Z.ai发布了GLM-5.3：编程与网络安全领域的突破
中国初创公司Z.ai发布了升级版语言模型GLM-5.3，这标志着其在编程、智能体场景和漏洞搜索领域迈出了重要一步。与之前的迭代不同，此次性能提升完全通过后训练实现，未改变基础架构。这是一种引人入胜的方法，表明现有模型的潜力远未耗尽。
在用于评估编程技能的内部基准测试Code Bench中，GLM-5.3相比前代提升了50%。然而，最令人印象深刻的成果体现在专项测试中。例如，在Terminal Bench 3.0中，新模型获得28.3分，而GLM-5.2仅为可怜的4.6分。在DeepSWE v1.1中，进步幅度为66.9对46.2，在Agents' Last Exam中则为28.5对23.8。
安全领域的表现尤其值得关注。在CyberGym测试中，模型达到了84.5%的成功率，而在ExploitBench中达到54.4%，是上一版本（24.4%）的两倍多。在两小时预算内，GLM-5.3完成了105项任务，而GLM-5.2仅能处理29项。当预算增加到六小时时，差距依然存在：分别为130项对39项任务。
真实测试与公开登记册
Z.ai还与多个中国安全团队合作，在真实代码库上进行了测试。经过验证和去重后，该系统在269个项目中发现了2436个漏洞，其中包括1097个中高严重性问题。仅公开披露了53项发现，其余2383项仍处于保密状态。值得注意的是，此类漏洞的平均“生命周期”估计为26.6年，而发现的最古老漏洞可追溯至1981年。
为了保持透明度，公司推出了Z.ai安全披露登记册——一个公开的登记系统，记录状态、受影响项目和严重性等级。与此同时，GLM-5.3已部署给GLM编程计划的订阅用户，成为智能体编程和长时任务的核心引擎。对旧模型的请求会自动路由到新版本。
模型的开源权重将在安全评估和额外加固后两周内开放。考虑到该工具的敏感性，这是一种合理的做法。
我的看法：GLM-5.3不仅仅是一次渐进式更新，更是对网络安全领域AI智能体领导地位的有力宣示。然而，需要提醒的是，7月份Anthropic曾指控Z.ai利用Claude和GPT的响应未经授权蒸馏GLM-5.2。鉴于ExploitBench上的如此大幅跃升，值得密切关注后续调查进展，尽管目前尚无违规证据。