同一事件亦暴露另一個戰略問題:如果美國 AI 供應商因為難以區分「防守用途」與「攻擊用途」而收緊網絡安全功能,部分用戶可能會轉向限制較少、而且更容易自行部署的模型。對 Z.ai 來說,這既是安全挑戰,亦是切入全球開發者市場的機會。
Z.ai 表示,GLM-5.3 在發現軟件漏洞方面表現突出。公司公布的數據顯示,模型在 CyberGym 的漏洞發現測試中取得 84.5%,略高於 Z.ai 所報告的 Anthropic Mythos 5 的 83.8%。CyberGym 主要測試模型能否閱讀源代碼、找出安全缺陷,以及確認問題是否真實存在。
但在把漏洞轉化為可運作的攻擊方面,GLM-5.3 則明顯較弱。這個差異很重要:能夠找到問題,對修補軟件有幫助;能夠可靠地將問題變成入侵工具,風險則會大幅提高。
同時,以上比較是 Z.ai 根據公司內部評估公布的結果,不能直接視為獨立機構已確認兩個模型實力相同。
所謂開放權重,是指模型的核心參數可以下載,並在外部硬件或自行管理的系統上運行。這種模式可以降低使用成本,亦讓研究人員、開發者及小型安全團隊不必完全依賴單一公司的 API。
但同一個特點也可能令攻擊者更容易取得先進能力:尋找漏洞所需的時間、專業門檻及成本,都可能因為模型可以自由下載而下降。Z.ai 因此宣布,雖然仍然打算公開 GLM-5.3 權重,但會先進行安全評估及加固工作,公開時間延後約兩星期。
這正是 GLM-5.3 最棘手的兩面性:同一個模型可以幫防守者審查代碼、驗證漏洞和加快修補,亦可能被改造成協助入侵的工具。
Z.ai 提出的折衷方案,不是全面封鎖,而是將不同風險層級分開處理。公司表示,會透過風險審查及更嚴格的監察,阻擋高風險網絡安全要求;一般編程、代碼分析及防禦性安全工作則繼續開放。
最敏感的進攻性功能,將透過「Cybersecurity Trusted Access」提供給已核實身份及用途的用戶,而不是放入不受限制的公開存取之中。
這種安排反映 Z.ai 的核心立場:安全不一定要靠把整個模型關在黑箱內,也可以集中控制最危險的能力邊界。對開源社群而言,日常開發工作不會因為模型具備網絡安全能力而一併被禁止;對服務供應商而言,則可以對高風險請求保留更嚴密的審核。
這套制度目前最大的未知數,是模型權重一旦可以公開下載,管控能否繼續有效。對由 Z.ai 代為運行的 API 服務,公司可以封鎖特定請求、核實用戶身份及記錄使用情況;但對由第三方自行部署、修改或離線運行的開放權重副本,這些措施會難以執行。
因此,GLM-5.3 所代表的並非「開源一定安全」或「封閉一定安全」的簡單答案,而是一場政策及工程取捨。Z.ai 正嘗試證明,開放模型可以用來集體改善軟件安全,並吸引全球開發者;但能否在權重流出後仍然把高風險攻擊能力控制在可信範圍,將決定這個「開放護盾」最終是防禦工具,還是新的安全缺口。
同一事件亦暴露另一個戰略問題:如果美國 AI 供應商因為難以區分「防守用途」與「攻擊用途」而收緊網絡安全功能,部分用戶可能會轉向限制較少、而且更容易自行部署的模型。對 Z.ai 來說,這既是安全挑戰,亦是切入全球開發者市場的機會。
Z.ai 表示,GLM-5.3 在發現軟件漏洞方面表現突出。公司公布的數據顯示,模型在 CyberGym 的漏洞發現測試中取得 84.5%,略高於 Z.ai 所報告的 Anthropic Mythos 5 的 83.8%。CyberGym 主要測試模型能否閱讀源代碼、找出安全缺陷,以及確認問題是否真實存在。
但在把漏洞轉化為可運作的攻擊方面,GLM-5.3 則明顯較弱。這個差異很重要:能夠找到問題,對修補軟件有幫助;能夠可靠地將問題變成入侵工具,風險則會大幅提高。
同時,以上比較是 Z.ai 根據公司內部評估公布的結果,不能直接視為獨立機構已確認兩個模型實力相同。
所謂開放權重,是指模型的核心參數可以下載,並在外部硬件或自行管理的系統上運行。這種模式可以降低使用成本,亦讓研究人員、開發者及小型安全團隊不必完全依賴單一公司的 API。
但同一個特點也可能令攻擊者更容易取得先進能力:尋找漏洞所需的時間、專業門檻及成本,都可能因為模型可以自由下載而下降。Z.ai 因此宣布,雖然仍然打算公開 GLM-5.3 權重,但會先進行安全評估及加固工作,公開時間延後約兩星期。
這正是 GLM-5.3 最棘手的兩面性:同一個模型可以幫防守者審查代碼、驗證漏洞和加快修補,亦可能被改造成協助入侵的工具。
Z.ai 提出的折衷方案,不是全面封鎖,而是將不同風險層級分開處理。公司表示,會透過風險審查及更嚴格的監察,阻擋高風險網絡安全要求;一般編程、代碼分析及防禦性安全工作則繼續開放。
最敏感的進攻性功能,將透過「Cybersecurity Trusted Access」提供給已核實身份及用途的用戶,而不是放入不受限制的公開存取之中。
這種安排反映 Z.ai 的核心立場:安全不一定要靠把整個模型關在黑箱內,也可以集中控制最危險的能力邊界。對開源社群而言,日常開發工作不會因為模型具備網絡安全能力而一併被禁止;對服務供應商而言,則可以對高風險請求保留更嚴密的審核。
這套制度目前最大的未知數,是模型權重一旦可以公開下載,管控能否繼續有效。對由 Z.ai 代為運行的 API 服務,公司可以封鎖特定請求、核實用戶身份及記錄使用情況;但對由第三方自行部署、修改或離線運行的開放權重副本,這些措施會難以執行。
因此,GLM-5.3 所代表的並非「開源一定安全」或「封閉一定安全」的簡單答案,而是一場政策及工程取捨。Z.ai 正嘗試證明,開放模型可以用來集體改善軟件安全,並吸引全球開發者;但能否在權重流出後仍然把高風險攻擊能力控制在可信範圍,將決定這個「開放護盾」最終是防禦工具,還是新的安全缺口。