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。
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。
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 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。
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?
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。
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。
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 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。
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?