GLM-5.3
GLM-5.3 是智谱（z.ai）于 2026 年 8 月发布的开放权重大模型。它与 GLM-5.2 共用同一基座，全部增益来自 post-training 扩展；发布后约两周完成安全评估与加固后开放权重。它进入网络安全语境的原因，是网络安全能力在训练扩展中意外地快速涌现：GLM-5.3 成为 CyberGym 与 ExploitBench 上开源模型的 SOTA。OpenAI 在 The Defender’s Window（防御者之窗） 中正是以它为例，说明"开放权重模型 cyber 能力只落后闭源前沿几个月、可能显著加速威胁格局"。
技术栈与扩展
GLM-5.2 已搭好整套扩展栈：IndexShare（高效长上下文处理）、SAO（长时程任务的 RL）、slime（开源大规模异步训练框架，THUDM 维护）。GLM-5.3 在这套栈上继续扩展：更多环境、更多样化的任务、更多计算。训练环境从"编码练习"转向"真实的专业工作单元"——例如 ML 基础设施任务中，模型获得与工程师相同的环境（计算集群、存储、内部文档、代码库与实验结果），需要端到端定位瓶颈并交付可测量的加速。环境本身成为扩展瓶颈，z.ai 因此建设了端到端环境合成流水线（研究代理收集真实工作模式生成可运行长时程环境，法官代理验证可解性，验证器不经参考答案生成）。
涌现的 cyber 能力
z.ai 把漏洞发现数据与环境混入训练后，能力增长速度快于预期：模型不只是更会找孤立缺陷，而是开始跨多个利用阶段推理、形成完整利用链的连贯计划。厂商自报的三个 benchmark 结果：
| Benchmark | GLM-5.3 | GLM-5.2 | 对比：闭源前沿 |
|---|---|---|---|
| CyberGym（白盒源码 → 触发漏洞验证） | 84.5 | 77.2 | Mythos 5 83.8、GPT-5.6 Sol 83.6 |
| ExploitBench（真实漏洞深推理） | 54.4 | 24.4 | Mythos 5 78.0、GPT-5.6 Sol 76.5 |
| ExploitGym（2h / 6h 完成任务数） | 105 / 130 | 29 / 39 | Mythos 5 181 / 247 |
规律是：越往利用链上端（发现 → 验证 → 利用）走，相对 GLM-5.2 的提升越大，与闭源前沿的差距也越大——“能力增长最快的地方，正是我们最落后的地方”。注意这些数字为厂商自报、使用 Claude Code harness 与域名白名单等防作弊设置，应视为方向性证据（ExploitGym 口径）。
真实世界发现与披露
z.ai 自述自 GLM-5.2 起与多家国内安全团队合作，让模型对真实代码库做漏洞挖掘：经专家复核、筛选与去重后，2,436 个漏洞 / 269 个项目，其中 1,097 个中高严重度（Critical 107 / High 990 / Medium 1,286 / Low 53），横跨系统内核、操作系统、浏览器引擎、开源基础设施、Web 应用与网络协议。最早漏洞源自 1981 年（平均潜伏 26.6 年才被发现）。披露进展由 Z.ai Security Disclosure Ledger（cvd.z.ai）持续公开——截至发布时 53 个已公开、2,383 个仍处于 embargo。
意义
GLM-5.3 是"开放权重模型 cyber 能力追赶节奏"的锚点：闭源前沿（如 GPT-5.6 / GPT-5.6-Cyber）走可信防御者受控发布，开放权重侧则按自己的节奏把能力扩散出去。同系列的 GLM-5.2 还是 Hugging Face 在 ExploitGym 评测事故取证中用来破解加密代理载荷的模型——开放权重模型在防御侧的用途同样真实。
相关词条
- The Defender’s Window（防御者之窗） — 威胁侧叙事的引用案例
- ExploitGym — 对比所用的利用能力 benchmark；同系列 GLM-5.2 曾用于其评测事故取证
- GPT-5.6 — 对比中的闭源旗舰
- GPT-5.6-Cyber — 闭源侧的网络专用模型
- Daybreak — 闭源侧的可信防御者分发计划