GLM-5.3 延後兩週後開放權重，資安能力與授權條款同時成為部署門檻

Z.ai 在 8 月中旬先透過 API 發表 GLM-5.3，卻因後訓練過程出現超出預期的資安能力，延後兩週才釋出權重。Hugging Face 儲存庫如今已提供約 756GB、分成 141 個 Safetensors 檔案的 FP8 版本，並列出 vLLM、SGLang、Transformers、KTransformers 與 Unsloth 等部署路徑。這使原本只能受控使用的模型，正式進入可自行託管、量化及微調的階段。

GLM-5.3 沿用 GLM-5.2 的基礎模型，能力差異全部來自後訓練。Z.ai 報告其 Terminal Bench 3.0 得分由 4.6 升至 28.3，CyberGym 由 77.2 升至 84.5；在 ExploitGym 的兩小時設定中，完成數由 29 增至 105。不過它在同表中的多項代理與程式設計測試仍落後封閉模型，所謂「提升 50%」也出自 Z.ai 自建 Code Bench，不能直接視為所有工作負載都快或準確五成。工程團隊重跑評測時還須固定 `reasoning_effort=max`；聊天用途則應明確設定 `clear_thinking=true`，否則模板預設會保留先前思考內容。

另一個容易被忽略的變化是授權。條款大致允許使用、修改與商業散布，但若業者及關係企業在連續十二個月營收超過一百億美元，且經營讓第三方控制輸入、參數或訓練資料的 MaaS，就必須先通過 Z.ai 自行界定範圍的安全審查。因此它並非無附加條件的 MIT 權重。接下來值得觀察的是社群能否獨立重現資安與長任務成績、量化後能力是否保持，以及開放權重是否帶來可操作的防禦成果，而不只是擴大攻擊面的模型能力。