GLM-5.3 – 智谱推出的编程与网络安全能力开源大模型

GLM-5.3是一款由智谱AI于2026年8月推出的编程与网络安全特化开源大模型，总参数7430亿（MoE架构），主要用于代码生成与审计、漏洞发现及Agent推理，支持后训练Scaling能力跃升和两周后完整权重开源，适用于企业安全团队、软件研发团队和个人开发者的代码工程与安全审查场景。相比上代GLM-5.2编程能力提升约50%，CyberGym 84.5%持平GPT-5.6 Sol；与Kimi K3相比，漏洞发现和代码安全审计优势明显。

GLM-5.3核心能力与性能

以下评测数据均来自智谱AI官方GLM-5.3技术报告及红队合作团队的实测结果。

编程能力

编程能力是GLM-5.3相对上代最大的增量。Terminal-Bench 3.0（终端命令行任务执行基准）取28.3分，是开源模型最佳成绩，超过同期发布的Kimi K3的17.4分。DeepSWE v1.1（真实软件工程任务基准）从GLM-5.2的46.2提升至66.9。

智谱内部体感测评显示编程能力较GLM-5.2提升50%，编程体感接近Claude Fable 5，在国产开源模型中排名第一。

网络安全能力

白帽代码安全审计是GLM-5.3的差异化卖点。CyberGym（代码审计与漏洞发现基准）得84.5%，持平甚至略超Mythos 5的83.8%和GPT-5.6 Sol的83.6%。ExploitBench（漏洞利用推理基准）得54.4%，是GLM-5.2（24.4%）的两倍多。ExploitGym（6小时漏洞挖掘吞吐测试）完成130项，相比GLM-5.2的39项提升3.3倍。

深度漏洞利用方面，开源与闭源旗舰仍有差距：ExploitBench低于Mythos 5的78.0%，ExploitGym吞吐量也落后于Mythos 5的247项。

Token效率

GLM-5.3在High档位下以约5万tokens的单任务输出，达到Claude Opus 4.8约12万tokens才能实现的准确率水平。更短的执行路径意味着更低的API调用成本。

Agent长程任务

GDPval-AA v2（覆盖44种职业的真实任务基准）得1769分。模型支持跨文件理解、项目级修改和问题定位等复杂工程任务，从”辅助写代码”走向”参与大语言模型驱动的软件工程全过程”。

红队实战验证

发布前两周，智谱联合清华大学、南开大学、奇安信、腾讯玄武等团队开展红队测试，累计发现2404个潜在漏洞，覆盖269个项目。最引人注目的发现是一个潜伏40余年的DNS协议级零日（0-day）漏洞——攻击者仅需少量特殊请求即可将服务器压力放大近8万倍，潜在影响超过1000万处公网DNS服务。

GLM-5.3与Kimi K3对比

GLM-5.3和Kimi K3都是2026年8月发布的国产开源大模型，但定位差异明显。GLM-5.3在网络安全能力上全面领先——CyberGym 84.5% vs 80.0%，ExploitBench 54.4% vs 32.2%，ExploitGym六小时任务数130 vs 70。编程方面两者互有胜负。一个月内，月之暗面、DeepSeek、智谱三家头部国产厂商先后完成关键版本迭代，编程能力集体向国际前沿靠拢。如果需求是代码安全审计和漏洞发现，选GLM-5.3；如果是通用编程和Agent任务，两者差距不大。

应用场景与适用人群

GLM-5.3的能力分布决定了它并非”全面升级”，以下三类场景收益最高：

• 企业安全团队：代码安全审计、渗透测试辅助、漏洞复现与验证。GLM-5.3在CyberGym、ExploitBench上的漏洞推理能力可直接转化为安全生产力，红队发现的2404个漏洞也验证了实战可用性。
• 软件研发团队：跨文件代码修改、项目级问题定位等Agent长程任务。GDPval-AA v2的高分说明它适合承担多步骤工程工作，而不只是补全单段代码。
• 个人开发者与安全研究者：编程辅助、白帽技能学习、开源模型研究与二次开发。两周后权重开放，本地化部署和微调需求可以等到那时再动手。

适合谁用：安全工程师、渗透测试人员、全栈开发者、AI Agent开发者值得第一时间切换。如果主要用大模型做写作、问答、翻译等通用任务，GLM-5.2甚至更轻量的免费版本已经够用，不必跟风升级。

如何使用GLM-5.3

1. 官方工具：通过ZCode或AutoClaw直接体验。8月14日13:00起GLM Coding Plan全员额度已重置。
2. 第三方平台：已在扣子、WorkBuddy/CodeBuddy、Qoder/QwenWork等平台开放体验，开发者可在熟悉的开发环境中调用。
3. API与本地部署：API发布后上线，完整权重计划两周后开源。安全能力仅通过受信访问计划向验证用户开放。AI Agent工作流中。

开源策略与已知局限

GLM-5.3采用分层开源策略，在开放与安全之间做平衡：

• 两周后开放权重：发布后需完成安全评估与模型加固，两周后开放完整模型权重
• 分层受信访问：最敏感的攻击能力仅向验证用户开放，防御能力对开源社区开放——分层的考虑是攻击能力滥用风险高，需要先建立使用方身份审核机制
• 漏洞负责任披露：红队发现的2404个漏洞已提交CNNVD、CNVD等国家漏洞库，覆盖269个项目

GLM-5.3也存在已知局限：

• 基座未更新：与GLM-5.2共享基座（同GLM-5.1系列基座），能力提升全部来自后训练，基座智能上界是否接近极限尚不确定
• 深度安全仍落后闭源：ExploitBench 54.4% vs Mythos 5的78.0%，ExploitGym 130项 vs Mythos 5的247项
• Terminal-Bench绝对分偏低：28.3虽是开源最佳，但与GPT-5.6 Sol的34.6仍有差距

常见问题