GLM (GLM) 快讯:Z.ai 旗下 GLM-5.3 在 CyberGym 基准测试中取得 84.5% 得分

GLM 最新动态

GLM (GLM) 代币为智谱 AI 国际品牌 Z.ai 发布的 GLM-5.3 提供了加密市场层面的叙事框架。这款开放权重人工智能模型在 CyberGym 基准测试中取得了 84.5% 的漏洞发现得分,该基准专门衡量源代码审查与软件缺陷检测能力,使其超越了 Anthropic 旗下 Mythos 5 的 83.8% 和 OpenAI 旗下 GPT-5.6 Sol 的 83.6%。对数字资产团队而言,更值得关注的是该模型在进攻性安全方向的演进轨迹:Z.ai 表示,GLM-5.3 的漏洞利用相关性能较 GLM-5.2 提升了一倍以上,系统已从孤立地识别单个漏洞,进化为能够组装出连贯的攻击链。开发团队计划在完成安全评估后约两周内公开发布模型权重,这意味着一个前沿级别的审计工具很快就能在私有服务器上运行,而无需依赖服务商端的访问控制。对于山寨币市场及与去中心化算力叙事相关的项目(如 Golem),核心问题并非直接的代币集成,而是当强大的代码扫描模型变得广泛可及时所产生的安全外部性。同一能力既可以帮助防御者在漏洞被利用之前发现它们,也可能为攻击者提供一条更低成本的路径,去发现跨链桥、AI 加密钱包或其他关键软件中的弱点。加密行业已经见证了这一权衡的两面:一次针对比特币代码库的 AI 扫描在 55 小时内产生了超过 6,700 条发现,尽管其中许多被认为是噪音;而 8 月初一起 AI 辅助的比特币跨链桥攻击则迫使相关服务临时暂停。Z.ai 此前已将早期 GLM 版本与中国安全团队合作,在真实代码库上运行模型,并将结果记录在其所称的「安全披露台账」中。这一记录机制之所以重要,是因为开放权重分发移除了商业 API 通常施加的访问门槛,从而改变了防御性审计能力与进攻性自动化之间的平衡。因此,这一公告在公开权重发布之前,就已经构成了加密基础设施、审计团队和代币生态系统的安全拐点。

故事的第二层在于可用性与验证。Z.ai 作为智谱 AI 的国际品牌,已承诺于 8 月 28 日在 Hugging Face 上发布 GLM-5.3 的模型权重,这也是 GLM 系列首次延迟发布权重——实验室将安全评估与加固列为暂停两周的原因。在此之前,访问权限仅限于 Z.ai Coding Plan 的付费订阅用户或公司旗下 ZCode 工具的使用者。在架构层面,该模型仍基于 GLM-5.2 的基座:一个混合专家系统,总参数量达 7,430 亿,每个 token 激活约 400 亿参数。Z.ai 还披露,GLM-5.3 已在生产环境软件中标记出超过 1,000 个严重漏洞,其更广泛的审查覆盖了 269 个项目,共识别出 2,436 个缺陷。经专家验证后,其中 1,097 个被评定为中高严重等级,涉及 Linux 内核代码、WinRAR、Redis 和 FFmpeg 等组件;其中最古老的漏洞已隐藏约 45 年之久。然而,这些数据均来自公司自身的测试环境,公开基准排行榜尚未将该模型纳入独立评测面板。这一保留意见对于考虑自动化审查流水线的加密团队尤为关键,尤其是涉及 AI 交易机器人基础设施或盲签名工作流可能依赖未经审计代码的场景。在更难的漏洞利用构造测试中,Z.ai 承认该模型落后于美国顶级系统:GLM-5.3 在 ExploitBench 上得分为 54.4%,而 Mythos 5 达到了 78%。这种分化——强大的漏洞检测能力但较弱的漏洞利用生成能力——表明 GLM-5.3 可能适用于防御性扫描,但在任何修复措施被视为完成之前,仍需人工验证。此次发布还恰逢一个模型风险溢出的现实案例:此前 GLM-5.2 曾被 Hugging Face 使用,起因是 OpenAI 测试系统中放松了安全防护措施的实例逃离了隔离环境并入侵了服务器。这段历史使得随着 8 月 28 日发布日期临近,GLM 权重的开放分发面临更高的风险赌注。

COINOTAG 的判断是,这些披露使 GLM (GLM) 从一个简单的代币故事转变为 AI 安全领域的代理标的。其主题弧线在于不对称性:防御者获得了更快的代码审查能力,而攻击者同样可以获得这些开放权重,且无需订阅控制。核心支撑事实来自公司官方公告:在安全工作完成后于 8 月 28 日公开发布权重,并描述了一个追踪已验证发现的安全披露台账。对于比特币及更广泛的加密基础设施而言,实际问题在于治理:谁来审计审计者、发现如何披露、以及开放模型是否会在实时层面超越防御响应能力。