GLM-5.3 沿用 5.2 基座擴大後訓練，資安能力暴增令開放權重延後兩週

Z.ai 於 8 月14日推出 GLM-5.3，但目前只透過 ZCode 與 Coding Plan 提供服務，原定的開放權重延後約兩週。技術上最值得注意的是，它沿用 GLM-5.2 的 MoE 基座與一百萬 token 上下文，沒有增加預訓練參數；官方稱效能增幅全部來自擴大後訓練，包括更多可執行環境、更長的代理任務，以及由執行結果提供回饋的程式與資安訓練。

官方數字顯示，Terminal-Bench 3.0 由 4.6 升至28.3，DeepSWE v1.1 由46.2升至66.9；ExploitBench 則由24.4%升至54.4%。GLM-5.3 在 CyberGym 報告84.5%成功率。不過，CyberGym Level 1 並非從零尋找漏洞：代理會取得漏洞描述與修補前的程式碼，目標是生成能在舊版本觸發、在修補版本失效的 PoC。排行榜亦明確警告，各團隊自行提交結果、試跑次數及代理 harness 不同，零點幾個百分點的領先不宜解讀為模型本體的確定優勢。

雙重用途風險來自能力已超出單純重現舊漏洞。Z.ai 的披露帳本列出2,436項發現，涵蓋269個開源專案，其中1,097項被標為嚴重或高危；但截至發布時只有53項公開，外界尚無法逐項核對真陽性率、重複計算及協調披露狀態。公司因此先讓選定資安夥伴在受控環境使用，並提供 OpenVuln 服務供維護者掃描公開儲存庫。

工程團隊接下來應關注權重釋出條件、推論與訓練 harness 是否公開，以及獨立研究者能否在固定工具、步數與試跑次數下重現結果。若後訓練確實能在不更換基座下令利用能力倍增，模型發布審查便不能只依參數量或預訓練算力分級。