智谱AI发布GLM-5.3编程与网络安全模型

智谱表示，GLM-5.3运行在与GLM-5.2完全相同的7430亿参数基座模型上——所有报告的性能提升都来自规模化的后训练，而不是更大或重新训练的基座模型^[1]。Terminal-Bench 3.0从4.6跃升至28.3，DeepSWE v1.1则从46.2上升至66.9^[1][2]。智谱称，此次后训练已超越孤立的编程题目，进入完整的工程工作流——识别、分析、实施、验证并交付修复方案——使用真实的计算集群、存储系统和内部代码库，部分任务类似于资深工程师持续数天的工作负载^[2]。在智谱内部的一项Z.ai基准测试中，GLM-5.3还以31.4%的成绩优于对比结果（29.5%），而每项任务仅使用约5万个输出token，远低于参考运行的约12万个token，表明该模型不仅能力更强，效率也更高^[1]。

更关键的细节并非某项基准分数——而是GLM-5.3本未被训练执行此任务。在网络安全训练过程中，该模型开始自主推理多个攻击阶段，形成完整漏洞链的连贯计划，这种行为被智谱自身描述为一种涌现能力^[4]。这也正是开放权重被推迟约两周发布的原因——公司表示需要时间进行安全评估和加固，而非立即发布^[1][3]。该模型与中国安全团队合作，在真实开源代码库中发现了2,436个漏洞，涉及269个项目，其中约一半被评定为中等及以上严重程度，并已登记至公共漏洞库^[3][5]。其中一个漏洞存在于大约40年前编写的代码中^[3]。智谱将这种双重用途的张力视为特性而非缺陷，明确以协作方式定位此次发布：“人工智能的发展不应是一个国家的独奏，而应是全球合作的交响乐。”^[5]

智谱称GLM-5.3是目前最强的开放权重编程模型，其网络安全数据在某些方面支持这一说法：在CyberGym上，它以84.5%略微领先于Anthropic的Mythos 5模型（83.8%）和GPT-5.6 Sol（83.6%）^[2][3]。但在ExploitBench上差距重新拉开，GLM-5.3从24.4%提升至54.4%，而Mythos 5和GPT-5.6 Sol均得分在70%中高段^[1][2]——这一差距足以动摇其在进攻性安全领域“最强”的定位。社区评测者也对编程能力提出质疑，指出在智谱自己发布的基准表中，另一款已可下载的开放权重模型在四个独立项目上的得分高于GLM-5.3，而官方公告并未提及这一点。定价也引发类似怀疑：GLM Coding Plan的相关讨论帖认为其价格偏高，相比其他开放模型，每次GLM版本升级似乎都在悄悄增加“思考token”的使用量，从而推高实际成本，尽管基准分数在提升。专注于角色扮演的用户则完全无感，指出这些提升集中在编程领域，并未延伸至通用对话质量。

市场也未完全接受其“安全优先”的说辞：Z.ai在港股上市的股票在发布当日收盘前下跌近4%^[6]。彭博社引用的情报分析师Robert Lea称该公司财务状况不可持续，警告“日益增长的智能体AI将推高Z.ai的推理成本和亏损”^[6]。这种怀疑与智谱自身对延迟的解释并存——由于模型新发现的漏洞链能力，需约两周时间进行安全评估和加固^[3][4]。这也不是首次中国开放编程模型引发此类警报：早在GLM-5.3发布前数月，已有报道称GLM-5.2已成为黑客的强大新工具^[7]，表明开放权重能力超前于安全审查的模式早在此前就已存在。