智谱发布的新一代编码AI模型GLM-5.3，意外练就了远超预期的网络安全能力。其内部测试显示，GLM-5.3在漏洞发现上已逼近全球领先模型，但在更深入的漏洞利用任务上仍有差距。

在CyberGym这一测试漏洞识别与验证能力的基准上，GLM-5.3得分84.5%，略微领先Anthropic的Mythos 5（83.8%）和OpenAI的GPT-5.6 Sol（83.6%）。但在侧重漏洞利用的ExploitBench基准上，GLM-5.3以54.4%明显落后于两款竞品的78%和76.5%。智谱在声明中表示："GLM-5.3是最强的开源权重编码模型，在自有Z.ai Code Bench上较GLM-5.2提升50%。随着后训练规模扩大，网络能力的发展速度超出了我们的预期。"公司称，该模型已从识别孤立漏洞，进化到能"形成完整利用链的连贯计划"。

后训练带来的能力跃迁

智谱将能力提升归因于后训练的规模扩展，而非开发新的基础模型。其训练环境被扩展为模拟更长期、更真实的专业工作单元——例如让模型访问计算集群、存储系统、内部文档、代码库和实验结果，去诊断瓶颈、实施优化、运行实验并交付可衡量的改进。同时，漏洞发现数据和相关环境也被纳入训练组合。

数据对比直观展示了跃迁幅度：GLM-5.3在ExploitBench上的得分较GLM-5.2的24.4%翻了一倍多；在ExploitGym上，GLM-5.3两小时内完成105个利用任务、六小时内完成130个，而GLM-5.2分别只有29个和39个。

Counterpoint Research研究与合作伙伴副总裁尼尔·沙阿指出，这反映了一个更普遍的问题："如果我们教AI成为杰出的软件工程师，就会意外地教会它如何成为优秀黑客。AI测试代码、修复bug所用的推理方式，正是攻击者寻找弱点并突破所用的推理方式。"他认为，攻击性网络能力正成为下一代编码AI的固有属性。

实测：269个项目发现2436个漏洞

智谱还与中国安全团队合作，在真实代码库上测试了模型。声明称，经过专家审查、筛选和去重，模型在269个项目中识别出2436个漏洞，其中1097个为中高危级别，覆盖系统内核、操作系统、浏览器引擎、开源基础设施、Web应用和网络协议。其安全披露台账记录了107个严重、990个高危发现；53个已公开披露，2383个仍处于保密期。发现的最早漏洞可追溯至1981年，数据集中的漏洞在被发现前平均已在代码中潜伏26.6年。

开源权重是双刃剑

沙阿认为，这一能力对安全团队是双刃剑："这些AI工具能更快审计系统和修复bug，但一旦模型权重公开发布，内置的安全护栏可在无人察觉的情况下被剥离。"智谱计划在发布约两周后、完成安全评估与加固后开放GLM-5.3的模型权重。

沙阿最大的担忧是漏洞从发现到被利用的速度："如果这些AI驱动工具能在真实系统中发现数千个未修补缺陷，而任何人都能下载这种能力，响应窗口将缩小到接近零。"应对机器速度的攻击，需要把控制措施内建到AI模型和自主Agent的开发与部署流程之中。