Открытые веса обошли платного лидера: GLM-5.3 впереди GPT-5.6 Sol на Terminal-Bench 4.0

Замер 29 августа выложила команда Cline: GLM-5.3 против GPT-5.6 Sol, обе на максимальной глубине рассуждения. У GLM-5.3 такой режим стоит по умолчанию: параметр reasoning_effort в карточке модели выставлен на max.

Бенч переехал. Terminal-Bench 4.0 вышел в тот же день, и это не новый набор задач, а ремонт старого. Восемь задач выкинули: часть насытилась, часть модели проваливали, к части утекли решения. Ещё 19 починили, всем выставили общий потолок работы агента в 8 часов.

Цифра зависит от хостера. 18 августа Cline открыл трейсы своих прогонов по 89 задачам прошлой версии бенча. Прошлая GLM-5.2 набрала 74.2% на CoreWeave и 61.8% на OpenRouter. Одна модель, разные площадки, разрыв больше 12 пунктов.

Раньше цифры по GLM публиковала сама Z.ai: 28.3 на Terminal-Bench 3.0, 66.9 на DeepSWE, рост в полтора раза к прошлой версии на своём внутреннем наборе задач. Теперь модель сравнивает с платным лидером сторонняя команда.

Взять GLM-5.3 в Cline можно за две команды: `npm i -g cline`, затем `/model` и выбор glm-5.3. Подписка ClinePass стоит $9.99 в месяц, включается через `/settings` и даёт в 2–5 раз больше работы на открытых моделях, чем обычный тариф по API; GLM-5.3 входит в её список из 13 моделей.

Напрямую у Z.ai миллион входных токенов обойдётся в $1.4, миллион выходных в $4.4. Веса на 753 миллиарда параметров лежат на Hugging Face и поднимаются через vLLM или SGLang.

Следующая сверка будет, когда сторонние команды прогонят Terminal-Bench 4.0 на своих площадках.