Z.ai 发布 GLM-5.3：代码能力拉高 50%，还意外点满漏洞挖掘技能

首次发布 2026年8月14日传播指数 58

Z.ai 发布面向编程的 AI 模型 GLM-5.3。通过在 GLM-5.2 同款基座上进行后训练扩展，其内部测试成绩提升 50%，登顶多项开源基准。令人意外的是其网络攻防能力激增，在 269 个真实项目中揪出 2436 个漏洞。模型权重将在两周内完成安全评估后发布。

如果你这几天看到哪家开源项目突然修补了一个四十年前的陈年老 Bug，别奇怪，这可能不是哪位老程序员怀旧，而是一个刚学会编程的 AI 顺手挖出来的。

Z.ai 拿出了面向编程的新模型 GLM-5.3。让人目瞪口呆的不仅是它的跑分，而是这家实验室在训练代码能力时，一不小心让它把网络攻防的技能点也点满了。

没换架构，纯靠后训练把能力拉满

有意思的是，Z.ai 这次根本没有从头造轮子。GLM-5.3 底下踩的还是前代 GLM-5.2 的基座，参数量没变大，核心架构也没动。

研发团队做的事情说白了就是使劲后训练（Post-training）。他们给模型喂了更多样化的执行环境、更多长流程任务，以及堆上更多后训练算力。

但这套后训练扩展的效果非常惊人。在其内部的 Code Bench 测试中，GLM-5.3 成绩相比前代直接拉高了 50%。

在 Terminal Bench 3.0 和 Agents' Last Exam 等开源基准测试里，GLM-5.3 也直接拿下了开源权重模型的最好成绩，在衡量实际经济价值的 GDP Eval 上甚至逼近甚至领先头部闭源模型。

真正引发圈内震动的，是它在网络安全上的意外表现。

在测试已知漏洞挖掘的 CyberGym 上，GLM-5.3 拿下了 84.5% 的高分，直接击败了 Anthropic 的 Fable 5 和 OpenAI 的 GPT-5.6 Sol。

而在考验实际漏洞利用与推理的 ExploitBench 上，它的得分达到 54.4%，比前代 GLM-5.2 翻了一倍还多。

这不是纸上谈兵。Z.ai 把它扔进真实代码库里跑了一圈，它在 269 个开源项目中一口气揪出了 2436 个安全漏洞，其中高危和严重级别超过 1000 个，覆盖了 Linux 内核以及常见的 Apache、VMware 项目，甚至还找出了潜伏 40 年之久的远古漏洞。

能修锁的人自然最会撬锁。正因为破坏力太大，Z.ai 决定把原本公开的权重发布延后两周，先给小范围安全合作伙伴做受控测试。不过开发者现在可以通过订阅 Z Code 计划，在自己的编程 Agent 里调用它。

对于外界的担忧，Z.ai 在 X 上回应道：一个开放的世界不能只有开放的攻击面，必须也要有开放的盾牌。Hugging Face 此前就曾提到，在调查一起涉及 OpenAI 模型的入侵事件时，由于美国顶尖模型的安全护栏集体拒答，最终还是靠 GLM-5.2 完成了取证排查。

在开源权重模型领域，GLM-5.3 证明了后训练 scaling 远没见顶。不重新预训练大模型，单靠给基座灌入更苛刻的环境和算力，就能把代码和逻辑推理直接推到 SOTA 水平。

对开发者和安全维护者来说，这绝对是个趁手的工具。开源项目常年缺人审代码，Z.ai 已经开放了仓库扫描计划，普通维护者终于能用最顶级的自动化工具来给代码扫雷。

但硬币的另一面是巨大的安全隐患。闭源模型可以用安全护栏限制提示词，可一旦 GLM-5.3 的权重在两周后完全放开，谁也没法限制它被改造成全自动攻击武器。就在本周，Dream 研究人员刚披露有开源 AI Agent 被用于攻击政府网络，这无疑会加速美国等监管机构对开源模型的限制收紧。

我们认为，Z.ai 这一步走得很冒险但也很有现实价值。与其把最锋利的攻防能力锁在几家闭源巨头的保险箱里，让防守方无兵可用，不如把开源护盾公开给社区。接下来的两周，就看它的安全评估能不能给这把利刃套上结实的刀鞘了。