GLM-5.3 強勢登場：專注強化程式開發與資安漏洞挖掘的 AI 模型

GLM-5.3：程式開發與網路安全的新進展

隨著人工智慧（AI）技術的演進，模型發展重心已逐漸從單純堆疊參數量與擴大預訓練規模，轉向「後訓練（Post-training）」的極致優化。THUDM 團隊最新發布的 GLM-5.3 便是這一技術趨勢的代表性產物。它並非採用全新架構的基礎模型，而是直接沿用前代 GLM-5.2 的底座，完全透過在後訓練階段的擴展與強化學習（RL），顯著提升了處理複雜編程（Complex Coding）與超長任務鏈（Long-horizon Tasks）的能力。

圖片來源: GLM-5.3: Frontier Coding with Emergent Cyber Capabilities

訓練策略的演變與 slime 框架

GLM-5.3 證明了在既有底座架構下，透過更豐富的任務環境與高質量的反饋/獎勵訊號，仍能極大程度地發掘模型的推理潛力。為了實現高效率的後訓練擴展，研發團隊整合了三項核心技術棧：

1. IndexShare：專為高效率長文本處理設計的底層優化技術。
2. SAO（帶有壓縮機制的強化學習算法）：專門針對長程任務優化，防止模型在長時間推理中出現性能衰退。
3. slime（大規模非同步訓練框架）：這是整個強化學習擴展的骨幹。其採用「單一數據流」設計，將訓練側的 Megatron 與 Rollout 側的 SGLang 進行一體化整合。這使得數學、代碼、沙盒、驗證器以及長程 Agentic 環境能以「數據生成」的方式動態插入，而無須每次都重建訓練循環。

在過去一個月中，團隊在該技術棧上持續擴充：引入了更多元、更具真實性的工程任務環境，並投入了更龐大的 Rollout 算力。研發團隊甚至建構了自動化合成管道，能夠非同步合成出可執行、可驗證的長程環境，並透過雙向過濾機制（Solver 與 Judge 相互對抗）排除獎勵作弊，直接生成高可靠性的二元獎勵訊號進行直接強化訓練。

開發與 Agent 執行能力的躍升

在 Z.ai 開發團隊設計的 Z.ai Code Bench 本地模擬評測中，GLM-5.3 展現出極致的性能與 Token 消耗效率，性能較前代 GLM-5.2 提升了約 50%。

在真實的工程實踐中，GLM-5.3 在各類公開基準測試中均取得了頂尖成績：

• Terminal Bench 3.0：從前代的 4.6 分暴增至 28.3 分。
• DeepSWE v1.1：從 46.2% 提升至 66.9%。
• Agents’ Last Exam (ALE-CLI)：提升至 28.5%。

思考深度與 Token 效率對比

GLM-5.3 引領了「花費更少 Token、達成更高準確度」的推理革命。在 Z.ai Code Bench 評測中：

• 在 Max 思考力度下，GLM-5.3 取得了 34.5% 的端到端任務完成率，而平均每項任務僅消耗約 7.5 萬個輸出 Token（對比 GLM-5.2 僅取得 23.4% 卻消耗高達 9.6 萬個 Token）。
• 在 High 思考力度下，GLM-5.3 取得了 31.4% 的成功率，平均僅消耗 5 萬個 Token，直接在效能與效率雙重維度上超越了 Claude Opus 4.8（29.5% 成功率，消耗 12 萬個 Token）。不過，其目前仍略遜於領先的閉源模型 Claude Fable 5（Max 思考下達 39.5%）。

對開發者而言，當任務涉及計算集群（Compute Clusters）、儲存架構、內部文檔與龐大遺留代碼庫（Legacy Codebases）的跨多日任務時，模型能主動在沙盒環境中進行反覆診斷、優化、實驗並提供可衡量的速度提升，真正具備了「端到端」獨立解決大中型工程任務的主動性。

網路安全與漏洞偵測的「湧現」能力

在後訓練的數據混合中，研發團隊有目的地加入了大量漏洞發現與安全環境數據。隨著強化學習規模的擴大，模型展現出了超出預期的湧現網路安全能力（Emergent Cyber Capability）。它不只能夠識別孤立的代碼缺陷，甚至開始學習理解複雜的多階段攻擊鏈（Exploitation Chains），並策劃出完整的防禦與利用方案。

