Z.ai, startup kecerdasan buatan asal China yang dikenal deretan model bahasa terbuka GLM-nya, hari ini meluncurkan GLM-5.3. Rilis kali ini menonjolkan peningkatan substansial pada kemampuan coding jangka panjang, namun yang lebih konsekuensial adalah lompatan drastis pada kapabilitas keamanan siber — hingga melampaui perkiraan tim pengembang sendiri.
Menurut Lou, developer advocate Z.ai, melalui unggahan di X, GLM-5.3 telah menemukan "kerentanan berpotensi serius" di Cursor, startup coding AI yang baru saja diakuisisi oleh SpaceX. VentureBeat telah mengirimkan permintaan konfirmasi ke Cursor dan menunggu tanggapan. Model ini saat ini hanya tersedia melalui GLM Coding Plan dan lingkungan ZCode, sedangkan akses API dan bobot terbuka dijadwalkan rilis sekitar dua minggu ke depan, setelah evaluasi keamanan dan hardening selesai.
Yang membedakan GLM-5.3 dari siklus rilis model frontier biasa adalah pendekatan pengembangannya. Z.ai menegaskan bahwa model ini menggunakan model dasar yang sama dengan GLM-5.2 — skala 743 miliar parameter — tanpa melalui siklus pra-pelatihan (pre-training) ulang yang mahal. Seluruh peningkatan berasal dari penskalaan pasca-pelatihan (post-training) di lebih banyak lingkungan, tugas lebih beragam, dan komputasi reinforcement learning tambahan.
"Hanya penskalaan pasca-pelatihan yang kami lakukan untuk GLM-5.3," tulis Z.ai di pengumuman teknisnya. Hasilnya menunjukkan ruang gerak (headroom) yang besar. Namun, hal itu juga menimbulkan masalah tidak biasa bagi pengembang model terbuka: kemampuan keamanan siber meningkat lebih cepat dari yang diantisipasi, khususnya saat tugas berkembang dari identifikasi kerentanan menuju konstruksi rantai eksploitasi lengkap.
Pada benchmark Terminal-Bench 3.0, GLM-5.3 melonjak dari 4,6 menjadi 28,3. Di DeepSWE v1.1, skor naik dari 46,2 ke 66,9, dan pada AutomationBench dari 26,2 ke 48,2. Meskipun belum mendominasi setiap kompetitor — GPT-5.6 Sol mencatat 34,6 dan Claude Fable 5 sebesar 33,7 di Terminal-Bench 3.0 — efisiensi jadi fokus utama Z.ai. Di Z.ai Code Bench internal, GLM-5.3 mencapai 34,5% pada pengaturan Max reasoning dengan konsumsi sekitar 75.000 token output per tugas, dibanding GLM-5.2 yang 23,4% dengan 96.000 token. Efisiensi token ini kritis untuk perusahaan yang men-deploy agen coding, di mana loop berjalan lama membuat biaya dan latensi inferens berganda dengan cepat.
Perkembangan paling menarik — dan sekaligus mengkhawatirkan — ada di domain keamanan siber. Z.ai memasukkan lingkungan penemuan kerentanan ke dalam campuran pasca-pelatihan GLM-5.3 dengan harapan model jadi lebih baik menemukan cacat perangkat lunak. Alih-alih berhenti di sana, kemampuan justru melaju lebih jauh ke rantai eksploitasi. "Seiring penskalaan pasca-pelatihan, kapabilitas siber berkembang lebih cepat dari yang kami duga," tulis Z.ai.
Di CyberGym, yang menguji penemuan dan validasi kerentanan terhadap kode sumber, GLM-5.3 mencatat 84,5%, melewati GLM-5.2 (77,2%) serta angka yang dilaporkan Z.ai untuk GPT-5.6 Sol (83,6%) dan Mythos 5 (83,8%). Keunggulan ini tidak merata di seluruh tumpukan eksploitasi. Di ExploitBench, GLM-5.3 skor 54,4% — lebih dari dua kali lipat GLM-5.2 (24,4%) — namun masih jauh di belakang GPT-5.6 Sol (76,5%) dan Mythos 5 (78%). Di ExploitGym, GLM-5.3 menyelesaikan 105 tugas dalam anggaran dua jam dan 130 dalam enam jam, naik dari 29 dan 39 pada GLM-5.2. Fable 5 mencapai 181 dan 247, sedangkan GPT-5.6 Sol 216 dan 293.
Arah pergerakan (direction of travel) mungkin lebih penting dari posisi papan peringkat. Z.ai mengungkapkan kerja sama dengan tim keamanan di China telah menghasilkan 2.436 temuan kerentanan di 269 proyek setelah tinjauan ahli, penyaringan, dan deduplikasi. Dari itu, 1.097 dikategorikan kritis atau tingkat tinggi, dengan 53 sudah diungkapkan publik dan 2.383 masih di bawah embargo saat rilis. Ini menciptakan tegangan yang semakin dihadapi penyedia model frontier: kapabilitas agen jangka panjang yang membuat model lebih berguna untuk rekayasa perangkat lunak, juga membuatnya jadi peneliti keamanan lebih handal — dan berpotensi operator ofensif yang lebih mampu.
Reuters melaporkan pada Jumat lalu bahwa Z.ai juga memperkenalkan kontrol di sekitar beberapa kapabilitas lanjutan model, termasuk pendekatan "trusted access" untuk fungsionalitas sensitif. Bagi pengembang yang bermigrasi dari GLM lama, perlu diperhatikan perubahan perilaku API yang bersifat breaking — detail teknis yang akan memengaruhi integrasi existing.
Dalam konteks Indonesia, rilis GLM-5.3 menegaskan tren global di mana model bahasa terbuka (open-weight) dari China semakin menyaingi model tertutup Barat tidak hanya di benchmark coding, tapi juga domain keamanan siber yang sensitif. Bagi ekosistem startup dan pengembang Indonesia yang banyak memanfaatkan alat coding AI seperti Cursor, GitHub Copilot, atau model terbuka seperti CodeLlama dan DeepSeek-Coder, hadirnya model dengan kemampuan penemuan kerentanan otomatis ini berdua sisi. Di satu sisi, alat bantu audit kode otomatis jadi lebih terjangkau dan powerful — potensial besar untuk tim keamanan internal perusahaan fintech, e-commerce, maupun layanan publik yang harus mematuhi regulasi PDP dan standar keamanan Siber Nasional. Di sisi lain, penyebaran kemampuan konstruksi eksploitasi ke model terbuka menambah risiko penyalahgunaan oleh aktor jahat, termasuk kelompok ancaman persisten lanjutan (APT) yang sudah aktif menargetkan infrastruktur kritis di Asia Tenggara.
Pemerintah dan industri keamanan siber Indonesia perlu memantau perkembangan ini dekat. Kerangka regulasi AI yang sedang disusun Kominfo dan BSSN sebaiknya memasukkan klausul khusus untuk model dengan kapabilitas ofensif siber terbukti, termasuk kewajiban evaluasi keamanan pra-deployment dan mekanisme pelaporan kerentanan terkoordinasi. Bagi CISO dan tim keamanan perusahaan Indonesia, ini momentum untuk memperkenalkan red-teaming berbasis AI sebagai bagian standar siklus pengembangan perangkat lunak (SDLC), bukan lagi tambahan opsional.