GLM 5.3 Flash 在 ARC-AGI 基准测试成绩提升

@Zai_org @OpenRouter @baseten - 排行榜：https://arcprize.org/leaderboard - 复现公开结果：https://github.com/arcprize/arc-agi-benchmarking - 测试政策：https://arcprize.org/policy - GLM 5.3 Flash 完整结果：https://arcprize.org/results/zai-glm-5-3-flash

@Zai_org ARC-AGI-3 评测在操作上更为密集；测试完成后，我们将在未来几周内分享结果。 完整结果：https://arcprize.org/results/zai-glm-5-3-flash

Anthropic 发布对智谱 GLM-5.3 网络攻击能力的分析，发现其可自主开发端到端漏洞利用，在 ExploitBench 410 次尝试中成功 50 次，接近 Claude Mythos Preview 的 56 次。

智谱宣布开源 GLM-5.3 模型权重，支持本地运行与个性化定制，擅长复杂编码、防御性网络安全及长程任务。该模型在 AA 综合智能指数中取得 60 分，与 Claude Fable 5、GPT-5.6 Sol 等闭源旗舰同级，并与 Kimi K3 并列开源模型第一。仅年营业额超 100 亿美元的机构将其作为外部模型服务提供时才需安全审查。

智谱 Z.ai 8-28 将 GLM-5.3 开源权重(safetensors)上线 Hugging Face 官方 zai-org 仓,为此前 API 与技术博客之后的权重落地(非新模型首发,亦非 GLM-5.3-Flash)。官方模型卡说明 GLM-5.3 与 GLM-5.2 使用同一基座、增益来自后训练,主打编码与网络安全任务提升,许可为 glm-5.3。本文不写未交叉核验的参数规模与跑分。

Ox Alpha = GLM-5.3 Flash AA = 57，以1/100的前沿价格， 由纯国产芯片驱动。在OpenRouter上实现了近20%的周token份额（第一）。 感谢大家的支持。

智谱发布 GLM-5.3，为网络安全任务最强模型，在漏洞发现、利用分析和多步安全任务上大幅提升。CyberGym 得分 84.5%（GLM-5.2 为 77.2%），ExploitBench 达 54.4%（此前 24.4%），ExploitGym 两小时完成 105 项任务（此前 29 项）。因双重用途风险，将先由安全伙伴受控评估，再开放 API 和完整权重。

智谱发布GLM-5.3，基于与GLM-5.2相同的基座，通过极致后训练Scaling提升智能上界，编程能力较前代提升50%，在Terminal Bench 3.0等公开基准中取得开源第一。模型在白盒代码审查等安全任务中表现持平Mythos 5，并在CyberGym测试中得分84.5%。GLM-5.3即日起上线ZCode、AutoClaw等工具，API很快上线，完整模型权重将在两周内开源。

UK AISI 与 CAISI 对 Moonshot AI 于 2026 年 7 月 16 日发布的 Kimi K3 进行联合网络安全能力评估。在 ExploitBench 上 Kimi K3 得分 32%，高于 GLM-5.2 的 24%，但未能在 41 个样本中实现任意代码执行（ACE），最前沿美国模型平均可达 20/41。

英国 AI Security Institute 首次公开分析领先开源权重模型的网络安全能力差距，测试发现 GLM-5.2 是测试时最强的开源权重模型，在 AISI 窄域网络任务上接近 4 个月前发布的 Opus 4.6，在长时程网络靶场上接近 Opus 4.5，整体落后前沿 4 至 7 个月，窄于 2025 年 1 至 9 月内部评估测得的 6 至 10 个月。