GLM-5.3 與 Kimi K3 網路安全基準對比（2026 年 10 月）

截至 2026 年 10 月，GLM-5.3 和 Kimi K3 在 CyberGym 上已與最好的閉源模型持平。CyberGym 是重現真實軟體漏洞規模最大的基準測試。在 Proximal 使用同一評測環境重新計分的結果中，Kimi K3 得分 95.6%，GLM-5.3 得分 93.5%，GPT-5.6 Sol 為 91.1%，Claude Fable 5.1 為 87.8%。在難度更高的漏洞利用基準上，閉源模型仍然領先。

這是 2026 年 10 月版，所有分數均於 2026 年 10 月 30 日在原始來源核對。誰測的分數，和分數本身同樣重要：有些數字來自模型開發者自己，有些來自彙總釋出公告的聚合網站，還有一組來自一家獨立實驗室，它用同一個評測環境測試了全部四個模型。下文每個數字都註明來源。如需按安全任務挑選模型，請看2026 年 10 月網路安全最佳 LLM。

GLM-5.3 和 Kimi K3 在網路安全基準上得分如何？

下表把每個已釋出的分數與同一次測量中最好的閉源分數並列，並註明測量方。請只在同一行內比較：不同行的評測環境和任務集各不相同。

在重現已知漏洞上，開放模型與閉源模型持平甚至更好；在漏洞利用上則落後。這一分野是本期最主要的發現。

這些分數是誰測的？

這些數字背後有三類來源，分量各不相同。

使用同一評測環境的獨立實驗室。 Proximal（2026 年 9 月 30 日）在 CyberGym 上測試了 GPT-5.6 Sol、Claude Fable 5.1（以 Opus 5 作為後備）、GLM-5.3 和 Kimi K3。它發現評分程式可能把正確答案判為失敗，也可能把觸發了另一個漏洞的結果判為成功，於是剔除了 1,507 個任務中被標記的 227 個，重新計分。所有模型的分數都提高了，Kimi K3 從 81.9% 升到 95.6%。Proximal 透過網路安全評測計畫存取閉源模型，"沒有啟用標準的網路安全防護"，因此拒答因素被排除在比較之外。它的結論是：CyberGym"在很大程度上已經飽和"。這是目前最可靠的比較。

開發者自己的表格。 Z.ai 的 GLM-5.3 模型卡報告 GLM-5.3 在全部 1,507 個 CyberGym 任務上得分 84.5%，為單次執行，使用其自己的評測設定，並在旁邊列出 Kimi K3、Claude 和 GPT 的分數。開發者的表格有參考價值，同時也有立場：基準和設定都由它選擇。Moonshot 的 Kimi K3 模型卡沒有公佈 CyberGym 或 Cybench 分數，所以 Z.ai 表格中 Kimi K3 的數字由 Z.ai 測得。

彙總釋出公告的聚合網站。 截至 2026 年 10 月 30 日，Cybench 官方排行榜上沒有任何當前的開放模型；最新的開放模型條目是 Llama 3.1 405B 和 Mixtral 8x22B，得分 7.5%，都來自 2024 年。GLM-5.3 的 85% 和 Kimi K3 的 90% 來自發布公告，由 benchmarklist.com 於 2026 年 10 月 6 日彙總，公告沒有說明使用的任務子集。閉源模型的 Cybench 分數來自系統卡，同樣基於子集：Claude Mythos Preview 的 100% 覆蓋 40 個任務中的 35 個。Cybench 這一行只能作為參考。

英國 AI 安全研究所（AISI）提供了關於差距隨時間變化的獨立視角。在其 2026 年 7 月的分析中，上一代的 GLM-5.2 表現與早它 4 到 7 個月釋出的閉源模型相當，比 AISI 在 2025 年大部分時間測得的 6 到 10 個月更短。AISI 表示會在 Kimi K3 權重公開後對其進行測試；截至 2026 年 10 月 30 日，我們沒有找到已釋出的結果。

GLM-5.3 在網路安全上比 Kimi K3 更好嗎？

兩者基本持平。在 Proximal 重新計分的 CyberGym 上，Kimi K3 領先 GLM-5.3 2.1 個百分點；在 Z.ai 自己的測試中，GLM-5.3 領先 Kimi K3 4.5 個百分點，排序隨評測環境而變。在 Z.ai 的表格中，GLM-5.3 在 ExploitBench 上明顯領先（54.4 對 32.2），這項測量由 GLM-5.3 的開發者完成。

對安全團隊來說，更重要的差別是規模和許可證：

兩者都是混合專家模型，需要多 GPU 叢集來部署服務。兩份許可證都允許商用，附加條件針對大型模型託管企業；Kimi K3 的許可證對內部使用免除這些條件。部署前請閱讀條款。引數量資料截至 2026 年 10 月 30 日，GLM-5.3 取自 Hugging Face 頁面，Kimi K3 取自 Moonshot 的模型卡。

與 Claude 和 GPT 相比，它們的網路安全能力如何？

在漏洞重現上，開放模型與 Claude 和 GPT 持平；在漏洞利用上，閉源模型大幅領先。在 Z.ai 的表格中，Claude Fable 5 的 ExploitBench 得分為 78.0，GPT-5.6 Sol 為 76.5，而 GLM-5.3 為 54.4，Kimi K3 為 32.2。在 Cybench 官方排行榜上，前幾名全是閉源模型：Claude Mythos Preview 為 100%，Claude Opus 4.7 為 96%，均基於 35 個任務。

