這些安排針對的是開源生態系統一個長期存在的問題：許多規模較小的項目缺乏專業安全團隊，難以定期檢查程式碼、確認漏洞是否真實，以及及時完成修補。Z.ai 的構想，是以 AI 降低這些工作的門檻，讓更多項目有能力在漏洞被攻擊者利用前發現並處理問題。

以實際案例證明「開源模型也能防禦」

Z.ai 亦引用 Hugging Face 使用較早版本 GLM-5.2，分析一宗涉及 OpenAI 模型的自主網絡攻擊事件，藉此強調開源模型不只可能被攻擊者利用，也能協助事件分析、風險確認及修復工作。

這種說法反映出 Z.ai 想建立的安全敘事：與其把高能力 AI 完全限制在少數企業手中，不如讓防禦工具更廣泛地流入開源開發者及小型安全團隊，再對真正具高風險的功能設置門檻。

GLM-5.3 的雙重用途帶來新風險

問題在於，GLM-5.3 的能力提升並不限於防禦性工作。Z.ai 的技術文件指出，模型在漏洞發現及漏洞利用鏈相關任務上都有明顯進步；這些能力有助安全研究員找出弱點，但同樣可能被用於更具攻擊性的活動。

因此，Z.ai 並沒有把「開放權重」等同於毫無限制地開放所有能力。面對外界擔心開源模型會降低發動網絡攻擊的技術門檻，公司表示會採用分層風險審查及更嚴格的監督機制。

計劃中的安全邊界包括：

• 封鎖高風險網絡要求，例如可能直接協助攻擊的請求；
• 保留一般開發用途，包括日常編程、軟件維護及防禦性安全工作；
• 將最高風險功能分開管理，避免一刀切限制削弱開源社群的實際使用價值；
• 透過 Cybersecurity Trusted Access 控制敏感能力，只讓經核實的使用者取得相關功能。

這種設計試圖在安全與實用性之間取得平衡：普通開發者仍可使用 AI 協助寫程式及找漏洞，但涉及更高攻擊風險的能力則需要額外審查及身份核實。

與 Project Glasswing 的相似與不同

Anthropic 的 Project Glasswing，是一項透過提前、受控地提供前沿 AI，協助保護關鍵軟件的防禦計劃。 研究員 Gabriel Wagner 將 Z.ai 的做法形容為中國版 Project Glasswing，但這是分析性比較，並非兩個項目的官方等同說法。

兩者的共同點，在於都把 AI 的高階漏洞研究能力優先用於防禦，目標是在攻擊者取得同等能力前，先找出並修補關鍵軟件的弱點。不同之處是，Z.ai 更明確地把免費工具、開源配額、社群審計及較廣泛的防禦性存取放在計劃核心，將開放性視為提升安全的一種手段，而不只是風險來源。

這是否代表中國網絡安全政策已經改變？

目前仍不能如此下結論。這是 Z.ai 公布的企業計劃及政策方向，並不代表中國整體網絡安全取向已經發生實質轉變。

計劃能否建立可信度，將取決於幾項因素：模型更廣泛開放後，存取控制是否仍然有效；免費審計結果能否轉化為負責任披露及實際修補；以及獨立測試能否確認公司所宣稱的安全界線。換言之，Z.ai 正在提出一套「防禦能力普及、攻擊能力分級管控」的模式，但這套模式最終能否成立，仍要看執行成效，而非發布口號本身。

這些安排針對的是開源生態系統一個長期存在的問題：許多規模較小的項目缺乏專業安全團隊，難以定期檢查程式碼、確認漏洞是否真實，以及及時完成修補。Z.ai 的構想，是以 AI 降低這些工作的門檻，讓更多項目有能力在漏洞被攻擊者利用前發現並處理問題。

以實際案例證明「開源模型也能防禦」

Z.ai 亦引用 Hugging Face 使用較早版本 GLM-5.2，分析一宗涉及 OpenAI 模型的自主網絡攻擊事件，藉此強調開源模型不只可能被攻擊者利用，也能協助事件分析、風險確認及修復工作。

這種說法反映出 Z.ai 想建立的安全敘事：與其把高能力 AI 完全限制在少數企業手中，不如讓防禦工具更廣泛地流入開源開發者及小型安全團隊，再對真正具高風險的功能設置門檻。

GLM-5.3 的雙重用途帶來新風險

問題在於，GLM-5.3 的能力提升並不限於防禦性工作。Z.ai 的技術文件指出，模型在漏洞發現及漏洞利用鏈相關任務上都有明顯進步；這些能力有助安全研究員找出弱點，但同樣可能被用於更具攻擊性的活動。

因此，Z.ai 並沒有把「開放權重」等同於毫無限制地開放所有能力。面對外界擔心開源模型會降低發動網絡攻擊的技術門檻，公司表示會採用分層風險審查及更嚴格的監督機制。

計劃中的安全邊界包括：

• 封鎖高風險網絡要求，例如可能直接協助攻擊的請求；
• 保留一般開發用途，包括日常編程、軟件維護及防禦性安全工作；
• 將最高風險功能分開管理，避免一刀切限制削弱開源社群的實際使用價值；
• 透過 Cybersecurity Trusted Access 控制敏感能力，只讓經核實的使用者取得相關功能。

這種設計試圖在安全與實用性之間取得平衡：普通開發者仍可使用 AI 協助寫程式及找漏洞，但涉及更高攻擊風險的能力則需要額外審查及身份核實。

與 Project Glasswing 的相似與不同

Anthropic 的 Project Glasswing，是一項透過提前、受控地提供前沿 AI，協助保護關鍵軟件的防禦計劃。 研究員 Gabriel Wagner 將 Z.ai 的做法形容為中國版 Project Glasswing，但這是分析性比較，並非兩個項目的官方等同說法。

兩者的共同點，在於都把 AI 的高階漏洞研究能力優先用於防禦，目標是在攻擊者取得同等能力前，先找出並修補關鍵軟件的弱點。不同之處是，Z.ai 更明確地把免費工具、開源配額、社群審計及較廣泛的防禦性存取放在計劃核心，將開放性視為提升安全的一種手段，而不只是風險來源。

這是否代表中國網絡安全政策已經改變？

目前仍不能如此下結論。這是 Z.ai 公布的企業計劃及政策方向，並不代表中國整體網絡安全取向已經發生實質轉變。

計劃能否建立可信度，將取決於幾項因素：模型更廣泛開放後，存取控制是否仍然有效；免費審計結果能否轉化為負責任披露及實際修補；以及獨立測試能否確認公司所宣稱的安全界線。換言之，Z.ai 正在提出一套「防禦能力普及、攻擊能力分級管控」的模式，但這套模式最終能否成立，仍要看執行成效，而非發布口號本身。