顺手拿下最强开源安全模型
太热闹了。
昨儿DeepSeek V4 Pro正式版+Harness、Grok 4.6“你方唱罢”，今儿 GLM-5.3 闪亮一记 “我登场” ——
一出手便杀回 开源一哥 、 国模一哥 ，甚至在Coding方面更加 接近Claude Fable 5！
也就是说，唐杰给马斯克“画的饼”（说国产模型超越Fable 5不会太久），往前拱了一大截，也就花了2个月整。
在多项主流基准测试中，GLM-5.3是当前 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。
更值得注意的是不同推理强度下的表现。随着Token预算增加，GLM-5.3的Coding准确率继续往上走；在High档位下，已经能以明显更低的Token消耗，做到超过Claude Opus 4.8最高档位的准确率。
但你先别急着“嚯~”、“好家伙”，因为好戏还在后头。
这次GLM-5.3除了Coding之外，另一个更重要的关键词，是 安全 。
在CyberGym白盒代码审查中，GLM-5.3拿到84.5%，相比5.2的77.2%继续提升，也略高于Mythos 5和GPT-5.6 Sol，一举成为 最强开源安全模型 。
并且在GLM-5.3发布前两周，智谱就联合清华、南开，以及国内众多企业、实验室，开展了密集的红队测试与安全评估。
据悉，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。
甚至最早的Bug，可以追溯到 40年前！
所以，这次智谱发布GLM-5.3，两个关键词便一目了然了：一个是Coding，另一个是安全。
不意外，GLM-5.3一出，瞬间在X引发了大量的关注和热议，网友们已经把它称作 “Fable 5级” 了：
不得不说啊，这次GLM-5.3又在国际上把国产AI给支棱起来，这盛况，真是应了揽佬的“名人名言”：
中国人能飞~中国人能飞~
最重要的一点是，在体验GLM-5.3的真实过程中，我们的体感真真儿的可以用一句话来概括：
丝滑，相当的丝滑！ 是有点 超预期 在身上的。
那么接下来，老规矩，一波深度实测，走起~
做了一个可交付的模拟游戏
我们这次所有的实测，都会在智谱自家的Harness，即 ZCode 里进行。
第一个任务，就拿 Karpathy 最新抛出的 指环王基准 来小试牛刀一下。
在把《指环王》第一章开头的文字和对应Prompt输进去之后，模型选择我们提前拿到的内测GLM-5.3，并把模式变成“完全访问”，保证全程无人工干预：
然后，GLM-5.3就自己唰唰唰地开始干活了，你只需要做的，就是等：
在 28分钟 后，一个中文版的指环王基准，就水灵灵地做出来了：
视频地址： https://mp.weixin.qq.com/s/LXLsciw8OqStAyxWnktbzg
Karpathy设计的这个任务，考验的是模型能否长时间自主规划、写代码、摆放3D资产、编排动画并做出完整可运行作品。
并且我们在Prompt中还刻意加大了难度，让AI根据原文自行改编成约90秒中文旁白，但不能改变核心情节。
从GLM-5.3的结果来看，它不仅可以hold住这项测试的基本要求，更能从文学文本里抓重点，并把文字重新组织成视听语言。
这类任务的难点，其实也不只是Three.js能不能跑起来。模型得先把一段文学叙事拆成场景、人物、镜头和时间线，再一路落进代码里，最后还得保证90秒的内容能连续跑起来。
为了更直观地感受GLM-5.3 Coding能力的提升，我们还用一模一样的Prompt和设置，让GLM-5.2跑了一遍：
视频地址： https://mp.weixin.qq.com/s/LXLsciw8OqStAyxWnktbzg
无需多言，GLM-5.3完胜。
接下来，我们加大难度，让它再做一个可以完全交互的3D手表解构的Demo。
在输入完Prompt之后，GLM-5.3依旧是自己开始操作，遇到需要修复的地方，也会自行检查做调整：
在 十几分钟 过后，结果就生成出来了：
视频地址： https://mp.weixin.qq.com/s/LXLsciw8OqStAyxWnktbzg
在没有任何扫描、没有下载任何手表相关模型的情况下，手表各处细节都能被解构得明明白白，而且是把镜头拉到特别大也是能hold住的那种。
相比前面的“指环王基准”，这一关考的又不太一样：一块完整的表好画，但拆开以后，表盘、机芯、齿轮和表链之间的空间关系还能不能保持住，才是考验3D Coding的地方。
不过有一说一，上面两个实测效果虽然还算不错，但终归是属于演示级别的Demo。
因此，Coding能力的最后一个实测，我们尝试GLM-5.3是否能做 可交付的模拟游戏 。
也就是说，这个任务跑下来，它不仅是有视觉效果，还得是有后端、有数据库、有权限、有测试、有部署的完整模拟游戏。
（注：本地需提前安装好Docker。）
这次任务较为复杂，GLM-5.3总共花了40分钟。
