智谱GLM-5.3发布：开源编码能力冲到SOTA，还‘意外’练出了网络攻防

8 月 14 日，智谱旗下 Z.ai 发布 GLM-5.3。官方博客的开场白很坦诚：”我们只做了一件事——把后训练继续放大。”GLM-5.3 与 5.2 共用同一个基座，所有提升都来自后训练扩展。但结果并不平淡：编码能力开源最强，而且突现了让团队自己都意外的网络攻防能力。

编码：开源阵营的新标杆

在 Z.ai 自家的 Code Bench 上，GLM-5.3 比 5.2 提升 50%；在公开基准上拿到开源 SOTA，包括 Terminal Bench 3.0 和 Agents’ Last Exam。

几个关键数字：

– Terminal Bench 3.0：28.3 分，GLM-5.2 只有 4.6 分，翻了六倍；

– DeepSWE v1.1：66.9 对 46.2，真实软件工程任务明显进步；

– 更值得注意的是 token 效率：Max 档下 5.3 以约 75K 输出 token 达到 34.5% 完成率，而 5.2 要花 96K token 才到 23.4%；High 档甚至超过了 Claude Opus 4.8（31.4%@50K vs 29.5%@120K）。

简单说：同样的任务，GLM-5.3 花更少的 token 干更多的活。对用 API 按 token 付费的开发者，这是实打实的成本下降。

突现的”网络攻防”：是惊喜也是警钟

最引发讨论的是安全能力。Z.ai 在训练中加入了漏洞发现数据，本意是让模型更会”找 bug”，结果能力发展远超预期：模型开始跨阶段推理完整的漏洞利用链。

– CyberGym（白盒漏洞验证）：84.5%，开源第一，超过 Mythos 5 和 GPT-5.6 Sol；

– ExploitBench：54.4%，是 5.2（24.4%）的两倍多；

– 与安全团队合作实测：在 269 个真实项目中识别出 2436 个漏洞，其中 1097 个中高危，最老的漏洞可追溯至 1981 年，平均在代码库里潜伏了 26.6 年。

Z.ai 同步上线了公开的 Security Disclosure Ledger 漏洞披露平台，目前 53 个已公开、2383 个处于保密期。模型本身计划在两周后开源权重，先完成安全评估与加固。

双刃剑怎么看

GLM-5.3 的定位很清楚：把最强的开源编码模型和”会渗透测试的 agent”绑定在一起。对防守方（安全团队）这是效率工具——找漏洞、写 PoC、评估攻击面；对监管和开源社区，这提醒所有人：AI 能力的边界正在被后训练快速推高，安全评估必须前置。

对中文开发者的建议：

1. 想尝鲜编码能力，等两周权重开源后用本地或 API 方式跑 Terminal Bench 类任务，和 DeepSeek-V4、Qwen3.8 做对比；

2. 安全团队可以关注漏洞披露台账，里面可能就有你依赖的开源项目；

3. 别被”攻防”两个字吓到——模型是工具，用在哪取决于人，关键是生态有没有建立负责任的披露机制。

一个趋势值得记住：国产模型已经不止拼”会不会聊天”，而是拼”能不能干活、能不能打硬仗”。GLM-5.3 把这条线又往前推了一大截。

背后的技术栈更值得关注

GLM-5.3 的进步不是靠换基座，而是靠一套后训练流水线：IndexShare 处理长上下文、SAO 做长任务强化学习、slime 做大规模异步训练。真正的门槛在于任务环境的规模化——团队用合成流水线把真实工程任务变成可执行、可验证的训练环境，再用裁判 agent 验证任务可解，最后把奖励信号闭环。这套”造环境比造模型更难”的打法，说明国产模型在工程化能力上已经进入深水区，也为两周后的开源权重埋下了看点：届时任何人拿到模型，都能在真实环境里复现它的编码与安全能力。

— END —
LC 智趣厅 · 科技与生活的交点
ihygg.cn