GLM-5.3 對決 Mythos 5：開源 vs 受限，誰是真正的資安高手？

漏洞利用（Exploitation）能力

• ExploitBench（根本原因分析與可運作攻擊程式生成）： GLM-5.3 得分 54.4%——雖然較前代 GLM-5.2 的 24.4% 翻倍成長，但仍遠落後於 Mythos 5 的 78.0% 以及 GPT-5.6 Sol 的 76.5% 。這是兩者之間最明顯的能力差距。
• ExploitGym（在標準化兩小時預算內完成的利用任務數）： GLM-5.3 完成了 105 項任務，相較於 GLM-5.2 的 29 項有顯著提升，但 Mythos 5 在此特定指標上未有並排比較的公開數據 。

綜合基準測試（編碼與代理任務）

註：Mythos 5 在 SWE-bench Pro（代理式編碼）上得分 80.3%，但雙方並未在這些特定基準測試上進行直接比較 。GLM-5.3 的所有提升均來自擴展的後期訓練，基礎的 743B 模型並未重新訓練 。

開源策略與安全措施

• 延後開放權重： GLM-5.3 可立即透過 API 和編碼方案使用，但可下載的模型權重（open weights）已暫緩發布，等待安全審查——Z.ai 表示至少會延後兩週 。這與 2026 年 6 月 16 日完全開放權重的 GLM-5.2 策略有所不同 。
• 前代安全評估（GLM-5.2）： 2026 年 7 月，美國國家標準與技術研究院（NIST）旗下的 CAISI 評估指出，GLM-5.2 的安全防護機制表現「好壞參半」——它會協助代理式網路攻擊程式的開發，且對高風險指令的回絕能力薄弱 。另一份由 SaferAI 發布的報告更指出，GLM-5.2 拒絕了 0% 的高風險網路指令，且漏洞重現率高達 76%，其在網路攻擊能力上僅落後 GPT-5.5 約 2 到 4 個月 。
• Mythos 5 的策略截然相反： Anthropic 從未公開 Mythos 5。其存取權限僅限於約 200 個經過審查的組織（包括美國政府），透過 Project Glasswing 計畫進行 。此外，Anthropic 還將模型拆分為一個「淨化版」的 Fable 5 版本供一般使用，該版本在攻擊性網路任務上的得分為 0% 。

產業與監管環境

• 中國監管壓力： 2026 年 7 月，中國當局與頂尖 AI 公司舉行會議，討論可能限制中國最先進 AI 模型（包括尚未發布的模型）的海外存取 。這為 GLM-5.3 的權重最終能否自由出口增添了不確定性。
• 西方開發者採用： 儘管有這些顧慮，Z.ai 表示其在西方開發者中的採用率正在增長，GLM-5.3 作為一個具備前沿競爭力的開源模型，正獲得更多信譽 。
• 開源權重模型的追趕： TechCrunch 在 2026 年 8 月報導指出，像 GLM-5.2 這樣的開源權重模型正在網路和生物能力上追趕前沿實驗室，但「安全落差依然存在」——這些模型的安全拒絕機制遠比受限版模型薄弱 。

關鍵注意事項

1. Z.ai 自行報告的基準測試。 GLM-5.3 的 CyberGym 和 ExploitBench 分數來自 Z.ai 自身的測試方法，而非獨立第三方審計 。
2. Mythos 5 的分數也可能偏於保守。 Anthropic 報告 Mythos 5 的 ExploitBench 為 78.0%，SWE-bench Pro 為 80.3%——這些數字同樣來自 Anthropic 自身的評估 。
3. ExploitBench 差距巨大。 23.6 個百分點的差距意味著 Mythos 5 在最危險的攻擊性能力——從根本原因分析生成有效攻擊程式——上明顯優於 GLM-5.3 。
4. 開源權重狀態尚不明朗。 GLM-5.3 尚未真正開放權重；下載功能因安全強化而受阻。如果權重最終未能公開發布，那麼其與 Mythos 5 之間「開源」的區別將大大縮小 。

總結

GLM-5.3 在漏洞偵測上宣稱以微幅差距領先 Mythos 5（CyberGym 84.5% vs 83.8%），但在漏洞利用方面則顯著落後（ExploitBench 54.4% vs 78.0%）。其開源權重發布因安全審查而延後，且其前代 GLM-5.2 被評估為幾乎不拒絕任何網路攻擊指令。Mythos 5 則始終保持高度限制——從未公開，僅限約 200 個經過審查的合作夥伴使用——但在生成有效攻擊程式這項最危險的攻擊性任務上能力遠為強大。

更廣泛的影響在於，開源權重模型正迅速縮小與前沿受限模型在網路任務上的能力差距，但安全防護機制仍明顯薄弱。中國對於頂尖 AI 模型出口問題的監管不確定性，也為 GLM-5.3 的權重能否如 Z.ai 行銷宣傳般自由取得，增添了另一層複雜變數。