一个不换基座、只靠加练就暴涨 50% 编程能力的国产模型还专门练出了一套找漏洞的本事——它找到的最老的 bug在代码里潜伏了 40 多年。先把时间线摆出来8 月 13 日晚刚经历完 DeepSeek 的狂欢第二天一早智谱不声不响放出了 GLM-5.3。更反常识的是它的训练方式——没有换更大的大脑基座模型和 GLM-5.2 完全一样所有提升都来自加练后训练。结果呢按智谱官方口径编程能力较 GLM-5.2 提升约 50%在 Terminal Bench 3.0、Agents’ Last Exam 等公开基准上拿下开源第一整体逼近 Claude 顶级编程模型 Fable 5。但真正让圈内人坐直的是另一个数字智谱把模型放到真实开源项目里扫代码累积扫出了 2436 个漏洞其中 1097 个是中高危最老的一个是 1981 年写进代码的——比你我的年龄可能都大。大家以为的 vs 实际发生的大家以为的剧本国产模型发布 又一个跑分新闻堆参数、刷榜单、发通稿。实际发生的剧本分两步。第一步“不换大脑只加练”。基座模型不动智谱在过去一个月做的是更多任务环境、更多样的任务、更多算力砸在后训练上。用他们自己的话说“Scaling post-training is all we did for GLM-5.3”——GLM-5.3 做的全部事情就是扩展后训练。这轮加练练的是什么不是教科书式练习题而是**“一个有经验的工程师要干好几天的活”**。比如一个 ML 基础设施任务给模型和真工程师一模一样的工作环境——算力集群、存储系统、内部文档、代码库、实验结果让它诊断训练栈的瓶颈、做优化、跑实验、交付一个可量化的端到端提速还要保证正确性。第二步安全能力涨得比预期快得多。智谱在后训练里专门加入了漏洞发现的数据和环境原本只是想让模型更会找漏洞、更会推理漏洞。结果超出预期在安全评测 CyberGym 上GLM-5.3 拿到 84.5超过 Mythos 583.8和 GPT-5.6 Sol83.6排到第一。模型不只会找孤立的单点缺陷开始跨多个攻击阶段推理能形成完整攻击链的连贯计划。2436 个漏洞不是跑分是真实战绩从 GLM-5.2 时代起智谱就和国内多家安全团队合作把模型放到真实开源代码库上跑。专家审核、筛查、去重之后累积结果如下找到2436个漏洞覆盖269个开源项目其中1097个是中高危Critical 107 个 High 990 个范围横跨系统内核、操作系统、浏览器引擎、开源基础设施、Web 应用、网络协议平均每个漏洞在代码里潜伏了 26.6 年最老的一个 1981 年就写进去了。这批漏洞大多埋在内核、浏览器引擎这类维护了几十年的老牌基础设施里——它们不是没人查是查了几十年没查出来。这些发现不是发完新闻就完事。智谱建了一个公开的安全披露台账Z.ai Security Disclosure Ledger漏洞按负责任披露流程走目前已公开 53 个其余 2383 个还在保密期等厂商修复后再逐批公开公开时记录受影响项目、严重程度、CVE 编号如有和潜伏年数。一个可能被大家忽略的判断AI 找代码漏洞这件事正在从实验室跑分变成真实生产力。以前找漏洞靠资深安全研究员一枚一枚地筛一个 1981 年的内核 bug 能躲过几十年的代码审计现在模型批量扫、人只做复核安全行业的工作方式正在被改写。这次反常识为什么成立三个站得住的理由1. 后训练 scaling 的杠杆被低估了。大众叙事里模型更强 参数更大、算力更多但 GLM-5.3 证明了另一条路基座不变把环境做厚——把专家级真实工作流变成可执行、可验证的训练任务模型就能持续变强。这对行业的含义是你手里的旧模型可能远没到它的上限。2. 能力涌现不可预测但方向可引导。智谱的工程师没打算把 GLM-5.3 训成攻击武器他们只是喂了漏洞发现数据。但能力涨得比预期快得多——顺着链推的能力涌现了。反过来对普通读者的启示是AI 最值钱的能力往往不是工程师计划出来的而是练着练着冒出来的。3. 开源策略本身就是差异化。权重两周后开源安全评估和加固完成后。当闭源厂商把最强编程能力锁在 API 后面时智谱选择把开源第一的编程模型放出来。结合 07-28 那场OpenAI 想封中国开源模型的争议这已经是国产开源在用行动站队。旧模型的上限比你想的高得多如果你是开发者直接受益群体。GLM-5.3 已上线智谱 API 和 Coding Plan可以直接用在 ZCode、Claude Code、OpenCode 这些编程智能体里。