8月14日消息，智谱 AI（Z.ai）发布 GLM-5.3。官方博客称，GLM-5.3 的基座模型与 GLM-5.2 完全相同（743B 参数），全部能力提升来自极致的后训练 Scaling——数十倍的长程任务环境、更丰富的环境类型与超长的后训练时间。官方表示，模型权重将在发布两周后开放，此前需完成安全评估与模型加固。 编程能力：公开基准开源第一，接近 Claude Fable 5
GLM-5.3 的编程能力是本次发布的主线。官方称其"是编程能力最强的开源模型"，在内部自建评测中较 GLM-5.2 提升 50%。在公开基准上，Terminal-Bench 3.0 从 4.6 升至 28.3，DeepSWE v1.1（长程软件工程）从 46.2 升至 66.9，Agents' Last Exam 从 23.8 升至 28.5，GDPval-AA v2 得分为 1769。官方称其编程与智能体能力接近 Claude Fable 5，编程体感超过其他国产模型。
在自研的 Z.ai Code Bench 评测中，模型被置于复杂本地开发环境执行端到端任务。High 档位下 GLM-5.3 达到 31.4% 的准确率，超过 Claude Opus 4.8 最高档位的 29.5%；每项任务平均输出约 5 万 tokens，而 Opus 4.8 需要约 12 万 tokens。需要说明的是，Code Bench 为智谱自研评测，非第三方基准。
涌现的网络安全能力：前段领先，后段仍落后闭源
网络安全是 GLM-5.3 区别于前代的新能力。官方将安全能力描述为"约束严格的编程能力"的自然延伸，从 2025年9月开始投入研究，与国内多家头部安全实验室合作构建长程任务环境。三个基准呈现一致趋势：越接近漏洞利用链的前端，GLM-5.3 相对 5.2 的提升越明显；越深入完整利用，与闭源前沿模型的差距越大。
在 CyberGym（从白盒源码触发程序故障识别漏洞）上，GLM-5.3 得分为 84.5%，高于 GLM-5.2 的 77.2%，也略高于 Mythos 5 的 83.8% 与 GPT-5.6 Sol 的 83.6%。在更考验深度推理的 ExploitBench（理解漏洞成因并完成利用）上，GLM-5.3 得分为 54.4%，是 GLM-5.2（24.4%）的两倍多，但仍低于 Mythos 5 的 78.0% 与 GPT-5.6 Sol 的 76.5%。官方将这一能力定位为面向网络安全防御场景，同时承认"进步最快的方向，正是当前仍需要重点追赶的方向"。
安全评估与"开源的盾"计划
围绕安全能力，智谱披露了配套的安全评估与开源计划。官方称，自 GLM-5.2 发布以来，联合清华大学、南开大学及云起无垠、绿盟科技、赛博昆仑、DARKNAVY、腾讯玄武等多家安全团队开展红队测试，累计发现漏洞 2,436 个（其中 1,097 个中高危），覆盖 269 个项目，部分漏洞最早可追溯至约 45 年前；参考全球漏洞交易与赏金市场公开报价，这些漏洞创造的经济价值约 3,000 万元。相关漏洞已陆续提交 CNNVD/CNVD 国家漏洞库，并建立 Z.ai 安全披露账本。
智谱同步启动"开源的盾"计划：对重点开源项目开展持续安全审计、向开源社区免费提供模型额度与防御入口、在 ZCode 中提供代码审计功能。官方在博客中引用 Hugging Face 安全事件作为背景，主张"当最强的矛被锁在少数人手里，最好的盾必须属于所有人"——Anthropic 向约 150 家大型机构提供 Mythos 模型及安全服务，而更广泛的企业和开源项目难以获得同等水平的安全能力支持。
分层风险审查与受信访问
针对开源权重场景，智谱为 GLM-5.3 构建了分层风险审查系统：外层分类器标记并拦截大规模滥用请求，推理监控器在推理过程中实时审查任务意图，深度安全对齐让模型自主识别并拒绝攻击性请求。官方称，系统以意图为中心而非关键词为中心进行审查，因为网络安全场景中攻击与防御任务在字面上高度相似，真正区分二者的是意图与语境。
审查系统按风险分级处理：安全知识问答、蓝队防御、CTF 题目、漏洞挖掘与修复等低风险任务正常支持，漏洞利用、渗透测试、真实入侵等高风险任务被拦截。模型最敏感的能力仅通过"网络安全受信访问"计划保留给经过验证的用户。官方称，DARKNAVY 团队评估认为该模型在风险防护与能力释放之间取得良好平衡。
可用性与开源时间
GLM-5.3 即日起上线智谱官方编程工具 ZCode、效率工具 AutoClaw，并向 GLM Coding Plan 全量用户开放订阅；TraeWork/TraeCode、扣子、WorkBuddy/CodeBuddy、Qoder/QwenWork、CatPaw、JoyCode、OpenCode 等编码平台开放抢先体验。API 很快上线，完整模型权重将在两周内开源，此前需完成必要的安全加固，以尽可能限制其潜在攻击能力、保留其防御价值。今天 13:00，GLM Coding Plan 全员额度重置。 观察：后训练路线与开源安全叙事的双重验证
GLM-5.3 最值得注意的一点，是它证明了后训练 Scaling 的路径：基座模型与 GLM-5.2 完全相同，所有能力提升来自后训练。智谱用更低的成本（不重新预训练）实现了编程能力的代际提升，也为"充分的后训练能涌现超出预期的能力"提供了例证。
安全能力则是另一个叙事层面。智谱把网络安全能力定义为防御导向，并用 2,436 个漏洞、3,000 万元经济价值的安全评估数据支撑"开源之盾"的主张——这既是对 Anthropic Mythos 闭源安全服务模式的直接回应，也是开源模型在安全能力上的差异化尝试。但边界仍然清楚：漏洞利用链的后段（ExploitBench 54.4% vs Mythos 5 的 78.0%）仍与闭源有明确差距，权重也尚未开放，官方自测基准仍需第三方复测。GLM-5.3 是编程最强的开源模型、安全能力有真实进展，还是"全面超越闭源"，两者不能混为一谈。
AI 速览
