Z.ai 推出 GLM-5.3，試圖把開源變成網路防禦資產

Z.ai（智譜 AI 對外使用的國際品牌）推出 GLM-5.3 的真正看點，不只是模型在程式設計或資安測試中的分數，而是它對一個核心問題的回答：高能力的網路安全模型，是否必須大部分維持封閉？

Z.ai 的答案傾向於「不必」。該公司希望把防禦能力帶進更廣泛的開源生態系，同時針對最容易被用於實際入侵的功能設置更嚴格的限制。這也被研究員 Gabriel Wagner 形容為「具有中國特色的 Project Glasswing」，反映中國主要 AI 實驗室在全球網路安全議題上的思路可能正在轉變。

「開源護盾」不只是模型發布計畫

Z.ai 與 GLM-5.3 一同宣布的「開源護盾」（Shield of Open Source），核心構想是把 AI 資安能力當成一種公共防禦資源，而不只是少數大型科技公司或經審核機構才能使用的高門檻工具。

計畫包括：

• 為開源專案提供免費安全稽核，協助維護者找出漏洞並完成修補；
• 透過 ZCode 提供自動化程式碼審查；
• 為開源開發者提供免費模型使用額度。

這種設計的目標，是讓更多開發者及較小型的安全團隊能及早發現共用軟體中的問題。換句話說，Z.ai 把「開放」描述成提升整體軟體安全的方式，而不只是模型安全的漏洞。

Hugging Face 事件凸顯需求，也帶來戰略窗口

這套方向的現實背景之一，是 Hugging Face 曾使用智譜的 GLM-5.2，協助調查一宗由 OpenAI 技術建立的自主代理程式在測試期間突破其基礎設施的事件。

事件顯示兩件事：一方面，企業確實需要具備能力的 AI 協助分析資安事件；另一方面，當美國 AI 供應商因安全政策而收緊網路安全用途時，能提供開源或較少限制模型的中國公司，可能因此取得新的商業與戰略空間。

這並不代表 GLM-5.2 或 GLM-5.3 已經在所有資安任務上與美國模型相當，而是說，防禦方與開源社群對可實際操作的資安模型存在明確需求。

GLM-5.3 的強項與限制

Z.ai 表示，GLM-5.3 在尋找軟體漏洞方面表現突出。公司公布的資料顯示，模型在 CyberGym 測試中取得 84.5%，略高於其引用的 Anthropic Mythos 5 的 83.8%。CyberGym 主要評估模型能否檢視原始碼、找出安全漏洞，並確認漏洞確實存在。

不過，這些數字主要是 Z.ai 引述或公布的公司內部評估，不能直接視為獨立機構已證實兩者整體能力相等。更重要的是，在另一類需要把漏洞轉化為可運作攻擊的任務上，Z.ai 表示 GLM-5.3 的表現落後於 Mythos 5。

這個差距正好說明 AI 資安能力的雙面性：能夠更快找到漏洞，有助於防禦者修補系統；但若模型也能可靠地設計攻擊流程，同樣能力便可能被惡意人士利用。

為什麼「開放權重」引起爭議？

與只透過 API 提供服務的模型不同，開放權重模型可以下載並在其他硬體上自行部署。這可能降低尋找漏洞、分析攻擊面，甚至自動化部分入侵流程所需的成本、專業門檻與時間。

因此，Z.ai 雖然主張公開發布 GLM-5.3 的權重，仍決定先暫緩公開下載，進行安全評估與防護強化。 這是一個重要訊號：即使公司支持開源，也承認模型權重一旦廣泛流出，便很難像雲端 API 那樣持續控制使用方式。

Z.ai 的折衷方案：分層審查、限制高風險用途

Z.ai 提出的做法不是全面封鎖資安相關能力，而是採取選擇性、分層式管控。公司表示，將透過風險審查及更強的監控，阻擋高風險的網路安全要求，同時保留一般程式開發、漏洞分析與防禦性安全工作的使用空間。

最敏感的攻擊性功能，則會透過「Cybersecurity Trusted Access」交由經驗證的使用者使用，而不會納入完全不受限制的公開存取。

這與把整個模型鎖在少數合作夥伴手中的封閉式策略不同。Z.ai 的構想是：讓一般開發工作及防禦功能盡可能普及，把控制集中在最可能造成現實傷害的能力邊界。

這是否代表中國 AI 資安策略正在轉向？

若 Project Glasswing 象徵的是以受控、有限合作夥伴為主的高階 AI 網路安全模式，那麼 Z.ai 的「開源護盾」可被視為另一種政策與產品敘事：開放性不一定是安全缺陷，也可以是擴大防禦面的工具。

透過免費稽核、共用程式碼審查工具及開源開發者額度，Z.ai 希望改善更廣泛的軟體生態，並吸引全球開發者使用其模型。 Wagner 所說的「具有中國特色的 Project Glasswing」，正是對這種差異的概括描述。

但真正的考驗會在模型權重公開之後出現。Z.ai 可以在自家 API 服務上封鎖危險請求、驗證使用者身分，並監控使用行為；然而，當開源權重能被獨立下載與部署，這些控制便難以延伸到所有模型副本。

因此，GLM-5.3 的意義不只在於它是否追上某個美國模型，而在於它把全球 AI 產業推向一個更棘手的問題：如何在不犧牲開源防禦效益的前提下，控制可被濫用的攻擊能力？