开源权重模型正在快速逼近闭源前沿模型的性能，但安全防护的缺口却未见收窄。SaferAI的一份新报告显示，Z.ai的GLM-5.2模型在多项基准上接近前沿水平，却缺少关键的安全缓解措施，这再次将开源模型的治理问题推至台前。

发生了什么

根据SaferAI发布的报告，Z.ai的开源权重模型GLM-5.2在性能上已接近当前最先进的闭源模型，但在安全防护方面存在显著缺失。报告指出，该模型缺乏若干关键的安全缓解措施，例如对有害内容生成的过滤机制、滥用检测功能以及细粒度的使用限制。这意味着，尽管模型能力强大，但它在面对恶意使用时可能缺乏足够的防御。

为什么重要

这一发现并非孤例。近年来，开源权重模型（如Llama系列、Mistral等）的能力持续提升，逐渐缩小了与闭源模型（如GPT-4、Claude等）的差距。然而，安全防护的进展却相对滞后。闭源模型通常通过API提供，供应商可以实施集中式的安全策略、监控和快速更新；而开源模型一旦发布，便无法追溯控制，其安全防护完全依赖开发者自觉和社区监督。

GLM-5.2的案例表明，即使模型性能接近前沿，安全措施仍可能停留在“基础”水平。这加剧了业界的担忧：当开源模型的能力足以被滥用时，现有的治理框架是否还能跟上？SaferAI的报告并非要否定开源模型的价值，而是提醒我们，能力与安全之间的失衡可能带来新的风险。

影响与看点

对于开发者而言，选择开源模型时，除了关注性能指标，更应评估其安全防护的完整性。对于平台方和监管者，这一报告再次凸显了制定开源模型安全标准的紧迫性。值得关注的是，未来是否会出现类似“安全评分”的第三方评估体系，帮助用户做出更明智的决策。

从行业趋势看，开源模型的能力提升不可逆转，但安全差距的弥补需要多方努力：模型开发者应在训练阶段就嵌入安全对齐，社区应建立更有效的漏洞报告和响应机制，而监管机构则需明确开源模型的合规要求。

一个可能的判断是：开源模型的安全问题不会自动解决，它需要像性能竞赛一样被认真对待。否则，我们可能迎来一个能力强大但缺乏防护的“蛮力”时代。