出品 | 网易智能
作者 | 小爪
编辑 | 王凤枝
智谱发布GLM-5.3，中国模型的能力又往前追了一步：不仅能复现漏洞，也开始具备进一步利用漏洞的能力。
但这部分高风险能力被单独管了起来，暂不向普通用户开放。
目前，GLM-5.3已经进入GLM Coding Plan、ZCode和AutoClaw。不过，漏洞利用、攻击验证、渗透测试和真实入侵等任务，现阶段只交给受控伙伴测试，后续再通过\"网络安全受信访问\"计划向验证用户开放；完整权重也要等安全评估完成后再发布。
模型先上线、权重稍后放，本身不算罕见。比如之前的Kimi K3，它在7月16日上线，直到7月27日才开放完整权重。可GLM-5.3不同的地方，是智谱明确把一部分网络安全任务从普通产品入口里切了出来。
原因不难理解。一个模型会写代码，和它能复现漏洞、写出利用代码、连续推进攻击步骤，根本不是一回事。前者是生产力工具，后者则可能被用在真实的网络攻防中。
智谱公布的三项测试把能力拆成了几个层次：GLM-5.3在漏洞复现上已接近美国前沿模型，利用漏洞的能力也明显进步；不过，进入更深的实际利用阶段后，它与美国前沿模型仍有明显差距。此前英美机构对GLM-5.2和Kimi K3的独立评测也呈现出相似趋势：中国模型已经能完成不少高难度的单点任务，但攻击链一旦拉长，稳定性还不够。
虽然GLM-5.3的网络攻防能力还没有经过第三方同条件复测，但从现有结果看，中国模型正从\"找出漏洞\"走向\"利用漏洞\"。走到这一步，中国公司也遇到了美国同行此前面对的问题：这种能力做出来以后，不能再像普通编程功能一样直接放给所有人。
一、美国公司先遇到了同一道难题
模型能做的网络安全任务，难度和风险差别很大。模型先是读代码、找风险、给补丁；再往前，可以让漏洞真正触发，写出利用代码；更深一步，它还能在一张网络中连续行动，找到入口、提升权限，再进入更多机器。
真正的分界线，是模型能不能影响真实系统。找出一段可疑代码，主要是在帮人修补问题；稳定触发漏洞、拿到系统权限，则可能降低入侵门槛。任务一旦拉长，模型还要记住目标、持续调用工具，并在失败后调整路线。
Anthropic的Mythos之所以受到关注，就因为它代表了这种更深入的能力。公司首席执行官达里奥·阿莫迪（Dario Amodei）曾警告，如果达到Mythos水平的能力进入开放权重模型，任何人都可以把它下载到本地。届时，托管服务常用的身份核验、调用记录和任务限制都很难继续生效。
而美国现有的闭源产品面对的是另一道题：模型仍然握在厂商手里，但哪些能力可以给普通用户，哪些只能交给经过验证的防御者。
Anthropic将主要用于扫描代码库、验证漏洞和提出补丁的Claude Security开放给用户测试；谷歌和微软也把模型用于企业防御、漏洞发现与复核。到了更敏感的一端，OpenAI的GPT-5.6-Cyber仍采用受限访问，只向获批的防御者开放。
美国公司此前领先的，不只是模型能完成更难的任务，还包括如何开放这些能力。
二、在GLM-5.3之前，中国模型已经追了多远
中国模型在网络安全能力上的追赶，并不是从GLM-5.3才开始。
7月，英国人工智能安全研究所（AISI）公布了对GLM-5.2和DeepSeek V4-Pro的测试。GLM-5.2在漏洞研究、逆向工程、Web利用和密码学任务中的表现，已经接近四个月前发布的美国前沿模型；到了更长的网络靶场，表现则接近七个月前发布的美国模型。
AISI据此估计，领先开放权重模型与美国前沿闭源模型之间的网络安全能力差距，已经从2025年的6—10个月缩短到约4—7个月。这里的\"月份\"只是根据模型发布时间和任务表现作出的参照，并不代表再过几个月就能追平。
另一家安全研究机构Irregular得到了相近结果。自行部署的GLM-5.2已经能处理逆向工程、协议操纵、内存破坏和利用代码开发，还完成了3个需要多步利用、底层调试和失败后调整的任务。但任务一旦变得更长、更开放，它就没能完整通关。
Kimi K3又把这条攻击链往前推了一段。英美联合评估中，K3在ExploitBench上得到32%，高于GLM-5.2的24%。在一条包含4个子网、约20台主机和32个攻击步骤的模拟企业网络中，K3平均推进到第17步，GLM-5.2停在第11步，美国最强模型则走到第28.5步。
但K3仍然很不稳定。10次尝试中，它只有1次走完整条网络路径，美国最强模型可以完成6—7次；在ExploitBench的41个漏洞中，K3没有一次做到任意代码执行，美国最强模型平均能在约20个漏洞上走到这一步。
而且，这还是一个没有主动防御者、不会惩罚告警动作，并且预留了可行路径的靶场，难度低于真实企业网络。
GLM-5.2和Kimi K3已经把短板暴露得很具体：单点能力追得快，长链稳定性仍然落后。到了GLM-5.3，接下来要看的，就是它把漏洞利用又往前推进了多少。
三、GLM-5.3追上的，是哪一段能力
智谱公布的三项测试，分别考察了三件事：能不能把漏洞跑出来，能把利用推进到哪一步，以及最终能否造成实际安全影响。
