根據 AI 安全非營利組織 SaferAI 的一項新評估，Z.ai 的開放權重 GLM-5.2 在資安與生物能力方面，正接近領先的前沿模型表現。報告同時指出一個明顯弱點：這個模型幾乎沒有表現出那些會限制封閉模型使用方式的拒絕行為與發布防護措施。

SaferAI 的發現讓一場辯論更加尖銳，這場辯論已不再只是開放權重系統是否能與 OpenAI 和 Anthropic 的模型競爭。更困難的問題是：一旦模型權重可供下載、修改，並在供應商基礎架構之外執行，開發者、監管者與企業買家是否能管理這些高能力模型的風險。

GLM-5.2 縮小了能力差距

SaferAI 表示，在其評估中納入的資安與生物任務上，GLM-5.2 只比 OpenAI 的 GPT-5.5 與 Anthropic 的 Claude Opus 4.7 落後幾個月。對一個來自中國開發者的開放權重模型而言，這是相當重要的結果，儘管證據來自單一非營利組織的評估，而非大規模、經獨立重現的基準測試計畫。

這家非營利組織是透過 Z.ai 的公開 API 進行測試。這點很重要，因為透過 API 存取的模型，其表現可能不會與部署在客戶自有硬體上的可下載權重完全相同。這也意味著，單憑這項評估，無法證明該模型在經過微調、修改系統提示或移除供應商端控制後會如何表現。

即便如此，這些結果仍支持更廣泛的市場趨勢：對於需要客製化、在地部署或更高資料與基礎架構控制權的團隊而言，開放權重系統正成為可信的替代方案。對某些技術工作負載來說，公開模型與前沿產品之間的能力差距，已不再那麼具有決定性。

安全差距比分數更重要

SaferAI 報告指出，GLM-5.2 在測試期間，對收到的任何攻擊性資安或雙重用途生物請求都沒有拒絕。相較之下，該非營利組織表示，Claude Opus 4.7 的拒絕行為非常一致，以致無法用該模型完成 CyberGym 資安基準測試。

這些結果應被解讀為測試條件下的行為比較，而不是完整的安全排名。拒絕率會因提示詞、模型版本、系統指令與評估設計而異。不過，它們仍說明了這篇報導的核心差異：能力與風險緩解是兩個不同層面。

SaferAI 執行長 Henry Papadatos 告訴 TechCrunch，最有能力的系統不一定就是最危險或最安全的；圍繞它的緩解措施也必須納入考量。對於封閉模型，供應商可以部署分類器、拒絕訓練、監控與 API 限制。這些控制並不完美，但它們讓供應商仍保有一定能力去持續調整系統的回應方式。

一旦權重發布，這種槓桿大多就消失了。使用者可以在沒有原始供應商 API 的情況下執行開放權重模型，修改其系統提示，將其微調到更狹窄的目標，或直接移除所有防護措施。結果形成的是一個治理問題，單靠服務條款或發布後的內容審查無法解決。

SaferAI 指出的缺失

SaferAI 表示，Z.ai 尚未公開 GLM-5.2 的安全框架、部署前測試承諾或風險評估。TechCrunch 報導曾詢問 Z.ai 是否在發布前進行內部或第三方的前沿安全評估，但未獲回應。

沒有公開文件，並不代表沒有進行內部測試。但這確實讓客戶、研究人員與政策制定者更難了解評估了哪些風險、考慮了哪些緩解措施，以及公司採用了哪些發布門檻。

這個問題不只發生在中國開發者身上。前沿供應商同樣面臨反覆出現的越獄與其他防禦失效問題。Far.ai 已報告可重複使用的越獄技術，對象包括 xAI 的 Grok 4.5 與 Google DeepMind 的 Gemini 3.1 Pro 等模型。封閉供應商可以集中修補這些弱點；而開放權重發行者通常無法阻止下游使用者把它們恢復或放大。

SaferAI 的 Papadatos 指出，前置訓練資料過濾可能是一項可行措施。從訓練資料中移除攻擊性的資安或生物材料，或許能降低部分危險知識，而報告引用的研究顯示，生物風險有時可以在不大幅損失整體表現的情況下降低。資安則更難處理，因為讓模型對開發者有價值的程式碼能力，也與尋找與利用漏洞所需的能力重疊。

對開發者與企業買家的影響

對 AI 開發者而言，GLM-5.2 帶來的是實際上的取捨，而不是單純的模型選擇勝利。本地權重可支援私有部署、降低對外部 API 的依賴，並可為防禦性資安工作進行客製化。但部署該模型的團隊，也必須承擔存取控制、記錄、監控、濫用測試與事件回應的責任。

因此，企業應從兩條獨立路徑評估開放權重模型。第一是任務表現：程式碼品質、漏洞分析、生物研究協助、延遲與基礎架構需求。第二是營運安全：模型是否會拒絕危險請求、這些拒絕有多容易被繞過，以及組織在部署後是否能偵測濫用。

這種區分對資安團隊尤其重要。能幫助找出內部系統弱點的模型，也可能同時具備產生攻擊性指引的能力。考慮使用 GLM-5.2 或類似系統的組織，需要有限權限、沙箱執行、人工審查，以及防禦性分析與針對第三方系統的行動之間的清楚界線。

這次發布也加劇了開放權重與封閉模型策略之間的競爭。包括 Hugging Face 執行長 Clem Delangue 在內的開放權重支持者主張，取得有能力的模型能幫助防禦者預先準備攻擊，並在犯罪者利用前識別漏洞。Papadatos 則反駁說，防禦價值並不會自動正當化在缺乏更強防護下釋放危險能力。

接下來值得關注什麼

第一個訊號會是 Z.ai 是否發布 GLM-5.2 的安全框架、風險評估或發布前測試細節。SaferAI 的資安與生物結果若能被獨立重現也會很重要，尤其是比較託管 API 行為與可下載模型的評估。

研究人員與買家應關注 GLM-5.2 的防護措施是否容易被更改或移除、微調後的表現如何，以及新的發布方式是否能在限制攻擊協助的同時，保留有用的程式與研究能力。

監管者也將面對一個具體的政策問題：義務應該落在模型發布時的供應商、分發權重的公司，還是把它們部署到高風險工作流程中的組織身上。現有著重於內容審查的規則，可能無法處理無限制本地執行所帶來的風險。

Creati.ai 觀點

GLM-5.2 的重要性，不只是因為開放權重模型正在更接近前沿系統的分數。更重要的是，能力進展正把安全架構變成產品與採購的核心議題。模型在基準測試中的位置告訴開發者它能做什麼；而其發布控制，則決定了人們在部署時能有多大信心。

最好的下一步，不是把開放權重視為天生不安全，也不是把封閉 API 視為天生安全。真正需要的是為兩者都提出可比較的證據：透明評估、文件化的緩解措施、真實的濫用測試，以及部署後明確的責任歸屬。只要這些證據還不是日常標配，能力競賽就會繼續比支撐它的安全論證跑得更快。