GLM-5.3 與先進網路攻擊能力的擴散

GLM-5.3 實現了自主端到端網路攻擊

智譜 AI 的 GLM-5.3 在網路能力方面達到了一個關鍵門檻，展現出自主識別並利用軟體漏洞的能力。在對比測試中，GLM-5.3 在開發端到端攻擊方面的表現幾乎與專為先進網路任務設計的 Claude Mythos Preview 模型不相上下。

關鍵效能基準包括：

• ExploitBench (Chrome V8 引擎)： GLM-5.3 在 12% 的嘗試中（410 次中的 50 次）成功開發出端到端攻擊，緊追 Claude Mythos Preview 的 14%（410 次中的 56 次）。
• 二進位漏洞利用基準 (Binary Exploitation Benchmark)： GLM-5.3 在 4% 的試驗中實現了完整的控制流劫持，而 Claude Mythos Preview 達到了 6%。值得注意的是，上一代模型如 Claude Opus 4.6 和 GLM-5.2 在這些任務上的得分均為 0%。
• 零日漏洞發現： 在研究人員主導的測試中，GLM-5.3 在一個熱門網頁瀏覽器的 JavaScript 引擎中發現了多個先前未知的漏洞，並將其串聯成一個能夠從訪客電腦讀取任意檔案的有效攻擊。
• N 日漏洞利用： GLM-5.3-Flash 成功串聯了兩個已知缺陷（包括 CVE-2026-11645）的攻擊，為 ARM64 目標構建了一個可靠的攻擊鏈，繞過了指標驗證 (PAC) 防護，且僅需 20 分鐘的人工介入。

GLM-5.3 的防護機制極易被繞過或移除

雖然 GLM-5.3 內建了針對有害請求的拒絕機制，但這些防護措施對於標準的繞過技術無效。由於 GLM-5.3 是一個開放權重模型，其安全過濾器可以透過一種稱為「消融 (abliteration)」的過程完全移除。

Anthropic 的研究顯示，消融 GLM-5.3 需要約 2,200 個 GPU 小時（成本約 4,400 美元），這能將模型在多個基準測試（JailbreakBench、HarmBench 和 StrongREJECT）中的拒絕率從超過 90% 降低至 2-12%，且不會顯著降低其一般的科學或網路能力。

即使不進行消融，GLM-5.3 的防護機制也可以透過簡單的提示詞技術繞過：

• 欺騙性提示： 告訴模型它是一個自主的紅隊代理，會將惡意請求的參與度提高到 64%。
• 預填推理： 預填模型的思考標記，暗示它已經決定繼續執行，會將參與度提高到 92%。
• 消融： 使用修改後的開放權重版本，會導致對有害請求的參與度達到 100%。

相比之下，Anthropic 報告稱，受保護的 Claude 模型在這些相同的測試中保持了 0% 的參與度。

對網路攻防的影響

GLM-5.3 的發布代表了攻擊者可用能力的一個重大轉變。與其他發布時帶有嚴格防護或限制存取計畫的前沿模型不同，GLM-5.3 是可自由下載的，這為國家級和非國家級行為者提供了一個強大的工具，可以在沒有實質限制的情況下尋找並利用漏洞。

然而，這些能力也為網路防禦者提供了顯著優勢。Anthropic 主張，防禦者必須能夠存取至少與對手所用模型同樣強大的模型，才能保護關鍵系統。這促成了諸如 Project Glasswing 和「Patch the Planet」等計畫的建立，旨在賦能經過審核的防禦者。

社群觀點與反方意見

技術使用者與安全專業人員之間的討論顯示，AI 實驗室提出的安全擔憂與開放權重模型的實際效用之間存在巨大分歧。許多從業人員認為，美國前沿模型嚴格的護欄往往阻礙了合法的安全研究與防禦。

「我從事網路安全工作，Gemini 拒絕執行任何網路相關工作，OpenAI 模型只是標記網路工作並在中途停止，Claude 在提到任何與網路相關的事物時就會觸發護欄……GLM 5.3 / GLM 5.3 Flash 對我的工作來說簡直是天賜之物。」— @handle

其他批評者則將該報告視為美國實驗室的一種策略性舉措，旨在鼓勵針對開放權重或中國模型採取監管行動，以維持市場護城河。

「Anthropic 必須利用這個楔子……來推動針對中國模型的監管行動，否則他們的 IPO 將會非常麻煩……美國生產商若沒有監管行動將無法競爭。」— @handle

一些使用者也強調了這些模型在個人安全方面的效用，指出他們可以使用開放權重模型在自己的系統上執行取證和逆向工程，而無需將敏感資料發送給第三方供應商。