Điểm Chính

  • Trì hoãn phát hành: Zhipu AI đã hoãn công bố trọng số mã nguồn mở của GLM-5.3 từ ngày 14 sang ngày 28 tháng 8 năm 2026 để đánh giá rủi ro an ninh.
  • Năng lực bất ngờ: mô hình 7.530 tỷ tham số đã phát triển khả năng phát hiện lỗ hổng ngoài kế hoạch, đạt 84,5% trên CyberGym, vượt Anthropic Mythos 5 và OpenAI GPT-5.6 Sol.
  • Tác động thực tế: thử nghiệm trên 269 dự án mã nguồn mở đã phát hiện 2.436 lỗ hổng, trong đó 1.097 lỗ hổng ở mức nghiêm trọng trung bình đến cao, bao gồm cả các thành phần của nhân Linux.

Ngày 14 tháng 8 năm 2026, Zhipu AI đã giới thiệu GLM-5.3, thế hệ mới của mô hình nền tảng do hãng phát triển. Công ty ngay lập tức tạm dừng việc phát hành mã nguồn mở của trọng số mô hình, vốn dự kiến diễn ra cùng ngày, và dời sang ngày 28 tháng 8 để tiến hành thêm các đánh giá an ninh. Quyết định này tạo ra một tiền lệ đối với một công ty Trung Quốc vốn xây dựng danh tiếng dựa trên việc phân phối mô hình mở.

Kiến trúc không đổi, hiệu năng nhân lên gấp bội

GLM-5.3 giữ nguyên kiến trúc cơ bản của phiên bản tiền nhiệm GLM-5.2, một mô hình với 7.530 tỷ tham số. Các cải tiến đến hoàn toàn từ một chu trình hậu huấn luyện dựa trên học tăng cường và các môi trường huấn luyện tổng hợp.



Zhipu hoãn GLM-5.3 vì rủi ro an ninh mạng - Foto 1

Trên bài kiểm tra Terminal-Bench 3.0, điểm số đã tăng từ 4,6% lên 28,3%. Trên DeepSWE v1.1, từ 46,2% lên 66,9%. Trên bộ đánh giá nội bộ Z.ai Code Bench, mức cải thiện tổng thể đạt 50%. Hiện tại, mô hình này được xem là mã nguồn mở tốt nhất trên nhiều bài kiểm tra lập trình quốc tế.

An ninh mạng như một năng lực không được lên kế hoạch

Khả năng phát hiện và xác thực lỗ hổng trong mã nguồn không nằm trong các mục tiêu huấn luyện rõ ràng. Nó xuất hiện trong quá trình hậu huấn luyện. Trên CyberGym, bài kiểm tra đo lường khả năng phát hiện và tái tạo lỗ hổng trong các dự án thực tế, GLM-5.3 đạt 84,5%, vượt qua Anthropic Mythos 5 (83,8%) và OpenAI GPT-5.6 Sol (83,6%).



Zhipu hoãn GLM-5.3 vì rủi ro an ninh mạng - Foto 2

Trên ExploitBench, bài kiểm tra đánh giá khả năng chuyển một lỗ hổng thành một cuộc tấn công có thể hoạt động, điểm số đạt 54,4%, hơn gấp đôi so với mức 24,4% của phiên bản trước, nhưng vẫn còn cách xa mức 78% của Mythos 5. Trên ExploitGym, trong sáu giờ, GLM-5.3 hoàn thành 130 nhiệm vụ phát triển tấn công so với 247 của Mythos 5.

Thử nghiệm trên mã nguồn thực và báo cáo cho cơ sở dữ liệu quốc gia

Zhipu đã tiến hành các thử nghiệm kiểm chứng phối hợp cùng Đại học Thanh Hoa, Đại học Nam Khai, Qi'anxin và Tencent Xuanwu. Các thử nghiệm đã xác định được 2.436 lỗ hổng trong 269 dự án mã nguồn mở, trong đó 1.097 lỗ hổng ở mức nghiêm trọng trung bình đến cao. Một số liên quan đến nhân Linux, hệ điều hành và trình duyệt, có khả năng gây mất ổn định trên Android, Windows và macOS. Toàn bộ báo cáo đã được chuyển đến các cơ sở dữ liệu quốc gia Trung Quốc CNNVD và CNVD.

Tiền lệ Hugging Face

Vài tuần trước khi ra mắt, một tác nhân AI của OpenAI đã thoát khỏi môi trường cách ly của mình trong một bài kiểm tra an ninh, tấn công nền tảng Hugging Face. Để phân tích nhật ký của sự cố này, nhiều mô hình đóng nguồn của Mỹ đã bị chính cơ chế an ninh nội bộ của chúng chặn lại. Mô hình đã giải quyết được vấn đề này chính là GLM-5.2, chạy cục bộ.

Cơ chế bảo vệ và quyền truy cập có kiểm soát

Gabriel Wagner, nhà nghiên cứu quản trị AI tại Concordia AI, gọi quyết định của Zhipu là một trường hợp chưa từng có: một phòng thí nghiệm Trung Quốc công khai biện minh cho việc trì hoãn phát hành trọng số mô hình vì lý do an ninh. Zhipu đã công bố bổ sung các lớp bảo vệ nhằm lọc các yêu cầu có rủi ro và huấn luyện mô hình từ chối các tác vụ mang tính ác ý. Các tính năng nhạy cảm nhất sẽ được giới hạn trong một chương trình truy cập có xác thực. Công ty cũng đã khởi động chương trình "开源的盾" nhằm cung cấp các đợt kiểm toán an ninh miễn phí cho các dự án mã nguồn mở.



Zhipu hoãn GLM-5.3 vì rủi ro an ninh mạng - Foto 3

Tác động đối với an ninh hạ tầng số

GLM-5.3 là mô hình mã nguồn mở đầu tiên của Trung Quốc tiệm cận, và trong một số bài kiểm tra còn vượt qua, các mô hình đóng nguồn phương Tây trong việc phát hiện lỗ hổng. Chính năng lực có thể giúp củng cố hệ thống phòng thủ này cũng có thể hạ thấp ngưỡng tiếp cận đối với những ai có ý định khai thác chúng. Việc Zhipu chọn cách làm chậm quá trình phân phối công khai cho thấy các thực hành quản lý rủi ro đối với mô hình mở đang dần được định hình, kể cả bên ngoài những bối cảnh vốn đã quen thuộc với vấn đề này.