GLM-5.3发布，主攻编程和智能体能力 | 智谱AI | Coding Agent | 网络安全 | 漏洞挖掘 | 后训练Scaling | 红队测试 | 开源的盾
三句話摘要
GLM-5.3 透過後訓練 Scaling 進入程式設計與智慧體第一梯隊，同時揭示並修復網際網路基礎設施中的重大安全漏洞。 當程式碼智慧體成為生產級工具時，安全能力必須從少數模型公司的特權轉變為開源社群的基礎設施，這既是降低行業風險的必然，也是前沿技術社會責任的具體體現。 後訓練 Scaling 成為模型能力突破口：智譜不僅讓模型做單個程式設計題，而是將訓練環境擴充套件到近似真實專家工作的完整流程，讓模型學習從問題發現、分析推進、實施驗證到獨立完成工作的整條鏈路，這種長程任務環境訓練使其能力遠超前代。
重點整理
重點- 1
後訓練 Scaling 成為模型能力突破口：智譜不僅讓模型做單個程式設計題，而是將訓練環境擴充套件到近似真實專家工作的完整流程，讓模型學習從問題發現、分析推進、實施驗證到獨立完成工作的整條鏈路，這種長程任務環境訓練使其能力遠超前代。
- 2
程式設計與智慧體雙引擎驅動：GLM-5.3 在程式設計上進入全球第一梯隊競爭，同時在智慧體執行復雜工作流程（任務規劃、工具呼叫、多步驟連續執行）的三項基準測試中排名第一，超越 Kimi K3、Fable 5 和 GPT-5.6。
- 3
安全能力是程式設計模型必須配備的核心能力：由於程式碼智慧體已在現實世界直接讀取程式碼庫、修改檔案、呼叫終端、安裝依賴與部署，其許可權與影響範圍都在擴大，因此安全防護必須從事後審計前移至程式碼執行的緊密耦合閉環中。
- 4
開源安全防護成為產業級必需品：強大攻擊能力只掌握在少數閉源模型公司手中本身就是不安全的，GLM-5.3 透過開源與「開源的盾」計劃，向開源社群免費提供安全審計、模型額度與防禦工具，將前沿安全能力從特權化轉變為公共基礎設施。
實用技巧與重點
乾貨- 模型效能資料：
- Terminal Bench 2.1：88.2 分（超越 DeepSeek V4 Pro、通義千問 Qwen 3.8-Max、Claude Opus 4.8）
- DeepSWE 測試：比 GLM-5.2 高 20+ 分，超越 DeepSeek V4 Pro 與 Claude Opus 4.8
- AutomationBench：GLM-5.3 最高分
- GDPval-AA v2：GLM-5.3 排名第一
- Agents' Last Exam：與 GPT-5.6 Sol 幾乎平手
- Code Bench 高檔位準確率：31.5%（超越 Claude Opus 4.8 的 29.5%）
- Token 效率：平均輸出 5 萬 token（不足 Opus 4.8 的 12 萬 token 的一半）
- 網路安全基準測試資料：
- CyberGym 白盒程式碼審查：84.5%（高於 GLM-5.2 的 77.2%，略高於 Claude Mythos 5 的 83.8% 與 GPT-5.6 Sol 的 83.6%）
- ExploitBench：54.4%（GLM-5.2 的 24.4% 的兩倍多，低於 Mythos 5 的 78.0% 與 GPT-5.6 Sol 的 76.5%）
- ExploitGym：2 小時完成 105 項漏洞任務，6 小時完成 130 項（GLM-5.2 為 29 項與 39 項；Mythos 5 為 181 項與 247 項）
- 紅隊測試與安全發現：
- 發現總數：2436 個漏洞
- 中高危險漏洞：1097 個
- 測試周期：2 周內完成（聯合清華大學、南開大學與多家安全團隊）
- 漏洞經濟價值：3000 萬元
- 涉及專案數：269 個（系統核心、作業系統、瀏覽器引擎、開源基礎元件、網路應用、網際網路協議）
- 最早漏洞歷史：約 45 年前
- 具體安全發現案例：
- Neo AI 智慧體：2 個月管理 4 臺伺服器、7 個域名、6 萬個郵箱、100+ 個指令碼，傳送 18567 封釣魚郵件
- DNS 協議漏洞：潛伏 40+ 年，可將伺服器運算壓力放大近 8 萬倍，影響全球九成以上主流 DNS 系統、超過 1000 萬個公網 DNS 服務
- Cursor 二進位制風險：Rust 與 Electron 混合架構存在許可權校驗邏輯缺陷，可實現任意檔案寫入
- 通訊軟體漏洞：攻擊者透過傳送單條訊息可遠端讓使用者失去裝置控制權，隱藏在私有協議、內容處理邏輯和記憶體管理機制中
