
url: https://csidia.com/note-operative/glm-5-3-sedici-benchmark-zero-sicurezza/
lang: it
date: 2026-09-01
label: "Osservatorio"
publisher: CSIDIA S.r.l. (https://csidia.com/)
english: https://csidia.com/en/notes/glm-5-3-sedici-benchmark-zero-sicurezza/
---

# GLM-5.3: sedici benchmark, zero sulla sicurezza

Il 28 agosto 2026 l’organizzazione **zai-org** — Z.ai, ex Zhipu AI — ha pubblicato su Hugging Face i pesi di **GLM-5.3**. Nel commit iniziale, verificato sulla cronologia pubblica, la scheda si descriveva così: «GLM-5.3: Frontier Coding with Emergent Cyber Capabilities» — *GLM-5.3: programmazione di frontiera con capacità cyber emergenti* — una frase poi tolta nelle revisioni successive ma presente nella versione pubblicata quel giorno. Il salto rivendicato è misurabile: più del doppio del predecessore sui benchmark di sfruttamento informatico. Per chi valuta il modello per un caso d’uso di sicurezza o difesa, la domanda non è se il salto sia reale, ma che cosa nella scheda misuri quanto sia sicuro metterlo in esercizio. Verificato voce per voce: niente.

## I fatti, in ordine

- **16 giugno 2026** — GLM-5.2 esce con licenza MIT. Il 17 luglio CAISI, l’ente del NIST che valuta i modelli di frontiera, ne pubblica una valutazione indipendente che [abbiamo verificato riga per riga](https://csidia.com/note-operative/glm-5-2-caisi-valutazione-sicurezza): il modello rifiuta la maggior parte delle richieste di attacco poste come domanda diretta, ma non ne rifiuta nessuna se lo stesso compito arriva a un agente con gli strumenti in mano.
- **14 agosto 2026** — Z.ai rende disponibile GLM-5.3 solo attraverso i propri servizi ospitati, il GLM Coding Plan e ZCode, senza pesi scaricabili. La documentazione ufficiale scrive: «GLM-5.3 is now available to all GLM Coding Plan users» — *GLM-5.3 è ora disponibile per tutti gli utenti del GLM Coding Plan* — senza una data per l’API o i pesi.
- Una testata di settore attribuisce a Z.ai una dichiarazione non rintracciata da noi su un canale ufficiale dell’azienda: «API access and open weights will be released in stages following rigorous safety evaluations» — *l’accesso via API e i pesi aperti arriveranno per fasi, a seguito di rigorose valutazioni di sicurezza*. La trattiamo come dichiarazione di terza mano, non come documento verificato alla fonte.
- **26 agosto 2026** — Z.ai pubblica i pesi di GLM-5.3-Flash con licenza MIT, [come avevamo verificato qui](https://csidia.com/note-operative/glm-5-3-flash-zai-costo-reale-perimetro).
- **28 agosto 2026, ore 15:00 UTC** — pubblicazione dei pesi di GLM-5.3, non Flash. Architettura, dal file di configurazione: 78 strati, 256 esperti instradati più uno condiviso, otto attivi per ogni token, finestra di contesto 1.048.576 token — la stessa cifra già misurata su GLM-5.2, coerente con la dichiarazione della scheda che «GLM-5.3 uses the same base model as GLM-5.2». Su disco: 141 file safetensors, 755,6 GB — 703,7 GiB — un totale che né la scheda né il file di configurazione riducono a un unico numero di parametri; la stampa di settore lo arrotonda a circa 753 miliardi.
- **Licenza**: non MIT come la sorella Flash, ma una licenza propria («GLM-5.3 License») con le stesse libertà d’uso e redistribuzione commerciale; unica condizione, per chi supera i 10 miliardi di dollari di ricavi annui in servizi «Model as a Service» — «must pass Z.AI’s security review before using the Software or its derivative works for any commercial purpose» — *deve superare una verifica di sicurezza di Z.AI prima di usare il software o le sue opere derivate per qualunque scopo commerciale*. Sotto quella soglia, nessuna verifica è richiesta.

