XNews

GLM-5.3 发布与网络安全编码进展

GLM-5.3 发布与网络安全编码进展

智谱AI于2026年8月14日发布GLM-5.3:与GLM-5.2相同的743B基础模型,仅通过后训练强化学习。官方公告称其具备顶尖的编码和智能体能力,并在网络安全领域取得突破,树立了新的开源模型标准。编码方面:Terminal Bench 3.0从4.6提升至28.3;DeepSWE v1.1从46.2升至66.9;Agents' Last Exam从23.8升至28.5;Code Bench Max在约75K tokens下达到34.5%,而GLM-5.2在96K tokens下为23.4%;Fable 5 Code Bench为39.5%,ExploitBench为78.0,GLM-5.3为54.4;开源模型第一,全球第二梯队。网络安全方面:CyberGym 84.5% vs GPT-5.6 Sol 83.6%,Fable 5 83.8%;ExploitBench从24.4%提升至54.4%;ExploitGym从29/39提升至105/130;利用链规划能力随强化学习规模扩展而涌现。实际代码:在269个项目中发现2,436个漏洞,其中1,097个为中等或高风险,最老漏洞约40年,53个已公开披露,2,383个处于保密期,安全披露登记册已上线。技术栈:IndexShare、SAO、slime;更多环境/任务/算力;模拟高级工程师的多日场景;自动化合成加人工参与。API已面向GLM Coding Plan用户上线;支持ZCode、Claude Code、OpenCode;仅提供低/高/最高三种思考级别;非高峰时段消耗50%积分;ZCode缓存命中率超过98%且8月底前享1.5倍积分奖励;权重将于两周内公开发布。

Key insights

开源编码领先,但与闭源仍有差距

GLM-5.3在多个编程基准测试中创下开源权重模型最高分。Terminal Bench 3.0从GLM-5.2的4.6提升至28.3。DeepSWE v1.1从46.2升至66.9,Agents' Last Exam从23.8升至28.5。在智谱Code Bench Max级别,GLM-5.3在约75,000 tokens下完成率达34.5%,而GLM-5.2在96,000 tokens下为23.4%。与闭源前沿模型相比仍有差距:Fable 5在Code Bench上达到39.5%,ExploitBench上为78.0,而GLM-5.3在ExploitBench上得分为54.4。整体定位为开源第一、全球第二梯队。

网络安全基准测试的飞跃

在网络安全评估中,GLM-5.3的CyberGym白盒源码审计得分为84.5%,为最高分,高于GPT-5.6 Sol的83.6%和Fable 5的83.8%。ExploitBench从GLM-5.2的24.4%提升至GLM-5.3的54.4%,提升超过一倍。ExploitGym从完成39项任务中的29项提升至130项中的105项。在漏洞利用链的后半段进展更大。智谱表示,在后训练中加入漏洞发现数据和环境后,模型开始自主规划完整的利用链。

涌现的利用链规划能力

智谱将利用链规划能力描述为“涌现”,即并非专门训练,而是在扩展强化学习规模时出现。团队预期会看到漏洞识别能力的提升,但观察到自主规划完整利用链。如果这一说法准确,那对AI安全是一个相关信号,因为该能力来自强化学习规模扩展而非直接训练。

真实世界漏洞发现与披露

从GLM-5.2开始,智谱与国内安全团队合作扫描真实代码库。经专家评审和去重后,模型在269个开源项目中发现了2,436个漏洞。其中1,097个为中等或高风险。项目涵盖操作系统内核、浏览器引擎、网络协议及其他核心基础设施。部分漏洞已在代码中存在数十年,最老的可追溯至约40年前。截至发稿,53个漏洞已公开披露,2,383个仍处于保密期。智谱还发布了安全披露登记册用于追踪。

公开权重发布与受限漏洞引擎形成对比

这种方法与Anthropic在4月宣布Claude Mythos发现大量零日漏洞的做法类似,但Claude Mythos严格受美国政府限制,仅面向少数经过审查的安全机构。相比之下,GLM-5.3的权重计划在两周内公开发布。该文章表示,能力相当的漏洞发现引擎即将以开源形式进入公共领域。

训练栈与环境扩展

GLM-5.3保留了与GLM-5.2相同的基础模型,并扩展了后训练规模。技术栈包括用于长上下文处理的IndexShare、用于长周期强化学习任务的SAO以及用于大规模异步训练的开源slime框架。GLM-5.3增加了更多环境、更多样化的任务以及更多训练算力。新的训练环境模拟高级工程师工作,部分任务相当于资深工程师数天的工作量,例如在机器学习基础设施环境中诊断训练瓶颈并实现端到端加速。自动化环境合成流水线使用研究智能体生成可执行的长周期环境,并使用评估智能体验证任务,但仍需人工参与。

API上线、定价与支持工具

GLM-5.3的API已面向所有GLM Coding Plan用户上线。支持ZCode、Claude Code、OpenCode等编码智能体工具。思考功能不可关闭,用户可选择低、高或最高级别,编程任务推荐使用最高级别。计费已转为积分制。非高峰时段(北京时间工作日14:00-18:00之外的所有时间,包括周末)消耗标准积分的50%。ZCode使用宣称缓存命中率超过98%,并限时享1.5倍积分奖励(截至8月底),相当于标准配额的180%。

Source posts