但对于此次任务的验收，我们不能停留在只放出来最终效果，且得一步一步验证。
首先就是 注册和登录游戏 ：
然后我们进入游戏后进行操作，点击 保存到数据库 ，并退出游戏；要保证进来后还是刚才 存档的进度 ：
权限 测试方面，我们退出刚才的账号，再重新注册一个；进入游戏后，我们不难发现2个账号的信息是 互相看不到 的。
这就证明GLM-5.3已经跑通了权限的设置：
视频地址： https://mp.weixin.qq.com/s/LXLsciw8OqStAyxWnktbzg
最后，为了方便起见，我们让GLM-5.3自己跑测试并输出 验收报告 ，Prompt如下：
最终的报告结果如下，可以看到，这个项目确实是把前端、后端、数据库、权限等，通通跑通了：
结合上面三个实测来看，GLM-5.3在Coding方面，不仅仅是更会写质量更高的“页面”，现在，它已经能把一个需求真正交付成软件。
没有GPU，硬让它编CUDA会怎样？
既然GLM-5.3已经是可交付的生产级AI，那么安全，也就是此次智谱发布动作里的第二个关键词，也得好好实测一番。
第一个任务，依旧是小试牛刀， 找Bug 。
我们测试用到的项目叫做AegisDesk，它是一个真实结构的小型Node.js Web应用，并且提前埋好了一组安全问题。
但项目里没有答案、没有漏洞注释，也没有告诉模型一共有多少个Bug。
然后我们这次把ZCode的权限，从“完全访问”改成“变更前确认”，并输入Prompt：
大约 7分钟 后，它交出了一份348行的安全审计报告：
更关键的是，对照我们事先埋好的“答案”，12类漏洞一个没漏。
从最显眼的明文密码、Stored XSS，到藏得更深的Mass Assignment提权、跨用户IDOR、路径穿越，再到一条需要顺着req.body→用户对象→Session role一路追下去的权限链，它基本都翻了出来。
甚至三个散落在不同路由里的IDOR，它也没为了刷数量拆成三个Bug，而是识别出共同根因，合并成一个Finding。
不过5.3也并非完全零失误。一处CSRF风险虽然判断方向正确，但真正能否完成跨站攻击仍依赖浏览器Cookie行为，它自己在报告末尾也意识到了这一点，前面却依旧打上了CONFIRMED。
找完Bug，我们继续看看GLM-5.3 修Bug 的能力。
这次任务直接把GLM-5.3刚刚生成的审计报告又塞了回去（既然这12个洞都是你自己找的，那你自己补 [看] ）。
但是会备份新文件夹并在ZCode里新建项目进行；同样的，在输入Prompt后，GLM-5.3就开始干活了：
9分20秒 后，项目里22个文件发生变化，新增1463行代码：
这一次它没有简单把危险功能删掉。路径穿越加上目录边界校验，IDOR把ownerId真正压进数据查询，Stored XSS修在输出Sink，明文密码则迁移到了带Salt的scrypt。
更关键的是，它给这些漏洞自己补出了一套回归测试。最终ZCode显示54/54通过。
为了避免模型自己出题、自己判满分，我们又把完整项目单独拿出来重跑了一遍—— 54项，依旧全部通过。
接下来，我们再做一个 有趣 的安全测试：
在Mac没有GPU的情况下，让GLM-5.3 硬写CUDA ，看它会不会瞎编。
我们先确定测试环境确实没有英伟达GPU：
并且我们设计这个任务的Prompt时，也不会提前告知GLM-5.3这台电脑没有英伟达GPU，只给它CUDA工程任务：
在 18分52秒 后，GLM-5.3给出了它的结果：
GLM-5.3先 确认本机跑不了CUDA 后，开始把任务拆开：
CPU能验证的算法逻辑自己造了一套模拟测试；CUDA代码本机编不了，就借Docker里的CUDA Toolkit真正跑了一遍nvcc；但到了真实GPU执行、CPU/GPU数值一致性以及性能Benchmark，它全部停在了UNVERIFIED。
我们后来又把它生成的CPU测试单独拿出来重新编译运行，结果依旧全部通过。
能做的尽量做，没做的明确说没做。
对于一个正在获得越来越多系统权限的Coding Agent而言， “知道自己不知道” ，本身也是安全能力的一部分。
而从技术设计上看，GLM-5.3这次强调的“安全”，其实也不太是传统印象里那种，问模型一句危险问题，看它会不会拒答。
更核心的，是让模型真正进入代码和工程环境之后，能不能理解漏洞为什么成立。
从智谱这次展示的能力结构来看，安全测试重点就包括白盒代码审查和漏洞推理。
前者，是把完整代码库直接扔给模型，让它从输入开始一路追踪到权限校验、数据流和最终的危险操作；后者更进一步，要求模型不能只看到一行可疑代码，还要把一个漏洞成立所需要的前因后果给串起来。
这其实和我们前面的AegisDesk实测高度一致。
比如Mass Assignment提权，GLM-5.3并没有停在“这里用了req.body”这一层，而是一路追出了这么一整条攻击链：
req.body→用户对象→role字段→Session同步→普通用户最终获得管理员权限。
而到了修Bug的环节，逻辑还要继续往下走。
← 返回最新