## Sedici benchmark, nessuno sulla sicurezza

La scheda riporta sedici benchmark, usati dal produttore per rivendicare il salto su GLM-5.2. Le sedici righe si dividono in tre sole famiglie: programmazione e ingegneria del software (Terminal-Bench 2.1 e 3.0, DeepSWE, NL2Repo, ProgramBench, FrontierSWE, SWE-Marathon, PostTrainBench), cybersicurezza offensiva e difensiva (CyberGym, ExploitGym, ExploitBench), e uso di strumenti e compiti agentici generici (Toolathlon, AutomationBench, Agents’ Last Exam, HLE w/ Tools, GDPval-AA). Verificato riga per riga: nessuna misura la resistenza a un uso improprio, la coerenza dei rifiuti o l’affidabilità fattuale. Il campo `language` della scheda, nel testo YAML, dichiara solo `en` e `zh`: nessun’altra lingua compare, né come addestramento né come valutazione.

Sulla capacità cyber la scheda è esplicita quanto la tabella: «As we scaled post-training, cyber capability developed faster than we expected» — *via via che scalavamo il post-training, la capacità cyber si è sviluppata più velocemente di quanto ci aspettassimo* — seguita dalla rivendicazione di essere «state of the art on CyberGym for vulnerability discovery», *stato dell’arte su CyberGym per la scoperta di vulnerabilità*. Sui numeri: CyberGym sale a 84,5 dal 77,2 di GLM-5.2; ExploitBench, un punteggio di copertura su 41 prove, sale a 54,4 dal 24,4; su ExploitGym, 869 prove con budget di due o sei ore, GLM-5.3 ne risolve 105 e 130, contro le 29 e 39 del predecessore. Sono cifre del produttore: non abbiamo eseguito il modello.

Il repository ospita anche una cartella `.eval_results`, che alimenta l’etichetta “eval-results” nei metadati pubblici del modello. Contiene quattro file: uno per DeepSWE, uno per HLE, due per Terminal-Bench. Verificato sulla cronologia dei commit: sono stati aggiunti fra il 28 e il 31 agosto con commit intitolati «community evaluation results», che portano come coautori due membri dello staff di Hugging Face accanto all'account di zai-org, e riportano solo cifre già presenti nella tabella della scheda. La struttura pensata per rendere verificabile un risultato copre, di fatto, un quarto delle sedici prove pubblicate — e nessuna riguarda la sicurezza.

## La verifica dichiarata, non pubblicata

Sul repository pubblicato il 28 agosto non c’è traccia delle «rigorous safety evaluations» che la dichiarazione di terza mano attribuisce a Z.ai: nessun file, nessuna sezione della scheda, nessuna clausola della licenza le nomina. Il rapporto tecnico della famiglia — arXiv 2602.15763, «GLM-5: from Vibe Coding to Agentic Engineering», quaranta pagine, la stessa fonte già citata per GLM-5.3-Flash — non fa eccezione: scaricato e interrogato per intero, non contiene una sola occorrenza delle parole «safety», «red team», «misuse», «risk» o «guardrail». Le poche parole vicine che vi compaiono sono tecniche: «alignment» indica le fasi di post-addestramento, «bias» lo scarto di ottimizzazione, e in un caso il nome di un'azienda. Descrive invece la pipeline di addestramento — 27.000 miliardi di token, classificatori contro i contenuti sintetici, filtri separati per web, codice e materiale scientifico — senza indicare le fonti effettive né come sono trattati dati personali o protetti da copyright.

