新手教学、科普与入门 · AI与编程基础 · 2026-08-14

GLM-5.3:前沿编程能力与涌现的网络安全能力

GLM-5.3发布:通过后训练Scaling实现能力跃升,编程能力开源第一、网络安全潜力凸显,工具抢先体验。 核心内容:

  1. 编程能力:较GLM-5.2提升50%,开源基准测试成绩第一
  2. 网络安全能力:白盒审查与漏洞发现表现持平专业模型
  3. 后训练Scaling:基于新一代框架实现基座不变的能力突破

单弦不成音,独木不成林

今天我们发布GLM-5.3,与GLM-5.2相比,基座模型没变,但通过极致的后训练Scaling大大提高了模型的智能上界:数十倍的长程任务环境、更丰富多样的环境类型、超长的后训练时间。我们发现充分的模型后训练涌现出超出预期的模型能力。相比前代,GLM-5.3的新能力包括:

即日起上线智谱官方编程工具ZCode、效率工具AutoClaw,上线GLM Coding Plan全量用户及开放订阅。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,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,所有用户后台「用量统计」可见使用额度回满。

→ 立即订阅

强大的编程

在多项主流基准测试中GLM-5.3是当前排名最高的开源模型,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。

在衡量模型于真实终端环境中完成复杂任务的Terminal-Bench 3.0上,GLM-5.3得分从4.6提升至28.3;在聚焦长程软件工程与持续代码修改能力的DeepSWE v1.1上,得分从46.2提升至66.9;在覆盖多类真实专业场景、强调跨工具协作与长程任务的Agents' Last Exam上,得分从23.8提升至28.5。在覆盖44种职业、考察真实高价值知识工作的GDPval-AA v2中得分1769,展现基于编程能力涌现的专业任务执行能力。

整体来看,GLM-5.3在复杂软件工程、终端操作和更广泛的真实世界 Agent任务上均取得非常显著的进步。

自研的Z.ai Code Bench评估模型在真实编程场景中的综合体感。模型会被置于复杂的本地开发环境,并在不同思考档位下执行端到端任务,更接近开发者实际使用Coding Agent时的体验。

测试结果显示,GLM-5.3在效果和Token利用率之间取得了更好的平衡。在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,意味着GLM-5.3可以用更短的执行路径完成任务。

GLM-5.3训练过程中,我们不只让模型完成编程题,而是把训练环境扩展到更接近真实专家工作的完整流程,有些任务的工作量相当于一位工程师连续数天的工作。以机器学习优化任务为例,模型使用与算法工程师相同的计算集群、存储系统、内部文档、代码库和实验结果,端到端实现可量化的提速。

在这样的环境中训练,模型学到的不只是单向执行指令,而是从发现问题开始,推进分析、实施验证,最终独立完成工作。

涌现的网络安全能力

在任务环境不断扩张的过程中,我们观察到模型在网络安全领域的表现超出预期。安全能力的出现并不偶然,安全工作本质上是约束严格的编程能力。我们从2025年9月开始在这个方向投入研究,在GLM-5.2与GLM-5.3的研发过程中,与国内多家头部安全实验室一同推进更多长程任务环境,构建更专业化的评测与执行框架(harness)。

从任务链条看,网络安全能力大致包括代码审查、漏洞验证、漏洞利用以及真实环境中的攻防闭环。我们选取了覆盖漏洞分析、验证和利用不同阶段的三个基准,对GLM-5.3的网络安全能力进行了全面评估,GLM-5.3当前优势主要集中在前半段。

在CyberGym测试中,模型从白盒源代码出发,通过触发程序故障来识别和验证漏洞。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%和GPT-5.6 Sol的83.6%。

在更考验深度推理能力的ExploitBench中,模型需要进一步理解真实漏洞的成因,并完成相应的利用。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%和GPT-5.6 Sol的76.5%。

ExploitGym考察模型在限定时间内能够完成多少漏洞利用任务,按吞吐量对预算进行归一化后,GLM-5.3在两小时内完成105项任务,六小时内完成130项,相对于GLM-5.2分别完成29项和39项提升巨大。Mythos 5仍然领先,两个时间段分别完成181项和247项。

三个基准呈现出相同的趋势:越接近漏洞利用链的前端,GLM-5.3相较GLM-5.2的提升越明显;越深入完整利用,模型与Mythos 5等闭源前沿模型之间的差距也越大。换句话说,GLM-5.3进步最快的方向,正是当前仍需要重点追赶的方向。

1.安全评估成果

从GLM-5.2发布以来,我们联合国内清华大学、南开大学,以及云起无垠、绿盟科技、赛博昆仑、DARKNAVY、华顺信安、奇安信、腾讯玄武、云鼎实验室等多家安全团队,开展了密集的红队测试与安全评估。累计发现漏洞2,436个(经过初筛、去重),其中1,097个为中高危,许多漏洞多年来甚至几十年都未被发现,最早可追溯至约45年前。

代表性漏洞覆盖系统内核、操作系统、浏览器引擎、开源基础组件、互联网应用与互联网协议等269个项目,部分漏洞的威胁甚至可以让Android、Windows、macOS以及某国民级通信软件出现大范围崩溃。

这些发现已发展成为一项持续的漏洞发现和披露工作。相关漏洞已陆续提交CNNVD/CNVD等国家漏洞库。为提高披露过程的透明度,我们建立了Z.ai安全披露账本,记录漏洞从发现、确认到修复的进展。账本将持续更新,为了确保负责任的安全披露,我们仅公开已经经过披露和厂商修复的漏洞,对于那些仍处于协调披露阶段的漏洞,我们会展示漏洞的哈希值以供后续核验。

参考Zerodium、Crowdfense、Apple Secu…

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/OpenSourceLLM/2026081403871.html