目前，GLM-5.3 在各項網路安全與漏洞利用評測中，皆取得了領先成績：

• CyberGym：取得了 84.5% 的 SOTA 成績，超越了 Mythos 5（83.8%）與 GPT-5.6 Sol（83.6%）。
• ExploitBench：取得了 54.4% 的成績，相較於 GLM-5.2 的 24.4% 實現了翻倍增長。
• ExploitGym（時間歸一化預算測試）：在 2 小時與 6 小時限制下，分別完成了 105 個 與 130 個 漏洞利用任務，大幅領先 GLM-5.2（29 / 39 個），儘管仍與閉源頂尖的 Mythos 5（181 / 247 個）存在一定差距。

Z.ai 漏洞披露分類帳（Security Disclosure Ledger）

研究團隊將 GLM-5.3 部署於真實世界的開源專案中進行深度審計與檢測，取得了驚人的成果：

• 成功在 269 個 開源專案中發現並確認了 2,436 個 潛在安全漏洞。
• 包含 1,097 個 嚴重與高危險性漏洞（Critical: 107 個，High: 990 個）。
• 這些漏洞橫跨系統內核、操作系統、瀏覽器引擎、網路協議與開源基礎設施。其中，最古老的漏洞竟在代碼庫中潛伏了長達 45 年（於 1981 年引入，平均漏洞潛伏壽命達 26.6 年）。

目前，這些發現已陸續提交修補，並在公共的 Z.ai Security Disclosure Ledger（漏洞披露分類帳）上進行持續動態更新與公開記錄，顯著提升了整個開源社群的數字防護安全。

常見問題與 API 遷移指引

Q：GLM-5.3 的 API 有何重大變更？

A：GLM-5.3 強制啟用思維推理功能，且其計費與調用格式有重要升級：

1. 必須遷移 thinking.type：以往調用參數中的 thinking.type: "disabled" 已不再受支持。如果直接更新模型 ID 至 glm-5.3，API 請求將直接失敗。
2. 正確的請求範例： 必須將 thinking.type 設置為 "enabled"，並通過 reasoning_effort 參數指定思考深度：

   {
     "model": "glm-5.3",
     "thinking": { "type": "enabled" },
     "reasoning_effort": "max"
   }
   

3. 三檔思考深度（Reasoning Effort）：
   • low：輕量、快速，適合日常簡單代碼或文字任務。
   • high：增強型邏輯，平衡響應速度與複雜度。
   • max：深度思考（預設值），推薦在進行複雜架構設計、系統除錯與漏洞審計時使用。

Q：GLM Coding Plan 的點數扣減機制為何？

A：訂閱用戶已全面自動升級至 GLM-5.3，並採用更靈活的「點數配額系統（Points-based Quota System）」，點數會針對輸入 Token、緩存輸入 Token 以及輸出 Token 分開獨立計算。

• 50% 尖峰折扣優惠：在非尖峰時段（即週一至週五 14:00-18:00 UTC+8 以外的所有時段，以及週末兩天全天），模型調用僅消耗標準點數的 50%，非常適合自動化腳本非同步運行。

Q：什麼是 ZCode 智能體擴展？

A：透過官方開發套件 ZCode（https://zcode.z.ai），訂閱用戶可解鎖 GLM-5.3 的極致能力：

• 98%+ 緩存命中率：重複上下文採用緩存費率計費，使有效 token 額度提升約 30%。
• 目標模式（Goal Mode）：開啟後，Agent 將自動進行「規劃-代碼編寫-本地測試-自動驗證」的閉環，不達目標誓不罷休。
• 遠端控制（Remote Control）：支持通過手機微信（WeChat）或飛書（Feishu）實時監控、引導並終止伺服器上執行的長線開發與訓練任務。

Q：模型權重何時開放下載？

A：GLM-5.3 屬於開源權重模型。官方預計在產品發布後的 兩週內，在完成最終的安全評估與硬化（Hardening）測試後，正式將模型權重完全公開至 Hugging Face，屆時開發者可將其無縫整合至本機的 vLLM 或 SGLang 部署環境中。