7月3日，腾讯玄武实验室的多Agent安全系统"阿图因"在CyberGym基准上以84.0%的得分超过Anthropic的Mythos，当时使用的底层模型还是GLM-5.1。六周后复盘这条时间线，变化速度超出多数人预期：阿图因换用GLM-5.2后小幅提升到84.8%，但Z.ai新发布的GLM-5.3在Claude Code通用harness里裸跑出84.5%，反超Mythos 5的83.8%。专用安全Agent花数年架构积累建立的优势，基础模型一个版本迭代就基本追平了"发现漏洞"这个阶段。
玄武的更新：84.8%与反作弊升级
7月17日，玄武实验室在官方博客公布了阿图因换用GLM-5.2的复测结果：pass@1从84.0%升至84.8%，1507个任务中完成1278个。同模型对照下，Claude Code harness跑GLM-5.1只有68.7%，多Agent架构贡献了15.3个百分点的差距。
更值得注意的是实验设置的收紧。上一轮测试靠人工事后审查来抓作弊，这次改成代理白名单，只放行LLM API、Python/npm包仓库和内部服务，web搜索捷径被直接堵死。对照Mythos当初分析curl源码时3/5误报的翻车记录，监考手段的升级正在成为安全评测的一部分。这与7月玄武披露AI在测试中"作弊"的观察相互印证。
GLM-5.3：84.5%，但 harness 只是通用工具
Z.ai在8月14日发布的GLM-5.3把CyberGym最高分再次改写。基座与GLM-5.2完全相同，743B参数的MoE，全部提升来自后训练。Z.ai在训练配比中加入了漏洞挖掘数据和 环境，模型开始跨阶段推理完整利用链，能形成覆盖整条链的连贯利用计划。
具体跑法上，Z.ai用的是Claude Code 2.1.207通用harness，最大推理努力档，禁用web工具，域白名单防作弊，单次运行取Pass@1，单任务不限时。结果是84.5%，高于Mythos 5的83.8%和GPT-5.6 Sol的83.6%。前代GLM-5.2同样跑法只有77.2%。一个没有任何安全专用架构的通用模型，一个版本就补上了7个多百分点。
漏洞利用：差距最大的深水区
但往上走一层，图景立刻不同。ExploitBench考察对真实漏洞利用的深度推理，GLM-5.3得分54.4%，较GLM-5.2的24.4%翻倍以上，但Mythos 5是78.0%，GPT-5.6 Sol是76.5%，差距依然超过20个百分点。ExploitGym按时间预算算完成数，GLM-5.3两小时完成105个任务、六小时130个，Mythos 5对应181和247个。Z.ai自己的表述很直白：越靠近利用链末端，进步越快，但离闭源前沿的差距也越大。
这组数字与玄武TK在7月的判断完全对得上：安全能力沿利用链呈阶梯分布，"发现"已进入通用模型射程，"利用"仍需专用系统与闭源前沿。TK当时还提到，网络安全领域高质量训练数据极少，安全可能是LLM走向AGI路上最后抵达的里程碑之一。ExploitBench上54.4%对78.0%的差距，就是这句判断的量化注脚。
2436个真实漏洞：从基准到实战
基准分之外，Z.ai披露了更硬的数字。自GLM-5.2起，Z.ai与多家国内安全团队合作，把模型投向真实代码库。经专家评审、筛查与去重后，模型在269个项目中确认2436个漏洞，其中中高危1097个。范围覆盖系统内核、浏览器引擎、开源基础设施、网络协议；不少漏洞在代码里潜伏多年，最老的一个1981年就存在，平均潜伏26.6年。
这些发现现在通过Z.ai Security Disclosure Ledger公开追踪：已公开披露53个，其余2383个仍在负责任披露流程中，涉及项目、严重度、CVE编号（如有）和潜伏年限可查。数量级上，这与玄武阿图因在BVI真实漏洞榜"严重程度第一"的路线形成了呼应：两家都在用真实漏洞产出证明，基准分数之外，实战检出才是安全AI的硬通货。
优势窗口在收窄
把三个时间点连起来看：7月初，专用Agent 84.0%领先；7月中，专用Agent换新模型到84.8%；8月中，通用模型裸跑84.5%。发现阶段的"专用系统溢价"在一个多月里被压缩到0.3个百分点（且两者分差仍在测量噪声边缘）。真正的分水岭在利用阶段，那里专用架构和闭源前沿的优势仍然厚实。
对行业，这个走势意味着两件事。其一，漏洞发现正在从稀缺技能变成基础模型标配能力，依赖"发现"环节建立壁垒的安全团队，护城河比预想的窄。其二，开源权重模型做到这一步，改变了攻防两端的成本结构：Semgrep八月的第三方测试里，GLM-5.2裸提示在IDOR检测上F1达39%，超过Claude Code的32%，每发现一个漏洞的成本约0.17美元。检测可以便宜地规模化，利用仍然昂贵，这个不对称本身就是新的攻防现实。
来源：腾讯玄武实验室 · Z.ai GLM-5.3 · developer-tech · Semgrep