Per GLM-5.2 la valutazione di sicurezza non è arrivata dal produttore: è arrivata da CAISI, che ha misurato zero rifiuti su dieci quando la stessa richiesta di attacco passa da domanda diretta a compito agentico, notando che sui capitoli di sicurezza il produttore non aveva pubblicato risultati propri. A tre giorni dalla pubblicazione dei pesi di GLM-5.3 — un modello che il produttore stesso descrive più capace del predecessore proprio sulle prove di sfruttamento — l’elenco pubblico delle valutazioni CAISI, verificato sul sito del NIST, si ferma a GLM-5.2 e a Kimi K3: nessuna voce per GLM-5.3. Non significa che non arriverà: significa che, a questa data, non è ancora arrivata, mentre il modello è già scaricabile ed eseguibile in proprio, e la licenza non impone verifiche a chi resta sotto quella soglia.

## Cosa fare, in pratica

- Non trattate «rigorous safety evaluations» come una prova: è una dichiarazione di terza mano, non un documento. Chiedete al fornitore il rapporto, non l’annuncio.
- Se il caso d’uso prevede un agente con strumenti, non solo una chat, verificate voi la capacità di sfruttamento e la resistenza al dirottamento: la scheda non lo fa, e GLM-5.2 mostra che il comportamento cambia tra le due modalità.
- Non scambiate i quattro file di `.eval_results` per un audit: sono numeri di programmazione aggiunti dopo la pubblicazione, non una valutazione nuova.
- Se il vostro contesto richiede una verifica in lingue diverse da inglese e cinese, tenete conto che la scheda non ne dichiara nessuna: la prova in italiano o in un’altra lingua europea resta interamente a vostro carico.
- Registrate versione, hash e data di acquisizione dei pesi: se arriverà una valutazione indipendente, saprete a quale checkpoint si riferisce.

Il salto che GLM-5.3 rivendica sui benchmark di sfruttamento è reale sulla tabella del produttore; la verifica su quanto sia sicuro metterlo in produzione esiste, per ora, solo come frase riportata. Sono due registri diversi — che cosa il modello sa fare, e come si comporta quando qualcuno prova a fargli fare la cosa sbagliata — e solo il secondo dice se conviene adottarlo prima che lo verifichi qualcun altro al posto vostro.

*State valutando un modello a pesi aperti con capacità cyber dichiarate per un caso d’uso agentico? [Parliamone in una sessione di trenta minuti](https://csidia.com/contatti): verifichiamo scheda, licenza e comportamento reale prima che la decisione la prenda un capitolato senza queste risposte.*

## Fonti

- [Hugging Face — zai-org/GLM-5.3, scheda del modello](https://huggingface.co/zai-org/GLM-5.3)
- [Hugging Face — zai-org/GLM-5.3, cronologia dei commit](https://huggingface.co/zai-org/GLM-5.3/commits/main)
- [Hugging Face — zai-org/GLM-5.3, testo della licenza](https://huggingface.co/zai-org/GLM-5.3/blob/main/LICENSE)
- [arXiv 2602.15763 — GLM-5: from Vibe Coding to Agentic Engineering](https://arxiv.org/abs/2602.15763)
- [NIST/CAISI — Assessment of Z.ai’s GLM-5.2 (17 luglio 2026)](https://www.nist.gov/news-events/news/2026/07/caisi-assessment-zais-glm-52)
- [NIST/CAISI — pagina delle valutazioni pubblicate](https://www.nist.gov/caisi)
- [Z.ai Developer Docs — GLM-5.3, panoramica del modello](https://docs.z.ai/guides/llm/glm-5.3)
- [explainx.ai — GLM-5.3 Launch: Benchmarks, Pricing & Access (dichiarazione attribuita a Z.ai sulle valutazioni di sicurezza)](https://www.explainx.ai/blog/glm-5-3-launch-cyber-defense-benchmarks-august-2026)

Nota di CSIDIA S.r.l. (Vignola, MO): https://csidia.com/note-operative/glm-5-3-sedici-benchmark-zero-sicurezza/ · Chi siamo e che cosa facciamo: https://csidia.com/in-breve/ · engagement@csidia.com