GLM-5.3

GLM-5.3 是智谱 AI 面向编程与智能体场景的旗舰模型，于 2026 年 8 月 14 日发布。智谱沿用了与 GLM-5.2 完全相同的基座模型，把全部提升押在极致的后训练扩展上：长程任务环境数量提升数十倍、环境类型更丰富，并在 IndexShare、SAO、Slime 框架栈上进行了更长时间的强化学习。结果是智谱内部评测中编程能力跃升 50%，在 Terminal Bench 3.0 与 Agents' Last Exam（CLI）上拿下开源模型第一，编程与智能体表现据称已接近 Claude Fable 5。模型权重计划在发布两周后开源。

核心功能

• 后训练扩展，基座不变：所有提升都来自后训练阶段，基座仍是 GLM-5 MoE，没有重新预训练。
• 逼近前沿的编程：编程与智能体能力接近 Claude Fable 5，智谱称其为中国模型中最强的开源权重编程体验。
• 内置网络防御：智谱表示 GLM-5.3 搭载了迄今最稳健的风险审查系统，目标是让安全能力普惠化。
• 两周后开放权重：安全评估完成后将以 MIT 风格协议开源，延续智谱一贯的开源策略。
• Coding Plan 集成：发布当天所有用户的 GLM Coding Plan 额度已重置，模型在现有 Lite/Pro/Max/Team 订阅档位上消耗额度。

模型规格

评测亮点

• Terminal Bench 3.0：28.3 分，GLM-5.2 仅 4.6 分，约 6 倍跃升，开源模型第一。
• DeepSWE v1.1：66.9 分，GLM-5.2 为 46.2 分，长程软件工程任务提升 44.8%。
• Agents' Last Exam（CLI）：28.5 分对 23.8 分，跨工具长程任务的开源最高分。
• AutomationBench：48.2 分，超过 Kimi K3（46.7）、Claude Fable 5（46.2）与 GPT-5.6 Sol。
• CyberGym：84.5%，高于 Mythos 5（83.8%）与 GPT-5.6 Sol（83.6%）。
• ExploitGym：2 小时完成 105 个任务、6 小时完成 130 个，GLM-5.2 仅为 29 和 39。
• GDPval-AA v2：覆盖 44 个职业共 1,769 分，说明编程增益正延伸到专业知识工作。

定价

发布时智谱尚未重新公布 GLM-5.3 的按 token API 定价，预计将沿用 GLM-5.2 的结构（输入约 $1.40 / 1M token，输出约 $4.40 / 1M token）。GLM Coding Plan 订阅（Lite/Pro/Max/Team）约 $18/月起，模型继承套餐的高峰/非高峰额度倍率。

适用场景

• 智能体编程：多步长程任务，终端与 CLI 工具调用需要在整个会话内保持连贯。
• 网络安全工作：从源码出发的漏洞发现与验证，评测结果已缩小与闭源前沿模型的差距。
• 成本敏感团队：权重发布后即可用开源权重的经济性获得接近前沿的编程能力。
• 私有化部署：MIT 协议权重计划支持 vLLM、SGLang 与 transformers 技术栈。

优势

1. 后训练效率：智谱证明了在现有基座上仅靠强化学习与任务环境扩展，仍能挖出不靠新预训练的大幅能力提升。
2. 开源评测榜首：发布当天就在两项重磅编程/智能体评测上位列开源模型第一。
3. 安全与开放兼得：网络防御能力选择开源，而不是留作独占。

使用技巧

1. 盯紧权重发布：两周的开源窗口是决定 GLM-5.3 能否成为智能体团队默认开源编程模型的关键事件。
2. 按生产环境的会话形态做基准测试：各评测增益差异较大，迁移前先用你自己的长程工作流实测，再决定是否从 GLM-5.2 升级。
3. 重置额度预期：Coding Plan 额度已在发布当天刷新，重度使用前先看一眼"使用统计"。

总结

GLM-5.3 展示了后训练扩展的威力：同一基座上编程能力比 GLM-5.2 提升 50%，开源评测登顶，还有一条清晰的网络防御故事线。如果你在意接近前沿的开源权重编程表现，GLM-5.3 是这个月最值得关注的发布。