GLM-5.3 官方技术博客：前沿编程与涌现的网络安全能力（Z.ai）

核心内容摘要

Z.ai 官方发布口径："Scaling post-training is all we did for GLM-5.3."（GLM-5.3 所做的一切就是扩展后训练。）基座与 GLM-5.2 完全相同，所有提升来自后训练；背后是 GLM-5.2 时期搭建的 IndexShare（长上下文）、SAO（长程任务 RL）、slime（大规模异步训练）技术栈，并在过去一个月持续扩展：更多环境、更多样任务、更多训练算力。

三大发布要点

1. 更强的编程能力：官方称 GLM-5.3 是"最强的开源权重编程模型"，内部 Z.ai Code Bench 较 5.2 提升 50%；Terminal Bench 3.0 与 Agents' Last Exam 达开源 SOTA。

2. 涌现的网络安全能力：后训练规模扩大时网络安全能力增长超出预期，CyberGym 漏洞发现达 SOTA，沿利用链越深入提升越显著（漏洞利用类基准得分翻倍以上）。

3. 开源：发布约两周后，完成安全评估与加固后放出权重。

官方完整跑分表（厂商自报）

训练方法论要点

• 环境规模化：训练环境从"编程题"转向"完整专业工作单元"——部分任务相当于资深工程师数天的工作量（如 ML 基础设施任务：访问计算集群、存储、内部文档、代码库与实验结果，诊断瓶颈、实施优化、跑实验、交付可量化端到端加速）。

• 环境自动合成流水线：研究 Agent 从真实工作收集任务模式生成可运行长程环境；评审 Agent 验证任务可解；验证器在不访问参考解的前提下生成，并通过 oracle / no-op / 未解决状态检查，产出可直接训练的可靠二值奖励。

• SAO with compaction：延续 GLM-5.2 的 RL 策略，保证增益在长程任务上持续。

• 效率数据：Max 档 34.5% @ ~75K token vs 5.2 的 23.4% @ ~96K；High 档 31.4% @ ~50K 超过 Opus 4.8 的 29.5% @ ~120K；仍落后 Fable 5（Max 档 39.5%）。

网络安全与披露账本

• 数据：2,436 个漏洞发现 / 269 个开源项目 / 1,097 个严重或高危；最早漏洞于 1981 年引入，平均"潜伏"26.6 年；严重度分布：Critical 107、High 990、Medium 1,286、Low 53。

• Z.ai 安全披露账本：https://cvd.z.ai/

• "capability is growing fastest exactly where we are furthest behind"——能力增长最快的地方，恰恰是差距最大的地方。

slime 框架与工程细节

• 开源后训练框架 slime（训练侧 Megatron、rollout 侧 SGLang），训练/rollout/数据缓冲单一数据流；新增 top-p mask、top-k 与全词表 OPD、R3 风格配置、训练-rollout 数值对齐（logprob 平均差异控制在 1e-7 量级，比此前降低 99.99%+）；本地存储缓存层、动态教师切换预取、路由与 slime 联合调度，长程编码 RL 端到端吞吐提升 2.3 倍以上。

API 变更（官方）

• 思考强制开启：thinking.type 仅支持 enabled；reasoning_effort 三档 low/high/max（默认 max，coding 推荐 max）。

• 迁移：原 thinking.type:"disabled" 应用需改为 enabled + reasoning_effort:"low" 再切模型 ID，否则请求失败。

• 示例请求体：{"model":"glm-5.3","thinking":{"type":"enabled"},"reasoning_effort":"max"}

• GLM Coding Plan 改为积分配额制；高峰时段（周一至五 14:00–18:00 UTC+8）外调用消耗标准积分的 50%。

• ZCode：98%+ 缓存命中率（约 30% 更多有效 token）、1.5 倍限时配额加成（至 8 月 31 日，叠加最高 180%）、Goal 模式、微信/飞书远程控制。