订阅制有峰谷点数工作日 14:00-18:00 是高峰其余时段只消耗一半点数。一个迁移坑要提前知道GLM-5.3 不再支持关闭思考。老应用如果用了thinking.type: disabled要改成enabled并设reasoning_effort: low否则请求直接失败。权重两周后开源如安全评估按期完成届时本地部署、微调都会解锁——重度用户可以再等等。如果你是创业者一个值得抄的作业。智谱的做法是让智能体去真实工作里收集任务自动生成能运行的环境让模型练再由另一个智能体验证做没做对——本质上是把专家级工作流工程化成训练数据。你的领域里如果有可验证的专家工作审计、测试、合规审查这就是可复制的打法。如果你是普通用户短期感受不明显但两件事和你有关。一是你手机、电脑里跑的开源软件可能正被 AI 扫出一批陈年漏洞并逐批修复——软件世界的地基正在被 AI 重新安检一遍。二是AI 找漏洞变便宜后防御方的 AI 也在同步变强你日常遇到的漏洞攻击反而可能减少。现在可以怎么做想尝鲜直接在 z.ai 的 ZCode 或 Claude Code / OpenCode 里切换到 GLM-5.3 试试心疼 token 就设low想跑最佳编程效果设max会更慢更贵。关注披露台账cvd.z.ai看你的项目/依赖有没有中招。等两周权重开源后如安全评估按期完成本地跑、微调、二次开发成本更低重度用户可以等这一波。观察指标Terminal Bench 3.0 上 GLM-5.3 是 28.3 vs GPT-5.6 Sol 的 34.6——开源与闭源旗舰的差距正在收窄但还没到平替程度选型时别神化。结语回到开头那个反常识基座没换、参数没涨光靠加练就涨了 50%还练出了没人预告过的安全能力。这个叙事对普通读者的真正含义是AI 的进步不只有更大的模型一条路。把专家的活变成训练环境旧模型就能继续变强——而这条路恰恰是开源玩家玩得起、玩得好的路。两周后权重开源你可以亲自验证这个判断。一个国产开源模型正在把找漏洞从手艺变成批发生意这事值得知道。 
长河君 · 2026/8/17 19:24:58 · 阅读 1.2k 智谱放大招：GLM-5.3 编程逼近 Claude，还揪出 2436 个老漏洞
一个不换基座、只靠加练就暴涨 50% 编程能力的国产模型还专门练出了一套找漏洞的本事——它找到的最老的 bug在代码里潜伏了 40 多年。先把时间线摆出来8 月 13 日晚刚经历完 DeepSeek 的狂欢第二天一早智谱不声不响放出了 GLM-5.3。更反常识的是它的训练方式——没有换更大的大脑基座模型和 GLM-5.2 完全一样所有提升都来自加练后训练。结果呢按智谱官方口径编程能力较 GLM-5.2 提升约 50%在 Terminal Bench 3.0、Agents’ Last Exam 等公开基准上拿下开源第一整体逼近 Claude 顶级编程模型 Fable 5。但真正让圈内人坐直的是另一个数字智谱把模型放到真实开源项目里扫代码累积扫出了 2436 个漏洞其中 1097 个是中高危最老的一个是 1981 年写进代码的——比你我的年龄可能都大。大家以为的 vs 实际发生的大家以为的剧本国产模型发布 又一个跑分新闻堆参数、刷榜单、发通稿。实际发生的剧本分两步。第一步“不换大脑只加练”。基座模型不动智谱在过去一个月做的是更多任务环境、更多样的任务、更多算力砸在后训练上。用他们自己的话说“Scaling post-training is all we did for GLM-5.3”——GLM-5.3 做的全部事情就是扩展后训练。这轮加练练的是什么不是教科书式练习题而是**“一个有经验的工程师要干好几天的活”**。比如一个 ML 基础设施任务给模型和真工程师一模一样的工作环境——算力集群、存储系统、内部文档、代码库、实验结果让它诊断训练栈的瓶颈、做优化、跑实验、交付一个可量化的端到端提速还要保证正确性。第二步安全能力涨得比预期快得多。智谱在后训练里专门加入了漏洞发现的数据和环境原本只是想让模型更会找漏洞、更会推理漏洞。结果超出预期在安全评测 CyberGym 上GLM-5.3 拿到 84.5超过 Mythos 583.8和 GPT-5.6 Sol83.6排到第一。模型不只会找孤立的单点缺陷开始跨多个攻击阶段推理能形成完整攻击链的连贯计划。