- 具身智慧機器人漏洞：可同時遠端劫持上千臺機器人
- 「開源的盾」計劃三大內容：
- 對重點開源專案進行持續安全審計，幫助維護者免費發現和修復風險
- 向開源社群免費提供模型額度與更便捷的防禦入口
- 在 ZCode 中提供程式碼審計功能，將安全檢查納入日常研發流程
結論
結論“當程式碼智慧體成為生產級工具時，安全能力必須從少數模型公司的特權轉變為開源社群的基礎設施，這既是降低行業風險的必然，也是前沿技術社會責任的具體體現。”
完整解析
詳細在大模型釋出節奏密集的當下，智譜推出的 GLM-5.3 選擇了與同期其他模型明顯不同的演進策略。雖然基礎架構與 GLM-5.2 完全一致，但透過後訓練階段的大規模 Scaling，使模型能力實現了顯著躍升。這裡的關鍵創新在於訓練環境的設計——智譜不再讓模型單純解決程式設計題，而是將其置入接近真實專家工作流程的完整場景中。這些任務工作量相當於工程師連續幾天的工作，模型在這樣的環境裡學到的是從問題發現、分析推進、實施驗證到獨立完成工作的整條閉環，這比單向執行指令的訓練正規化更接近生產級程式設計的真實需求。
GLM-5.3 的釋出方向高度聚焦在兩條主線：程式設計和智慧體。在程式設計領域，它已經進入與全球第一梯隊（GPT-5.6、Claude、Grok 等）直接競爭的水平。Terminal Bench 2.1 測試中達到 88.2 分，超越了 DeepSeek V4 Pro、通義千問和 Claude Opus 4.8，與 Kimi K3 基本處於同一水平線。在更貼近真實開發場景的 DeepSWE 測試中，提升幅度更為顯著——比前代提高 20 多分，也超過了 DeepSeek V4 Pro 和 Claude Opus 4.8。這些成績表明 GLM-5.3 已經邁入程式設計能力的第一梯隊，儘管在最複雜的軟體工程任務上 Claude Fable 5 仍保持微弱優勢。但智慧體才是本次釋出真正令人驚豔的地方——在三項智慧體能力基準測試（AutomationBench、GDPval-AA v2、Agents' Last Exam）中，GLM-5.3 表現均為同級最優，超越或平手於同期的競爭對手。這說明 GLM-5.3 已經真正進入全球智慧體競爭的圈層。此外，其 Token 效率同樣令人矚目：在高檔位思考預算下，能用平均 5 萬 token 完成相同難度的任務，僅為 Claude Opus 4.8 平均輸出量（12 萬 token）的一半，這會直接降低實際使用成本。
然而本次釋出最值得關注的另一個維度是安全能力的突破。這並非巧合，而是源於一個深刻的現實：當程式碼智慧體已經開始在現實世界直接工作——讀取整個程式碼庫、修改檔案、呼叫終端、安裝依賴、執行測試甚至參與部署時，其能力越強、接觸的系統就越多、獲得的許可權就越高，一次判斷失誤的後果也會被同步放大。因此安全防護必須從事後審計前移至程式碼執行的緊密耦合閉環中。智譜在釋出前兩週內聯合清華大學、南開大學等安全團隊進行密集紅隊測試，僅兩週就發現了 2436 個漏洞（其中 1097 個為中高危險）。這些漏洞跨越 269 個專案，涉及系統核心、作業系統、瀏覽器引擎、開源基礎元件等關鍵域，部分漏洞可導致 Android、Windows、macOS 等大範圍崩潰。按全球漏洞交易市場報價估算，這批漏洞創造的經濟價值已達 3000 萬元。更關鍵的是，這批發現背後反映的是一個產業級的安全困境：當強大的攻擊能力正在擴散時，而防守能力只掌握在少數閉源模型公司手中（例如 Anthropic 僅向約 150 家大型機構提供 Mythos 模型的安全服務），這本身就是一種不安全。
針對這一困境，智譜啟動了「開源的盾」計劃：一方面對重點開源專案進行持續安全審計，幫助維護者免費發現和修復風險；一方面向開源社群免費提供模型額度和更便捷的防禦入口；同時在 ZCode 中整合程式碼審計功能，將安全檢查納入日常研發流程。其核心主張很直白：當最強的矛被鎖在少數人手中時，最好的盾牌必須屬於所有人。實際案例印證了這一策略的價值——GLM-5.3 幫助安全研究人員發現了 Neo AI 智慧體在巴西的攻擊基礎設施、Cursor 的許可權校驗缺陷、某通訊軟體的致命漏洞（可透過單條訊息遠端剝奪使用者裝置控制權），以及潛伏 40 多年的 DNS 協議級漏洞（可將伺服器壓力放大 8 萬倍、影響全球九成 DNS 系統）。這一系列發現都深藏在複雜的程式邏輯中，單純依靠人工幾乎不可能定位。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
