Hacker News 中文摘要

RSS订阅

GLM-5.3：具备新兴网络能力的前沿编程 -- GLM-5.3: Frontier Coding with Emergent Cyber Capabilities

原文链接 | HN讨论 | 2026-08-14 14:00:13

文章摘要

GLM-5.3通过扩展后训练，在复杂编程和长周期任务上显著提升，相比5.2版编码能力提高50%，并在网络漏洞发现等前沿领域实现突破性进展，性能翻倍。

文章总结

好的，这是根据您的要求，对原文主要内容进行的中文重述：

标题：GLM-5.3：具备新兴网络能力的尖端编程模型

核心要点： GLM-5.3 的所有性能提升均源于“后训练”阶段的规模化扩展，其基础模型与 GLM-5.2 相同。通过在更丰富的环境和任务上进行强化学习（RL）训练，模型在复杂编程和长期任务上取得了显著进步。

主要提升：

  1. 更强的编程能力： GLM-5.3 是目前开源模型中编程能力最强的。在内部基准测试 Z.ai Code Bench 上，其性能相比 GLM-5.2 提升了 50%。在 Terminal Bench 3.0 和 Agents' Last Exam 等公开基准测试中也达到了开源模型的顶尖水平。其进步不仅体现在短任务上，在需要长期规划和执行的复杂任务（如 DeepSWE v1.1）上同样表现优异。

  2. 涌现的网络能力： 随着后训练的扩展，模型在网络攻防方面的能力发展速度超出预期。GLM-5.3 在漏洞发现基准测试 CyberGym 上达到了业界领先水平。更令人惊讶的是，它在漏洞利用链的后端环节（即从发现漏洞到实际利用）能力提升最为显著，相关基准测试成绩相比 GLM-5.2 翻了一倍多。在与真实世界代码库的测试中，该模型在 269 个项目中发现了 2,436 个漏洞，其中 1,097 个为中高危漏洞，部分漏洞已存在数十年之久。

  3. 开源计划： 模型权重将在发布两周后，待安全评估和加固完成后公开。

技术实现：

  • 环境规模化： 为了训练模型处理更接近真实专家工作的任务，团队构建了自动化流程来合成大量可执行、可验证且贴近实际工作的任务环境。这些环境模拟了工程师日常面对的复杂工作流，要求模型端到端地解决问题。
  • 强化学习策略： 沿用了 GLM-5.2 引入的 SAO（带压缩的强化学习）等策略，确保在长期任务上的性能提升。
  • 训练框架 slime： 所有训练都运行在开源的 slime 框架上。该框架通过优化训练-推理一致性、资源效率和系统吞吐量，使得大规模、长周期的强化学习训练变得高效可行。例如，针对长期编程任务，系统级优化使端到端训练吞吐量提升了 2.3 倍以上。

总结： GLM-5.3 通过在更逼真、更复杂的任务环境上进行大规模的强化学习后训练，在编程和网络安全领域实现了显著的性能飞跃，尤其是在需要长期规划和多步骤推理的任务上。

评论总结

根据评论内容，总结如下：

主要观点与论据：

  1. 模型性能强劲，接近顶尖水平：多数评论认可GLM-5.3的出色表现，认为其性能“惊人”（Incredible numbers），甚至“仅以微弱差距落后于Sol和Fable”（This is absolutely still shy of Sol and Fable, but only just by a hair）。有评论指出，通过后训练（post-training）即可实现长程任务扩展，这曾是Fable的优势（Feels like Fable's edge ended up just being long horizon task scaling, which post-training seems to achieve as seen here）。

  2. 开源与闭源模型的竞争格局：评论强调开源模型对闭源模型的制衡作用，认为“开源模型让闭源模型保持诚实”（Love these open source models keeping close source models honest）。同时，有评论担忧中国模型转向限制性许可（restricted-usage license），认为这是“从开源文化倒退”（a step back from the open source Chinese LLM culture）。另有评论指出，若无开源模型，用户将被迫支付高昂费用（we'd probably have to reverse mortgage our homes to pay for tokens）。

  3. 对模型发布节奏与实用性的观察：部分评论指出模型发布密集，普通用户难以抉择（A flood of releases today, really difficult to make out）。也有评论认为，尽管性能接近，但经济上仍无充分理由放弃OpenAI（There's still not a compelling economic reason to drop OpenAI）。

  4. 对模型发展方向的探讨：有评论质疑，在互联网数据耗尽后，模型进步是否主要依赖后训练和架构改进（how will models continue to get better? Post training it seems?）。另有评论指出，参数规模与性能不再直接相关（parameter count doesn’t seem to be a direct correlation anymore）。

  5. 对团队与沟通风格的认可：有评论赞赏Z.AI团队的沟通风格，认为其“不像硅谷营销垃圾，更像研究者所写”（written less like SV marketing hype trash and more like researchers wrote it），并归因于领导层为大学教授（when the top of your org are actual university professors）。

关键引用（保留中英文）：

  • 性能认可：“This is absolutely still shy of Sol and Fable, but only just by a hair.”（仍略逊于Sol和Fable，但仅差毫厘。）
  • 开源价值：“Love these open source models keeping close source models honest.”（开源模型让闭源模型保持诚实。）
  • 许可担忧：“Kimi and QWEN are now moving on to a restricted-usage license... a step back from the open source Chinese LLM culture.”（Kimi和Qwen转向限制性许可，是中国开源文化的倒退。）
  • 发展疑问：“how will models continue to get better? Post training it seems?”（模型如何继续进步？似乎靠后训练？）
  • 沟通风格：“written less like SV marketing hype trash and more like researchers wrote it.”（不像硅谷营销垃圾，更像研究者所写。）