AISI 首次公开评估：领先开源权重模型的网络安全能力落后前沿 4 至 7 个月

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。

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。

腾讯混元正式发布 Hy3，在推理、智能体、长上下文等任务上比肩参数规模 2～5 倍的旗舰模型。内部盲测中 Hy3 均分 2.67/4，优于 GLM5.1 的 2.51/4；幻觉率从 12.5% 降至 5.4%，任务解决率从 72% 跃升至 90%，平均耗时缩短 34%。

腾讯混元发布 Hy3，在推理、智能体、长上下文等任务上显著进步，比肩 2～5 倍参数规模旗舰模型。内部盲测均分 2.67/4，优于 GLM5.1（2.51/4）。幻觉率从 12.5% 降至 5.4%，常识错误率从 25.4% 降至 12.7%，多轮问题率降至 7.9%，MRCR 从 42.9% 升至 75.1%。任务解决率从 72% 跃升至 90%，平均耗时缩短 34%。API 价格为输入 1 元、输出 4 元（每百万 tokens），命中缓存 0.25 元。已以 Apac…

腾讯混元于7月6日正式发布Hy3模型。相比preview版，任务解决率从72%升至90%，平均耗时缩短34%；幻觉率从12.5%降至5.4%，常识错误率从25.4%降至12.7%，多轮问题率从17.4%降至7.9%，长对话基准MRCR从42.9%升至75.1%。在270位专家盲测中均分2.67/4，优于GLM5.1的2.51/4。API价格为输入1元/百万tokens、输出4元、缓存命中0.25元。模型已基于Apache 2.0协议开源。