Hi～新朋友，记得关注我们哟
Z.ai 最新旗舰模型在 Artificial Analysis 智能基准指数上与开源权重领先者 Kimi K3 持平。该模型在发现并利用软件漏洞方面能力显著增强，因此公司决定在发布权重前先行开展安全测试。
●最新消息：Z.ai 仅通过对前代模型 GLM-5.2 进行微调，便显著提升了 GLM-5.3 在编码和智能体任务中的表现，无需从头训练新模型或调整架构。
✴ 输入/输出：支持最高 100 万 token 输入及 12.8 万 token 输出，生成速度达每秒 90 token。
✴ 架构：采用混合专家 Transformer 架构，总参数量 7530 亿，单次激活参数 400 亿。
✴ 功能：支持可调推理级别（低/高/最大）、工具调用、结构化输出、流式传输及上下文缓存。
✴ 性能：在 Artificial Analysis 智能指数中获 60 分；在 CyberGym 漏洞检测基准测试中，得分居所有模型之首。
✴ 可用性/价格：提供 GLM Coding Plan 订阅（18-168 美元/月）及 ZCode 开发环境；API 定价为每百万 token：输入$1.40 / 缓存$0.26 / 输出$4.40。
✴ 权重/许可证：权重预计发布后两周开放，具体许可证尚未公布（前代 GLM-5.2 采用 MIT 协议）。
✴ 未披露项：知识截止时间及 GLM-5.3 的具体训练数据细节。
工作原理
公司扩展了 GLM-5.2 的微调方案，将其应用于更大规模、更多样化的模拟工作环境集合中。该方案引入“单次 rollout 异步优化”强化学习方法，即每次仅训练一个尝试而非等待整批完成。同时，训练方法将智能体长时任务记录切分并压缩，使模型能从长期任务中学习，突破短任务限制。
✴ 任务设计更贴近真实软件工程场景。例如，模型需在机器学习工程师环境中定位流水线变慢原因，并在保证质量前提下优化提速。
✴ 训练环境数量庞大，超出人工构建能力。公司利用智能体自动构建环境，并在部分任务中由智能体提供奖励信号。
✴ 设立独立评分智能体，在不展示参考答案的前提下，验证任务可解性并对模型表现打分。仅当评分器能正确识别解法并拒绝无效方案时，判定方为有效。
✴ 公司专门研究并部署机制，防止模型出现“奖励黑客”行为，即利用漏洞骗取奖励而非真正完成任务。
性能表现
独立测试显示，GLM-5.3 与顶级开源权重模型水平相当，略逊于领先专有模型几个百分点，但在智能体任务上提升显著。Z.ai 内部测试表明，其在智能体编码与网络安全领域进步最大。
✴ 在 Artificial Analysis 智能指数（涵盖九项经济实用任务）中，GLM-5.3 最大推理设置下得分为 60 分（单项成本$0.68），与 Kimi K3（$0.84）持平，较 GLM-5.2（$0.44）高出 7 分。落后于 Claude Opus 5（63 分，$2.34）、GPT-5.6 Sol（61 分，$0.96/$1.23）及 Grok 4.6（61 分，$0.84）。
✴ 网络安全测试中，GLM-5.3 在 CyberGym（触发错误以定位源码漏洞）得分 84.5%，超越 Claude Mythos 5（83.8%）和 GPT-5.6 Sol（83.6%）。在 ExploitBench（针对加固软件的漏洞利用测试）中得分 54.4%，是 GLM-5.2（24.4%）的两倍多，领先 Kimi K3（32.2%），但远低于 Claude Mythos 5（78.0%）和 GPT-5.6 Sol（76.5%）。
✴ 通用知识表现相对平淡：Humanity's Last Exam 正确率 42.3%（落后于旧版 Grok 和 Claude Opus）；GPQA Diamond 解决率 91.72%（中等设置下不及 Gemini 3.7 Flash）；AA-Omniscience Accuracy 仅 34%，显著低于其他顶级模型。
✴ 在 Z.ai 自有编码基准 Code Bench 中，GLM-5.3 最大推理设置下以约 7.5 万输出 token 完成任务的 34.5%，优于 Claude Opus 4.8（29.5%，12 万 token），但不及 Claude Fable 5（39.5%，5.7 万 token）。
Z.ai 的低调发布策略
本周，Z.ai 确认此前在 OpenRouter 等平台走红的多模态模型 Ox Alpha 实为 GLM-5.3 Flash，并已依据 MIT 许可证发布其 3200 亿参数模型权重。
新闻背后：开源与安全之争
GLM-5.3 的发布加剧了关于“具备高级网络攻击能力的开源模型是否应被限制”的争论，并为双方观点提供了实证支持。
✴ Z.ai 采取临时护栏策略，区别于 OpenAI 和 Anthropic 的永久注册制。公司在公布 CyberGym 与 ExploitBench 得分后，选择先与筛选后的安全合作伙伴进行为期两周评估，再开放权重。
✴ 发布引发业界回应。OpenAI 总裁 Greg Brockman 警告称，具备先进网络技能的开源模型可能“显著加速威胁态势”，并附链接指向 GLM-5.3 发布页。此警告源于数周前 OpenAI 评估智能体曾从其 ExploitGym 环境逃脱并攻破 Hugging Face 基础设施。
✴ 早期测试显示警报或被夸大。7 月美英 AI 安全机构联合评估 Kimi K3，发现其在 41 项 ExploitBench 任务中未执行任意代码——最严重后果。而最强专有模型在关闭防护后平均执行 20 次任意代码。
重要原因：意外收获的安全能力
Z.ai 初衷是打造更强智能体编码器，却意外获得擅长发现安全漏洞的模型。公司刻意加入奖励机制，鼓励模型识别网络安全缺陷。随着训练规模扩大，该能力同步提升，并在 CyberBench 上超越所有竞品。然而，模型在构建漏洞利用方面的进步超出了预期——并非设计目标，而是模型通过追逐奖励自然演化出的能力。
编辑观点
Z.ai 每代模型均在性能与关注度上实现跃升。AI 实验室间的良性竞争最终惠及全体用户，尤其当它们开放权重供全球研究者修改、部署于本地硬件时。期待更多创新模型持续涌现。