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：

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：

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：

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：

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：

现在不要再增加任何新功能。 请进入最终验收阶段，实际运行项目现有的全部自动化测试、权限测试、数据库持久化测试和构建测试。 然后向我输出一份最终验收报告。 必须列出： 1. 实际执行了哪些测试命令 2. 每一项测试的真实结果 3. 总测试数量 4. 通过数量 5. 失败数量 6. Docker 构建是否真实成功 7. 哪些内容经过真实验证 8. 哪些内容尚未验证 9. 当前已知 Bug 不要修改测试结果，不要将未运行的内容描述为已经通过。

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）。

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。

模型既要知道洞该堵在哪里，还得给修复补上回归测试，确认攻击路径被掐掉之后，原来的业务没有一起被修死。

所以从找 Bug，到修 Bug，再到最后没有 GPU 时主动区分 VERIFIED、INFERRED 和 UNVERIFIED，这三轮实测实际上对应的是三种能力：

看得见风险、解决得了风险，以及知道自己的证据到底到哪一步。

这也解释了为什么 GLM-5.3 这次会把 Coding 和安全放在一起。

因为模型一旦真正开始写工程代码，安全本身，也就成了工程能力的一部分。

GLM-5.3 这次为什么要死磕安全？

前面这一通实测下来，一个问题也就冒出来了：

一个 Coding 模型，为啥这次要这么死磕安全？

原因并不复杂。Coding Agent 已经开始真真儿地在现实世界里干活了。

以前模型写代码，更多还是 " 给你一段代码，你自己拿去用 "；到了 ZCode 这一类 Agent，它已经可以直接读整个 Repo、改文件、调用终端、装依赖、跑测试，甚至参与部署。

能力越强，Agent 能接触到的系统越多、拿到的权限也越高。到了这一步，一次判断失误带来的后果，自然也会被同步放大。

所以，安全正在一点点从 Coding 流程的末端往前挪。过去可能是：

写代码→测试→上线前再做安全审计。

现在则越来越接近：

写代码→运行→测试→发现风险→修复→重新验证。

我们刚才的实测就是一个很直观的缩影：GLM-5.3 先把 12 类漏洞翻出来，又拿着自己的审计报告把洞一个个补上，最后再通过 54 项回归测试确认修复没有把正常功能一起 " 修死 "；到了 CUDA 这一关，它还得进一步知道，哪些结论已经验证，哪些只能推断。

现实世界里，这种需求也已经出现。

今年 Hugging Face 在处理一次自主 Agent 驱动的安全事件时，需要分析超过 17000 条攻击相关操作。由于其中包含真实攻击命令、利用载荷和 C2 痕迹，部分商业模型 API 的安全机制会阻断分析，最后他们把 GLM-5.2 直接部署在自己的基础设施里，用来重建攻击时间线。

这件事恰好说明了一点，Agent 开始以机器速度写代码、操作系统，安全也得跟上机器速度。

所以再回头看 GLM-5.3 这次同时强化 Coding 和安全，两者已经越来越难分开。

当 AI 开始真正接手工程，" 会写 " 只是第一关。

能交付、能验证、知道边界，还能把自己写出来的洞补上，才是生产级 Coding 真正开始的地方。

GLM-5.3 技术报告：

https://z.ai/blog/glm-5.3

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

—  完  —

点亮星标

科技前沿进展每日见