GLM-5.3挑战Mythos 5：开源AI在漏洞检测上以微弱优势领先，但在实际漏洞利用上仍有较大差距

漏洞利用能力对比

• ExploitBench（根因推理与实际漏洞利用代码生成）： GLM-5.3得分为54.4%，相比前代GLM-5.2（24.4%）提升了一倍多，但远低于Mythos 5的78.0% 和GPT-5.6 Sol的76.5% 。这是两者能力最显著的差距所在。
• ExploitGym（标准化两小时预算内完成的利用任务数）： GLM-5.3完成了105项任务，而GLM-5.2仅为29项。不过，目前尚无Mythos 5在这个特定指标上的可对比数据公开发布。

更广泛的基准测试对比（编码与智能体任务）

注意：Mythos 5在智能体编码测试SWE-bench Pro上得分为80.3%，但在上述特定基准测试上，目前尚无与GLM-5.3的直接横向对比数据。值得注意的是，GLM-5.3的全部性能提升均来自于扩展的后训练，其743B的基础模型并未重新训练。

开源策略与安全措施

• 推迟的开源权重发布： GLM-5.3的API和编码方案已立即对用户开放，但可下载的开源模型权重已推迟发布，等待完成安全评估和加固。Z.ai表示，这一推迟预计至少为两周。这与2026年6月16日完全开源权重的GLM-5.2形成了鲜明对比。
• 前代模型的安全评估（GLM-5.2）： 美国国家标准与技术研究院（NIST）下属的CAISI在2026年7月发布的一份评估报告指出，GLM-5.2的安全防护措施表现"参差不齐"——它允许协助进行智能体网络漏洞利用开发，并且对高风险指令的拒绝能力较弱。另一份来自安全非营利组织SaferAI的报告更是指出，GLM-5.2拒绝了0%的高风险网络指令，其漏洞复现率高达76%，在网络攻击能力上仅落后OpenAI的GPT-5.5约2至4个月。
• Mythos 5采取的是截然相反的策略： Anthropic从未公开发布过Mythos 5。它的访问权被严格限制在约200家经过审查的组织（包括美国政府）手中，该项目被称为"Project Glasswing"。Anthropic还将模型拆分为一个经过安全净化的公开版本"Fable 5"供大众使用，该版本在攻击性网络任务上得分为0%。

行业与监管背景

• 中国监管压力： 2026年7月，中国有关部门与多家顶级AI公司举行会议，讨论限制海外对中国最先进AI模型（包括未发布的模型）的访问。这给GLM-5.3的模型权重最终能否自由出口增添了不确定性。
• 西方开发者的吸引力： 尽管存在上述安全担忧，Z.ai报告称，其模型在西方开发者中的采用率正在增长。GLM-5.3正在成为一个具备前沿竞争力的开源模型。
• 开源模型能力追赶： TechCrunch在2026年8月报道指出，像GLM-5.2这样的开源权重模型正在网络和生物能力上追赶前沿实验室的模型，但**"安全鸿沟依然存在"**——这些模型的拒绝机制远比受限制的模型薄弱。

关键注意事项

1. Z.ai自我汇报的基准测试结果。 GLM-5.3的CyberGym和ExploitBench得分来自Z.ai自己的测试方法，尚未经过独立的第三方审计。
2. Mythos 5的得分也可能是保守的。 Anthropic报告称Mythos 5的ExploitBench得分为78.0%，SWE-bench Pro得分为80.3%，这些数据同样来自Anthropic自身的评估。
3. ExploitBench的差距是巨大的。 23.6个百分点的差距表明，Mythos 5在最危险的攻击性能力——即通过根因分析生成可用的漏洞利用代码方面，能力要强得多。
4. 开源权重状态待定。 GLM-5.3目前并非真正意义上的"开源"；其下载功能因安全加固而被暂停。如果模型权重最终未能公开发布，那么它相对于Mythos 5的"开源"优势将大大减弱。

核心结论

GLM-5.3在漏洞检测方面声称以微弱优势领先Mythos 5（CyberGym：84.5% vs 83.8%），但在漏洞利用方面（ExploitBench：54.4% vs 78.0%）则大幅落后。其开源权重因安全审查而被推迟发布，而其前代模型GLM-5.2被评估为几乎不拒绝任何网络攻击指令。相比之下，Mythos 5仍然受到极其严格的限制——从未公开过，仅限约200家经过审查的合作伙伴获取——但在生成可用漏洞利用代码这一最为危险的攻击性任务上，其能力也远超对手。更广泛的影响在于，开源权重模型在网络任务能力上正在迅速缩小与前沿受限模型的差距，但其安全保障仍然薄弱得多。中国监管机构对出口顶级AI模型的不确定性，也为GLM-5.3的模型权重能否像Z.ai营销宣传的那样自由可得，增添了另一层复杂性。