GLM-5.3 与 Kimi K3 网络安全基准对比（2026 年 10 月）

截至 2026 年 10 月，GLM-5.3 和 Kimi K3 在 CyberGym 上已与最好的闭源模型持平。CyberGym 是复现真实软件漏洞规模最大的基准测试。在 Proximal 使用同一评测环境重新计分的结果中，Kimi K3 得分 95.6%，GLM-5.3 得分 93.5%，GPT-5.6 Sol 为 91.1%，Claude Fable 5.1 为 87.8%。在难度更高的漏洞利用基准上，闭源模型仍然领先。

这是 2026 年 10 月版，所有分数均于 2026 年 10 月 30 日在原始来源核对。谁测的分数，和分数本身同样重要：有些数字来自模型开发者自己，有些来自汇总发布公告的聚合网站，还有一组来自一家独立实验室，它用同一个评测环境测试了全部四个模型。下文每个数字都注明来源。如需按安全任务挑选模型，请看2026 年 10 月网络安全最佳 LLM。

GLM-5.3 和 Kimi K3 在网络安全基准上得分如何？

下表把每个已发布的分数与同一次测量中最好的闭源分数并列，并注明测量方。请只在同一行内比较：不同行的评测环境和任务集各不相同。

在复现已知漏洞上，开放模型与闭源模型持平甚至更好；在漏洞利用上则落后。这一分野是本期最主要的发现。

这些分数是谁测的？

这些数字背后有三类来源，分量各不相同。

使用同一评测环境的独立实验室。 Proximal（2026 年 9 月 30 日）在 CyberGym 上测试了 GPT-5.6 Sol、Claude Fable 5.1（以 Opus 5 作为后备）、GLM-5.3 和 Kimi K3。它发现评分程序可能把正确答案判为失败，也可能把触发了另一个漏洞的结果判为成功，于是剔除了 1,507 个任务中被标记的 227 个，重新计分。所有模型的分数都提高了，Kimi K3 从 81.9% 升到 95.6%。Proximal 通过网络安全评测计划访问闭源模型，"没有启用标准的网络安全防护"，因此拒答因素被排除在比较之外。它的结论是：CyberGym"在很大程度上已经饱和"。这是目前最可靠的比较。

开发者自己的表格。 Z.ai 的 GLM-5.3 模型卡报告 GLM-5.3 在全部 1,507 个 CyberGym 任务上得分 84.5%，为单次运行，使用其自己的评测设置，并在旁边列出 Kimi K3、Claude 和 GPT 的分数。开发者的表格有参考价值，同时也有立场：基准和设置都由它选择。Moonshot 的 Kimi K3 模型卡没有公布 CyberGym 或 Cybench 分数，所以 Z.ai 表格中 Kimi K3 的数字由 Z.ai 测得。

汇总发布公告的聚合网站。 截至 2026 年 10 月 30 日，Cybench 官方排行榜上没有任何当前的开放模型；最新的开放模型条目是 Llama 3.1 405B 和 Mixtral 8x22B，得分 7.5%，都来自 2024 年。GLM-5.3 的 85% 和 Kimi K3 的 90% 来自发布公告，由 benchmarklist.com 于 2026 年 10 月 6 日汇总，公告没有说明使用的任务子集。闭源模型的 Cybench 分数来自系统卡，同样基于子集：Claude Mythos Preview 的 100% 覆盖 40 个任务中的 35 个。Cybench 这一行只能作为参考。

英国 AI 安全研究所（AISI）提供了关于差距随时间变化的独立视角。在其 2026 年 7 月的分析中，上一代的 GLM-5.2 表现与早它 4 到 7 个月发布的闭源模型相当，比 AISI 在 2025 年大部分时间测得的 6 到 10 个月更短。AISI 表示会在 Kimi K3 权重公开后对其进行测试；截至 2026 年 10 月 30 日，我们没有找到已发布的结果。

GLM-5.3 在网络安全上比 Kimi K3 更好吗？

两者基本持平。在 Proximal 重新计分的 CyberGym 上，Kimi K3 领先 GLM-5.3 2.1 个百分点；在 Z.ai 自己的测试中，GLM-5.3 领先 Kimi K3 4.5 个百分点，排序随评测环境而变。在 Z.ai 的表格中，GLM-5.3 在 ExploitBench 上明显领先（54.4 对 32.2），这项测量由 GLM-5.3 的开发者完成。

对安全团队来说，更重要的差别是规模和许可证：

两者都是混合专家模型，需要多 GPU 集群来部署服务。两份许可证都允许商用，附加条件针对大型模型托管企业；Kimi K3 的许可证对内部使用免除这些条件。部署前请阅读条款。参数量数据截至 2026 年 10 月 30 日，GLM-5.3 取自 Hugging Face 页面，Kimi K3 取自 Moonshot 的模型卡。

与 Claude 和 GPT 相比，它们的网络安全能力如何？

在漏洞复现上，开放模型与 Claude 和 GPT 持平；在漏洞利用上，闭源模型大幅领先。在 Z.ai 的表格中，Claude Fable 5 的 ExploitBench 得分为 78.0，GPT-5.6 Sol 为 76.5，而 GLM-5.3 为 54.4，Kimi K3 为 32.2。在 Cybench 官方排行榜上，前几名全是闭源模型：Claude Mythos Preview 为 100%，Claude Opus 4.7 为 96%，均基于 35 个任务。