第一项是CyberGym。它会给模型漏洞描述和代码库，要求模型生成一段能够触发漏洞的输入：有漏洞的版本会中招，修复后的版本不会。GLM-5.3在这项测试中得到84.5%，略高于智谱同表中的Fable 5和GPT-5.6 Sol。
CyberGym考的是已知漏洞的复现能力。模型不是从零寻找问题，而是根据漏洞描述和代码，把问题稳定地跑出来。84.5%说明GLM-5.3在这一步已经很强，但任务到触发漏洞就结束了，还没有进入控制系统或连续推进的阶段。
第二项ExploitBench把任务向前推了一大截。它选取41个V8漏洞，把利用开发拆成16个台阶：从提高代码覆盖、触发崩溃，到实现任意读写、劫持控制流，最终取得任意代码执行。
GLM-5.3得到54.4%，明显高于上一代，但仍低于Fable 5的78.0%和GPT-5.6 Sol的76.5%。
54.4%反映的是模型在这套16级利用流程中走到了哪里，并不代表41个漏洞中有一半已经做到任意代码执行。让程序崩溃只是起点，后面还要控制内存、劫持程序运行，最后才是执行任意代码，每往前走一步都更难。
第三项ExploitGym更接近这条链的深处。它收集了898个真实漏洞实例，从已知漏洞和触发输入出发，要求模型继续构造能够产生实际安全影响的利用。
GLM-5.3在两小时预算内完成105项，六小时内完成130项。增加运行时间还能带来进展，但在智谱公布的比较中，美国模型完成的任务仍然更多。
三项测试放在一起，GLM-5.3的位置就比较清楚：漏洞复现已经接近美国前沿模型，利用开发往前走了一大步，但更深的实际利用仍有差距。它还谈不上全面追平，不过能力已经从\"把漏洞跑出来\"走到\"继续利用漏洞\"，智谱也因此把相关任务从普通产品里单独切了出来。
四、能用GLM-5.3，不等于所有能力都开放
目前普通用户拿到的是第一种权限：可以调用GLM-5.3，但模型仍然运行在智谱的服务器上。
第二种权限涉及高风险任务。漏洞利用、渗透测试和真实入侵等能力，目前只交给选定的安全伙伴在受控环境中测试，后续再通过\"网络安全受信访问\"计划向经过验证的用户开放。
只要模型还运行在智谱的服务器上，平台就能设置三道防线：请求进入时先判断风险，模型运行时继续监控，模型自身也保留安全约束。
第三种权限是下载完整权重，相当于把模型本身带回本地。这扇门目前还没有打开。权重一旦发布，其他人就能自行运行和修改模型，智谱部署在云端的请求检查和运行监控也管不到这些本地版本。
简单说，现在开放的是\"使用模型\"，有限开放的是\"用模型完成高风险任务\"，尚未开放的是\"把完整模型带回本地\"。
即使以后发布完整权重，智谱仍然可以在自家产品中限制高风险任务；而普通用户现在能够调用GLM-5.3，也不代表可以使用网络安全测试中展示的全部能力。
五、会攻击，不等于会防守
模型能够复现漏洞、写出利用代码，并不意味着它可以直接接管日常网络防御。
2026年4月发布的Cyber Defense Benchmark，给模型提供7.5万至13.5万条Windows事件日志，让它们在没有预先提示的情况下寻找恶意活动。参与测试的五款前沿模型全部失败，表现最好的一款平均也只找到了3.8%的恶意事件。
利用漏洞和从海量日志中找出攻击者，是两种不同的能力。现阶段更现实的用途，是让模型进入人的调查和修复流程。
今年7月，OpenAI确认，在一次内部网络安全评测中，GPT-5.6 Sol和一款更强的内部研究原型突破隔离环境，连续利用漏洞，最终进入Hugging Face的生产基础设施。事后，Hugging Face在本地运行GLM-5.2，分析1.7万多条事件记录，把原本可能需要数天的取证压缩到数小时。
GLM-5.2在这个案例中承担的是事后取证，而不是实时拦截攻击或日常网络防守。
另一条更靠前的防御路线，是在漏洞被利用前先把它找出来。智谱正在测试的OpenVuln仍是原型：只有拥有项目管理或维护权限的人才能提交公开代码库，扫描结果先私下交给经过验证的维护者，是否公开由维护者决定。
一个用于事后取证，另一个用于事前代码审计。现阶段，模型更适合进入人的事件响应和修复流程，帮助处理日志、检查代码和整理线索，而不是直接替人守网。
六、还不是\"中国版Mythos\"
GLM-5.3已经在漏洞复现上接近美国前沿模型，利用开发也往前走了一大步。但更深的实际利用和长链任务，它还没有证明能够稳定完成；日常防御能力也需要另行验证。目前，第三方还没有在相同条件下复测智谱公布的三项成绩。
现在就把它称为\"中国版Mythos\"，仍然为时过早。但如果继续用\"相差一代\"概括，也会低估中国模型的追赶速度。正如英国人工智能安全研究所的研究，领先开放权重模型与美国前沿闭源模型之间的网络安全能力差距，已经缩短到约4—7个月。
GLM-5.3还没有走到终点，但中国模型公司已经需要同时处理两件事：一边继续追赶能力，一边决定这些能力应该开放给谁。
大牛证券提示：文章来自网络，不代表本站观点。