2436 个漏洞不是跑分是真实战绩从 GLM-5.2 时代起智谱就和国内多家安全团队合作把模型放到真实开源代码库上跑。专家审核、筛查、去重之后累积结果如下找到2436个漏洞覆盖269个开源项目其中1097个是中高危Critical 107 个 High 990 个范围横跨系统内核、操作系统、浏览器引擎、开源基础设施、Web 应用、网络协议平均每个漏洞在代码里潜伏了 26.6 年最老的一个 1981 年就写进去了。这批漏洞大多埋在内核、浏览器引擎这类维护了几十年的老牌基础设施里——它们不是没人查是查了几十年没查出来。这些发现不是发完新闻就完事。智谱建了一个公开的安全披露台账Z.ai Security Disclosure Ledger漏洞按负责任披露流程走目前已公开 53 个其余 2383 个还在保密期等厂商修复后再逐批公开公开时记录受影响项目、严重程度、CVE 编号如有和潜伏年数。一个可能被大家忽略的判断AI 找代码漏洞这件事正在从实验室跑分变成真实生产力。以前找漏洞靠资深安全研究员一枚一枚地筛一个 1981 年的内核 bug 能躲过几十年的代码审计现在模型批量扫、人只做复核安全行业的工作方式正在被改写。这次反常识为什么成立三个站得住的理由1. 后训练 scaling 的杠杆被低估了。大众叙事里模型更强 参数更大、算力更多但 GLM-5.3 证明了另一条路基座不变把环境做厚——把专家级真实工作流变成可执行、可验证的训练任务模型就能持续变强。这对行业的含义是你手里的旧模型可能远没到它的上限。2. 能力涌现不可预测但方向可引导。智谱的工程师没打算把 GLM-5.3 训成攻击武器他们只是喂了漏洞发现数据。但能力涨得比预期快得多——顺着链推的能力涌现了。反过来对普通读者的启示是AI 最值钱的能力往往不是工程师计划出来的而是练着练着冒出来的。3. 开源策略本身就是差异化。权重两周后开源安全评估和加固完成后。当闭源厂商把最强编程能力锁在 API 后面时智谱选择把开源第一的编程模型放出来。结合 07-28 那场OpenAI 想封中国开源模型的争议这已经是国产开源在用行动站队。旧模型的上限比你想的高得多如果你是开发者直接受益群体。GLM-5.3 已上线智谱 API 和 Coding Plan可以直接用在 ZCode、Claude Code、OpenCode 这些编程智能体里。订阅制有峰谷点数工作日 14:00-18:00 是高峰其余时段只消耗一半点数。一个迁移坑要提前知道GLM-5.3 不再支持关闭思考。老应用如果用了thinking.type: disabled要改成enabled并设reasoning_effort: low否则请求直接失败。权重两周后开源如安全评估按期完成届时本地部署、微调都会解锁——重度用户可以再等等。如果你是创业者一个值得抄的作业。智谱的做法是让智能体去真实工作里收集任务自动生成能运行的环境让模型练再由另一个智能体验证做没做对——本质上是把专家级工作流工程化成训练数据。你的领域里如果有可验证的专家工作审计、测试、合规审查这就是可复制的打法。如果你是普通用户短期感受不明显但两件事和你有关。一是你手机、电脑里跑的开源软件可能正被 AI 扫出一批陈年漏洞并逐批修复——软件世界的地基正在被 AI 重新安检一遍。二是AI 找漏洞变便宜后防御方的 AI 也在同步变强你日常遇到的漏洞攻击反而可能减少。现在可以怎么做想尝鲜直接在 z.ai 的 ZCode 或 Claude Code / OpenCode 里切换到 GLM-5.3 试试心疼 token 就设low想跑最佳编程效果设max会更慢更贵。关注披露台账cvd.z.ai看你的项目/依赖有没有中招。等两周权重开源后如安全评估按期完成本地跑、微调、二次开发成本更低重度用户可以等这一波。观察指标Terminal Bench 3.0 上 GLM-5.3 是 28.3 vs GPT-5.6 Sol 的 34.6——开源与闭源旗舰的差距正在收窄但还没到平替程度选型时别神化。结语回到开头那个反常识基座没换、参数没涨光靠加练就涨了 50%还练出了没人预告过的安全能力。这个叙事对普通读者的真正含义是AI 的进步不只有更大的模型一条路。把专家的活变成训练环境旧模型就能继续变强——而这条路恰恰是开源玩家玩得起、玩得好的路。两周后权重开源你可以亲自验证这个判断。一个国产开源模型正在把找漏洞从手艺变成批发生意这事值得知道。