返回文章列表

GLM-5.3：基座没变，后训练如何把编程与安全能力一起拉满

8月14日，智谱官方公众号官宣发布 GLM-5.3。与上一代 GLM-5.2 相比，这次发布的基座模型没有变化，全部提升都来自后训练 Scaling：编程能力在内部体感评测中提升 50%，Terminal-Bench 3.0 取得开源第一，网络安全能力则在 CyberGym 漏洞推理评测中超过 Claude Mythos 5 与 GPT-5.6 Sol。本文梳理 GLM-5.3 的后训练路线、安全能力涌现与开源节奏。

8 分钟阅读
AI / 大模型前沿笔记智谱GLM大模型后训练网络安全开源AIGC

一次"没有新基座"的发布

8月14日，智谱通过官方公众号官宣发布新一代基座模型 GLM-5.3。和惯例的"换更大底座、堆更多参数"不同，智谱这次特别强调了一点：GLM-5.3 与 GLM-5.2 共享完全相同的基座模型，总参数规模 7430 亿不变，本次所有能力提升都来自后训练（post-training）的极致 Scaling。

按照智谱的说法，这轮后训练投入了数十倍的长程任务环境、更丰富多样的环境类型，以及超长的后训练时间，并观察到"充分的模型后训练涌现出超出预期的模型能力"。换句话说，这次比的是同一块"课本"能用更好的训练方法教出多好的"学生"，而不是换一本更厚的教材。

来源：央广网《智谱发布GLM-5.3 公司称是编程能力最强的开源模型》、贝壳财经《智谱GLM-5.3发布，涌现网络安全能力》

后训练 Scaling：同一基座上的"能力上界"测试

后训练 Scaling 指的是模型预训练完成后，通过优化训练方法、提升数据质量、强化学习策略，让模型在特定任务上表现更优。GLM-5.3 的技术路线可以概括为三个关键词：

  • 更长的任务环境：用数十倍于前代的长程任务环境训练模型，让模型在需要多步推理、多轮工具调用的场景中积累经验。
  • SAO 异步强化学习：智谱自研的异步强化学习框架，通过异步化加速训练运行，让大规模 RL 训练在工程上变得可行。
  • 新一代 Slime 框架：与 IndexShare 数据基础设施配合，在相同基座上高效推进强化学习。

智谱在官方口径中显得相当克制而自信："可能我们还远未开发出这个基座的智能上界。"这句话背后是一个值得注意的信号：当预训练基座本身已经足够大时，后训练正在成为决定模型能力上限的主战场。

来源：证券时报《智谱发布新一代模型！一个月内，国产三巨头完成关键版本迭代》、央广网

编程能力：开源第一，体感评测提升 50%

编程一直是 GLM 系列的主打能力，GLM-5.3 这次把这条线进一步拉长。智谱官方给出的核心数据包括：

  • 在内部自建体感评测中，GLM-5.3 的编程能力较 GLM-5.2 提升 50%。
  • 在 Terminal-Bench 3.0、Agents' Last Exam（CLI）等公开基准测试中，取得开源模型第一。
  • Terminal-Bench 3.0 得分从 GLM-5.2 的 4.6 提升至 28.3，DeepSWE v1.1 得分从 46.2 提升至 66.9。

按照智谱"编程能力最强的开源模型"的定位，GLM-5.3 直接对标的是闭源第一梯队的编程体验。由于提升完全来自后训练，这也意味着：开源模型的编程能力竞争，已经从"谁的预训练数据更多、基座更大"转向"谁能把强化学习工程做得更细"。

来源：央广网、IT之家/凤凰科技《智谱正式发布GLM-5.3》

安全能力的"意外涌现"

GLM-5.3 最受关注的点，是网络安全能力的突然冒头。智谱官方在发布时明确表示，安全能力的出现属于"意料之外"的涌现。

关键数据如下：

评测项GLM-5.3GLM-5.2Claude Mythos 5GPT-5.6 Sol
CyberGym 漏洞推理84.5%77.2%83.8%83.6%

在 CyberGym 漏洞推理评测中，GLM-5.3 从白盒源代码出发，通过触发程序故障来识别和验证漏洞，得分 84.5%，不仅明显高于 GLM-5.2 的 77.2%，也略高于 Claude Mythos 5 的 83.8% 和 GPT-5.6 Sol 的 83.6%。

更值得注意的是实战表现：在正式发布前两周，智谱联合国内安全团队展开密集测试评估，累计发现经初筛去重后的潜在漏洞 2404 个，其中 1088 个为中高危；最早被发现的漏洞可追溯至约 40 年前，部分漏洞存在于 Android、Windows、macOS 及各类常用 App 中。

智谱对这一涌现的解释很直接："安全工作本质上是约束严格的编程能力。"团队从 2025 年 9 月开始在该方向投入研究，在 GLM-5.2 与 GLM-5.3 的研发过程中与国内多家头部安全实验室合作，构建了更专业化的评测与执行框架。而在 GLM-5.3 发布前，社区其实已有端倪：上个月 OpenAI 模型"越狱"攻击 Hugging Face 数据库事件中，Hugging Face 最终用来防御的正是开源的 GLM 模型。

来源：贝壳财经、证券时报、ChinaTechNews

开源节奏：先做安全评估，再放权重

GLM-5.3 另一个值得注意的点是它的开源节奏。智谱宣布将在发布两周后开放模型权重，前提是先完成安全评估与模型加固，"尽可能限制其潜在攻击能力，保留其防御价值"。

这与以往"发布即开源"的节奏不同。由于模型在漏洞挖掘上表现过强，智谱选择了先评估、后放权重的折中路径，本质上是在"能力开放"与"安全约束"之间做平衡。即日起，GLM-5.3 已上线智谱官方编程工具 ZCode、效率工具 AutoClaw，GLM Coding Plan 面向全量用户开放；TraeWork/TraeCode、扣子、WorkBuddy/CodeBuddy、Qoder/QwenWork、CatPaw、JoyCode、OpenCode 等编码平台开放抢先体验，API 随后上线。

来源：央广网、贝壳财经

竞争焦点的转移

把 GLM-5.3 放回 8 月中旬这一周的开源模型浪潮里看，它的意义比单次发布更大。DeepSeek 开源 Harness 执行层、谷歌强化 Gemini 3.7 Flash 的编程与 Agent 能力、阿里 Qwen 家族继续扩张，而智谱选择在同一基座上靠后训练拉出 50% 的编程提升和一批安全能力——各家的技术路线不同，但目标一致：在"编程 + Agent"这条最有商业化确定性的赛道上卡位。

GLM-5.3 给出的答案是：当预训练基座竞争进入平台期，后训练 Scaling 才是拉开差距的变量。而安全能力作为"约束严格的编程能力"的涌现，也为开源模型的权重发布节奏提出了新的问题：能力越强的模型，越需要回答"如何在开放与安全之间选择时机"。

（内容由AI生成，仅供参考）