NIST CAISI 对 Z.ai GLM-5.2 的独立能力评估

核心内容摘要

NIST CAISI 在 GLM-5.2 发布（2026-06-16，Z.ai 前身智谱 AI 发布开源权重）后约三周完成评估，给出官方机构口径的独立结论：

关键结论（CAISI 自评体系）

1. 发布时很可能是最强的开源权重模型（"probably the most capable open-weight AI model when it was released"）。

2. 综合能力与 2025 年 12 月发布的 GPT-5.2 相当。

3. 网络（cyber）能力与 2026 年 2 月发布的 Claude Opus 4.6 相当。

4. 安全护栏（safeguards）表现参差：

   • 允许协助开发 Agentic 网络漏洞利用（assistance with agentic cyber exploit development）；

   • 对敏感生物问题的拦截少于美国参考模型；

   • 但对 Agent 劫持与越狱攻击的鲁棒性可能高于其他被评估的中国开源权重模型；

   • 注意：开源权重模型自托管时护栏均可被绕过。

其他信息

• 新闻稿包含"发布时最强美/中模型综合能力随时间对比"图（Figure 1），y 轴 400 分对应任务求解概率提升 10 倍；方法与细节见完整评估报告的 Appendix A1/A4——报告正文未随新闻稿公开，需在 NIST CAISI 站点另行获取。

• 该评估是美国政府机构视角，与 Z.ai 官方跑分互相独立，可交叉验证"GLM-5.2 发布时为开源最强"这一结论。

证据要点与适用边界

• 证据等级说明：属于有完整方法论（但正文未在本次采集的页面公开）的独立机构评估；要复现需获取 CAISI 完整评估报告。

• 用途：可用于判断 GLM-5.2 的（1）开源模型横向定位，（2）与闭源旗舰（GPT-5.2、Opus 4.6 级别）的能力差距，（3）网络能力风险等级，（4）安全护栏强弱——尤其适合做"选型时是否引入该模型"的合规与安全评估。

• 边界：结论基于 CAISI 自己的评估集，非通用排名；网络安全能力结论涉及敏感用途，引用时注意上下文；护栏结论不适用于自托管部署（可绕过）。

原文关键引文

"GLM-5.2 was probably the most capable open-weight AI model when it was released."

"GLM-5.2's overall capabilities are similar to that of GPT-5.2, released in December 2025."

"GLM-5.2's cyber capabilities are similar to that of Opus 4.6, released in February 2026."

"GLM-5.2 appears potentially more robust against agent hijacking and jailbreaking attacks than other evaluated PRC open-… 以上为必要节选，完整内容请查看原文。

"Regardless of their robustness, safeguards for open-weight models can be circumvented when self-hosted."