Z.ai 发布 GLM-5.2，安全漏洞发现能力追平美国最新模型
研究人员最新测试显示，中国人工智能公司智谱AI发布的 GLM-5.2 模型在安全漏洞发现能力上已经追平美国同级别模型。这一结果在国际网络安全社区引发关于AI出口管制有效性的讨论。
根据华尔街日报的报道，独立研究人员在涵盖常见内存安全漏洞、身份验证缺陷和加密问题的测试基准上进行了对比测试。测试结果显示，GLM-5.2 识别漏洞的准确率与 Anthropic 最近发布的前沿模型处于同一水平线。这种性能平价意味着中国模型在网络安全研究应用领域已经与美国最先进的模型没有代际差距。
批评者指出，这一结果暴露了美国AI出口管制政策的结构性缺陷。当前的出口管制机制主要基于模型参数规模和训练计算量来划定限制标准，但中国公司通过优化架构和专注特定垂直领域，可以在不突破参数规模限制的情况下达到同等的实际应用效果。安全漏洞发现正是这种垂直优化的典型场景。
美国国家安全委员会前技术顾问在接受采访时表示，出口管制的目标应该是限制整体能力水平，而不是只看训练计算量这一个指标。现在的问题是，参数规模和实际任务能力之间的映射关系正在变得越来越复杂，监管机构需要更新评估框架。
网络安全研究人员普遍认为，高性能AI模型在漏洞发现领域的应用具有双重性质。一方面，它可以大幅提高软件安全审计效率，帮助开发者更快发现并修复问题。另一方面，这些工具也可能降低攻击者寻找零日漏洞的技术门槛和经济成本。
智谱AI表示，GLM-5.2 已经通过中国相关监管部门的安全评估，公司将继续在AI安全领域投入资源。该公司目前是中国估值最高的AI大模型初创公司之一，其投资者包括腾讯、阿里巴巴和美团等国内互联网巨头。
这一进展正值美国和欧盟都在更新各自的AI监管框架。政策制定者正在讨论是否需要对特定垂直领域的AI能力设置更精细的出口管制标准，而不仅仅是限制通用模型的参数规模和训练计算量。
对安全团队来说，这类模型的价值不在于一次性替代人工审计，而是把初筛速度提高到人工无法覆盖的规模。过去一个大型代码库需要数周才能完成风险排查，现在可以先由模型给出可疑文件、调用链和修复方向，再由工程师复核。真正的变化是安全工作从少量专家的手工经验，变成可以嵌入开发流程的持续检查机制。