Anthropic发文警告智谱GLM-5.3网络安全风险

Anthropic 近日发布了一份针对智谱 GLM-5.3 的安全评估报告。报告称，GLM-5.3 展现出极高水平的软件漏洞挖掘与利用能力，且防滥用机制容易被绕过，呼吁行业警惕相关网络安全风险。

然而，报告中详尽的实测数据与复现过程，反而让不少业内人士戏称这篇警告“成了给智谱打的最佳广告”。

实测漏洞挖掘能力逼近前沿闭源模型

为了佐证 GLM-5.3 的潜在威胁，Anthropic 列出了一系列具体的基准测试数据与实测案例：

• ExploitBench 测试：在考察完整漏洞利用能力的 410 次尝试中，GLM-5.3 成功 50 次，与 Anthropic 内部未公开的 Claude Mythos Preview（成功 56 次）表现接近。
• 权威机构评估：报告引用美国 NIST 下属 CAISI 的评估称，“GLM-5.3 是迄今网络能力最强的开源权重模型，综合水平距美国前沿大约 4 个月”。
• 实战漏洞利用测试：Anthropic 研究员使用轻量级模型 GLM-5.3-Flash 进行测试，仅需人工投入约 20 分钟并结合公开资料，模型耗时约 8 小时便在 ARM64 平台上搭建出一条可绕过指针认证（PAC）的 Chrome 漏洞攻击链，API 调用成本仅约 20.40 美元。

围绕开源模型护栏与安全治理的争议

Anthropic 在报告中指出的另一核心问题是安全护栏的脆弱性。尽管原版 GLM-5.3 会默认拒绝直接的恶意攻击请求，但在角色扮演提示（如伪装成“红队演练 AI 智能体”）或预填思考流程的引导下，越狱成功率大幅提升。

此外，针对开源权重模型常见的权重修改技术（Abliteration），Anthropic 团队耗费约 2200 GPU 小时（约 4400 美元算力）成功移除了其拒答机制。移除护栏后，GLM-5.3 在 JailbreakBench 和 HarmBench 等安全基准上的拒答率从 90% 以上降至个位数，而推理和编程能力几乎未受损。

Anthropic 借此呼吁对具备高危能力的模型开展第三方独立评估，并强调闭源限制与受信访问机制在当前阶段的必要性。

开源生态下的攻防博弈

值得注意的是，去除安全对齐的 Abliteration 针对的是所有开放权重模型，并非 GLM-5.3 独有。数据显示，原版 GLM-5.3 在常规有害请求上的拒答率约 95%，与 Claude 的 96% 相差无几。

开源模型赋予了开发者和防御方自主部署与深度分析的自由，但也带来了权重一旦释出便无法撤回的安全挑战。Anthropic 的详细测试不仅揭示了 AI 在网络安全攻防中的质变，也从侧面印证了中国头部开源模型在复杂推理与系统级任务上的快速演进。