这一规律与 AISI 的结论一致：在最难的工作上前沿模型领先，开放模型落后几个月紧随其后。对防御方来说，这段差距是一个准备窗口，而且很短。澳大利亚信号局（ASD）在2026 年 4 月的更新中说得很直接：假设敌对行为者会在前沿能力上落后许多个月，"已经不再安全"。

Qwen 3.8 有网络安全基准成绩吗？

只有一个，而且来自竞争对手的表格。截至 2026 年 10 月 30 日，Qwen3.8 系列的官方模型卡没有公布任何网络安全基准。Z.ai 的 GLM-5.3 模型卡列出 Qwen3.8-Max 在 Z.ai 测试中的 CyberGym 得分为 78.5%，低于同表中的 GLM-5.3、Kimi K3 和闭源模型。Qwen3.8-Max 是开放权重 Qwen3.8-2.4T-A95B 的官方版本。独立测试会更有说服力，但我们没有找到。

这些结果对防御方意味着什么？

对安全团队来说，可以得出三点。

开放权重让您可以在自己的环境中运行强大的模型。 Hugging Face 在2026 年 7 月的事件披露中写道，取证分析最初使用的是商业 API 背后的前沿模型。这些请求被服务商的安全防护拦截，因为防护无法区分事件响应人员和攻击者。团队随后在自己的基础设施上用 GLM-5.2 完成分析，攻击者的数据以及其中涉及的凭证都没有离开他们的环境。他们给防御方的建议是：在事件发生之前，就在自己的基础设施上准备好一个经过验证、能力足够的模型。

领先的模型规模都很大。 GLM-5.3 和 Kimi K3 需要集群。对于单一的防御任务，小得多的模型也可能够用：在 Alert-Bench 告警分诊测试中，一个 9B 开放模型在相同告警上与 GPT-4.1 打平，详见面向 SOC 分析师的 AI。能在自有硬件上运行的模型，请看网络安全最佳本地 LLM。

攻击类分数衡量的是能力，防御方正因如此而关注它们。 CyberGym、Cybench 和 ExploitBench 衡量模型面对存在漏洞的软件时能做什么。本文把它们作为第三方测量结果呈现，不对任何 Ertas 模型在这些基准上的表现做出声明。ASD 建议各组织"将 AI 用于防御目的"，而上述开放模型的结果说明，这种能力防御方和攻击方都能获得。

关于安全以外开放模型与前沿模型的比较，请看开放权重模型与前沿模型。关于基准本身，请看我们对 CyberGym 和 Cybench 的介绍。

用您自己的安全数据运行这些模型

您可以为安全团队运行 GLM-5.3、Kimi K3 或更小的 Qwen 级模型，部署在我们管理的基础设施上、您自己的云租户中，或您的本地机房。您的数据保持私密，使用成本比随告警量增长的前沿 API 账单更可预测，而且模型在事件发生前就已就位，可以处理真实攻击数据的取证工作。我们托管的模型用于防御工作：告警分诊、威胁情报、恶意软件分析和检测。

用您自己的告警和分析师处置结果训练的模型，效果会超过未经训练的模型，这正是我们的 endpoint 所做的事。该 endpoint 目前仅限受邀使用，我们正在开发一个更简化的版本，以便更广泛地开放。

预约通话，我们会和您一起确定适合团队的模型、规模和部署方式。

常见问题

GLM-5.3 是开源的吗？

GLM-5.3 是开放权重模型：Z.ai 在 Hugging Face 上以 GLM-5.3 License 发布权重，允许附条件的商用。训练数据和训练代码不公开，所以"开放权重"是准确的说法。

网络安全领域最好的开放权重模型是哪个？

截至 2026 年 10 月，Kimi K3 和 GLM-5.3 在 CyberGym 上领先其他开放模型，在 Proximal 重新计分的测试中分别为 95.6% 和 93.5%。两者都需要集群部署。如果需要能在自有硬件上运行的模型，Qwen3.5 9B 在告警分诊上领先，Foundation-Sec-8B-Reasoning 在威胁情报知识上领先。

CyberGym 还是有用的基准吗？

谨慎使用时仍然有用。Proximal 发现其 1,507 个任务中有 227 个评分不可靠，并在 2026 年 9 月称其"在很大程度上已经饱和"，所以榜首附近的细小差距意义不大。请结合 Cybench 和 Alert-Bench 等防御类基准一起看。

Kimi K3 可以商用吗？

可以，遵循 Kimi K3 License。其附加条件适用于大型模型托管企业和规模非常大的商业产品，内部使用不受这些条件约束。部署前请阅读许可证。

---

来源，均于 2026 年 10 月 30 日查阅：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 排行榜数据；benchmarklist.com Cybench 页面；英国 AI 安全研究所，"How Far Behind the Frontier are Leading Open Weight Models on Cyber?"（2026 年 7 月 17 日）；澳大利亚信号局，"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。