這一規律與 AISI 的結論一致：在最難的工作上前沿模型領先，開放模型落後幾個月緊隨其後。對防禦方來說，這段差距是一個準備視窗，而且很短。澳洲訊號局（ASD）在2026 年 4 月的更新中說得很直接：假設敵對行為者會在前沿能力上落後許多個月，"已經不再安全"。

Qwen 3.8 有網路安全基準成績嗎？

只有一個，而且來自競爭對手的表格。截至 2026 年 10 月 30 日，Qwen3.8 系列的官方模型卡沒有公佈任何網路安全基準。Z.ai 的 GLM-5.3 模型卡列出 Qwen3.8-Max 在 Z.ai 測試中的 CyberGym 得分為 78.5%，低於同表中的 GLM-5.3、Kimi K3 和閉源模型。Qwen3.8-Max 是開放權重 Qwen3.8-2.4T-A95B 的官方版本。獨立測試會更有說服力，但我們沒有找到。

這些結果對防禦方意味著什麼？

對安全團隊來說，可以得出三點。

開放權重讓您可以在自己的環境中執行強大的模型。 Hugging Face 在2026 年 7 月的事件披露中寫道，取證分析最初使用的是商業 API 背後的前沿模型。這些請求被服務商的安全防護攔截，因為防護無法區分事件響應人員和攻擊者。團隊隨後在自己的基礎設施上用 GLM-5.2 完成分析，攻擊者的資料以及其中涉及的憑證都沒有離開他們的環境。他們給防禦方的建議是：在事件發生之前，就在自己的基礎設施上準備好一個經過驗證、能力足夠的模型。

領先的模型規模都很大。 GLM-5.3 和 Kimi K3 需要叢集。對於單一的防禦任務，小得多的模型也可能夠用：在 Alert-Bench 告警分診測試中，一個 9B 開放模型在相同告警上與 GPT-4.1 打平，詳見面向 SOC 分析師的 AI。能在自有硬體上執行的模型，請看網路安全最佳本地 LLM。

攻擊類分數衡量的是能力，防禦方正因如此而關注它們。 CyberGym、Cybench 和 ExploitBench 衡量模型面對存在漏洞的軟體時能做什麼。本文把它們作為第三方測量結果呈現，不對任何 Ertas 模型在這些基準上的表現做出宣告。ASD 建議各組織"將 AI 用於防禦目的"，而上述開放模型的結果說明，這種能力防禦方和攻擊方都能獲得。

關於安全以外開放模型與前沿模型的比較，請看開放權重模型與前沿模型。關於基準本身，請看我們對 CyberGym 和 Cybench 的介紹。

用您自己的安全資料執行這些模型

您可以為安全團隊執行 GLM-5.3、Kimi K3 或更小的 Qwen 級模型，部署在我們管理的基礎設施上、您自己的雲租戶中，或您的本地機房。您的資料保持私密，使用成本比隨告警量增長的前沿 API 帳單更可預測，而且模型在事件發生前就已就位，可以處理真實攻擊資料的取證工作。我們託管的模型用於防禦工作：告警分診、威脅情報、惡意軟體分析和檢測。

用您自己的告警和分析師處置結果訓練的模型，效果會超過未經訓練的模型，這正是我們的 endpoint 所做的事。該 endpoint 目前僅限受邀使用，我們正在開發一個更簡化的版本，以便更廣泛地開放。

預約通話，我們會和您一起確定適合團隊的模型、規模和部署方式。

常見問題

GLM-5.3 是開源的嗎？

GLM-5.3 是開放權重模型：Z.ai 在 Hugging Face 上以 GLM-5.3 License 釋出權重，允許附條件的商用。訓練資料和訓練程式碼不公開，所以"開放權重"是準確的說法。

網路安全領域最好的開放權重模型是哪個？

截至 2026 年 10 月，Kimi K3 和 GLM-5.3 在 CyberGym 上領先其他開放模型，在 Proximal 重新計分的測試中分別為 95.6% 和 93.5%。兩者都需要叢集部署。如果需要能在自有硬體上執行的模型，Qwen3.5 9B 在告警分診上領先，Foundation-Sec-8B-Reasoning 在威脅情報知識上領先。

CyberGym 還是有用的基準嗎？

謹慎使用時仍然有用。Proximal 發現其 1,507 個任務中有 227 個評分不可靠，並在 2026 年 9 月稱其"在很大程度上已經飽和"，所以榜首附近的細小差距意義不大。請結合 Cybench 和 Alert-Bench 等防禦類基準一起看。

Kimi K3 可以商用嗎？

可以，遵循 Kimi K3 License。其附加條件適用於大型模型託管企業和規模非常大的商業產品，內部使用不受這些條件約束。部署前請閱讀許可證。

---

來源，均於 2026 年 10 月 30 日查閱：Proximal，"Robustly Evaluating Cyber Capabilities"（2026 年 9 月 30 日）；Z.ai，GLM-5.3 模型卡；Moonshot AI，Kimi K3 模型卡；Cybench 排行榜資料；benchmarklist.com Cybench 頁面；英國 AI 安全研究所，"How Far Behind the Frontier are Leading Open Weight Models on Cyber?"（2026 年 7 月 17 日）；澳洲訊號局，"Frontier models and their impact on cyber security: update"（2026 年 4 月 30 日）；Hugging Face，"Security incident, July 2026"（2026 年 7 月 16 日）；Qwen 模型卡：Qwen3.8-2.4T-A95B 和 Qwen3.8-27B。