刚刚，GLM-5.3发布：Coding更接近Fable 5！潜伏40年的bug都被揪出来了
内容提要
智谱发布GLM-5.3开源模型，在编程和安全能力上显著提升，编程接近Claude Fable 5，安全测试获84.5%成最强开源安全模型。实测中能自主完成复杂编程任务、修复漏洞并通过回归测试，强调生产级AI需兼顾代码交付与安全验证。
延伸解读
安全能力成为开源模型新焦点
GLM-5.3在CyberGym白盒代码审查中得分84.5%，超过Mythos 5和GPT-5.6 Sol，成为最强开源安全模型。这标志着开源模型竞争从单纯追求编程能力转向兼顾安全验证。智谱联合清华、南开等机构进行密集红队测试，累计发现2404个漏洞，其中1088个为中高危，覆盖系统内核、浏览器引擎等220个项目，甚至追溯到40年前的Bug。
从写代码到交付软件：Coding Agent的进化
实测中，GLM-5.3不仅能完成指环王基准和3D手表解构等演示级任务，还能自主开发包含前端、后端、数据库、权限和测试的完整模拟游戏，并输出验收报告。这表明Coding Agent已从生成代码片段进化为可交付生产级软件的工具，但同时也意味着模型需要处理更复杂的工程问题，如权限管理和数据持久化。
安全审计与修复：模型需具备漏洞推理能力
在AegisDesk测试中，GLM-5.3能识别12类漏洞，包括明文密码、Stored XSS、Mass Assignment提权等，并能合并同根因的IDOR漏洞。修复时，它补充了回归测试并全部通过。这要求模型不仅能看到可疑代码，还要理解漏洞成立的完整攻击链，并在修复后验证业务未被破坏。
生产级AI的边界意识：区分验证与推断
在无GPU环境下，GLM-5.3硬写CUDA时，主动区分VERIFIED、INFERRED和UNVERIFIED，对无法验证的部分明确标注。这种“知道自己不知道”的能力是安全性的重要组成部分，因为Coding Agent获得系统权限后，一次判断失误的后果会被放大。
Q&A
GLM-5.3在编程能力上相比前代有哪些提升？
GLM-5.3在编程能力上显著提升，在多项主流基准测试中成为排名最高的开源模型，编程与智能体能力接近Claude Fable 5，编程体感超过其他国产模型。在High档位下，能以更低的Token消耗达到超过Claude Opus 4.8最高档位的准确率。实测中能自主完成复杂编程任务，如生成3D场景、构建可交互的3D手表解构Demo，以及开发包含前端、后端、数据库、权限和测试的完整模拟游戏。
GLM-5.3在安全测试中取得了什么成绩？
在CyberGym白盒代码审查中，GLM-5.3拿到84.5%的分数，相比5.2的77.2%继续提升，略高于Mythos 5和GPT-5.6 Sol，成为最强开源安全模型。
GLM-5.3发布前进行了哪些安全测试？
发布前两周，智谱联合清华、南开及国内众多企业、实验室开展了密集的红队测试与安全评估，累计发现漏洞2404个（经过初筛、去重），其中1088个为中高危，覆盖系统内核、操作系统、浏览器引擎、开源基础组件、互联网应用与互联网协议等220个项目，最早的Bug可追溯到40年前。
GLM-5.3在安全审计中能发现哪些类型的漏洞？
在AegisDesk测试中，GLM-5.3能发现明文密码、Stored XSS、Mass Assignment提权、跨用户IDOR、路径穿越等12类漏洞，并能识别共同根因，合并相关漏洞。
GLM-5.3修复漏洞的能力如何？
在修复测试中，GLM-5.3根据自己生成的审计报告，在9分20秒内修改了22个文件，新增1463行代码，修复了路径穿越、IDOR、Stored XSS和明文密码等问题，并补充了回归测试，最终54项测试全部通过。
GLM-5.3在没有GPU的情况下如何处理CUDA任务？
在无GPU环境下，GLM-5.3先确认本机无法运行CUDA，然后拆分任务：用CPU模拟测试验证算法逻辑，通过Docker中的CUDA Toolkit运行nvcc编译，但对真实GPU执行、数值一致性和性能基准测试均标记为UNVERIFIED，体现了其“知道自己不知道”的安全意识。
为什么GLM-5.3强调安全能力？
因为Coding Agent已能直接操作真实系统，权限增大，一次失误的后果被放大。安全从流程末端前移，成为工程能力的一部分。GLM-5.3强调安全是为了确保模型在获得系统权限后能理解漏洞成因，并具备修复和验证能力，满足生产级AI的需求。
GLM-5.3在安全测试中如何区分验证状态？
GLM-5.3在无GPU的CUDA任务中，主动区分VERIFIED、INFERRED和UNVERIFIED，明确哪些结论已实际验证，哪些是推断，哪些未验证，体现了其证据意识。
