开源权重AI性能逼近前沿模型 安全治理缺口引发行业担忧

近日独立AI安全研究机构SaferAI发布最新行业报告显示，Z.ai推出的开源权重大模型GLM-5.2性能已逼近闭源前沿AI水平，但该模型尚未搭载关键安全对齐、风险拦截等防护机制。这一发现再次引发行业对高能力开源模型迭代速度快于监管与安全防护体系的普遍担忧，也为全球AI治理规则落地提出了新的挑战。

这份覆盖了2026年上半年发布的27款主流开源大模型的安全评估报告，刚一发布就引发了AI产业界和监管圈的双重讨论——此前外界普遍认为开源大模型的性能距离闭源前沿模型至少有1年以上的差距，而GLM-5.2的出现直接把这个差距缩短到了3个月以内。

过去三年，开源权重AI模型的迭代速度远超行业预期，据不完全统计，2023年至2026年间，主流开源大模型的推理能力年复合增长率超过45%，远高于闭源模型22%的增速。

相比于闭源模型需要通过API调用、数据不可控的缺陷，开源权重模型支持企业本地部署、自定义微调，对于工业制造、医疗、金融等对数据隐私要求极高的场景价值显著，目前已有超过60%的中型企业选择将开源模型作为自身AI应用的底座。

SaferAI的测试数据显示，GLM-5.2在推理、多模态生成、代码开发等12项主流基准测试中的平均得分达到了GPT-4o的92%，部分代码生成场景的表现甚至超过了部分闭源前沿模型。

但为了降低模型运行的算力要求、提升微调灵活性，Z.ai并未给GLM-5.2配置内容审核、有害输出拦截、人类价值观对齐等核心安全防护模块，测试人员仅用17种常见的Prompt诱导方式，就成功让模型生成恶意代码、虚假诈骗话术、危险操作指引的概率超过87%。更值得关注的是，该模型上线仅12天，全球下载量就已经突破230万次，扩散速度远快于监管的响应速度。

开源模型的技术突破本身是AI普惠的重要信号，但其伴随的安全风险也给现有治理体系提出了新的命题。目前全球范围内尚未出台统一的高能力开源AI模型发布标准，多数厂商在迭代开源模型时优先堆性能、拼参数，安全相关的研发投入占比普遍不足总研发投入的5%。

多位AI安全专家呼吁，应当尽快建立分级分类的开源模型安全审核机制，对于性能达到一定阈值的高能力开源模型，要求其必须配套可插拔的安全防护组件才能公开发布，同时建立公开的开源模型安全风险公示平台，降低下游使用者的风险。