智谱发布GLM-5.3：基座未变，后训练Scaling抬升智能上界

事件概述

8月14日，智谱AI正式发布新一代基座模型GLM-5.3，总参数规模7430亿。发布前，ZCode官网短暂上线过“ZCode for GLM-5.3”页面，官方文档对外开放约一小时后下线，智谱股价当天涨超8%，高盛随后上调智谱收入预期35%。

智谱在公告中明确表示，与GLM-5.2相比，GLM-5.3的基座模型没有变化，能力提升来自“极致的后训练Scaling”，具体体现为数十倍的长程任务环境、更丰富的环境类型和超长的后训练时间。上一代GLM-5.2采用MoE架构，总参数约7530亿，上下文窗口100万token，曾在Artificial Analysis智能指数中排名全球第三、开源模型最佳。

核心能力提升

在编程能力方面，GLM-5.3相对GLM-5.2的体感评测提升50%。公开基准测试中，GLM-5.3在Terminal Bench 3.0上排名开源模型第一，多项得分明显跃升：

• Terminal Bench 3.0：从4.6分提升至28.3分
• DeepSWE v1.1：从46.2分提升至66.9分
• Agents' Last Exam：从23.8分提升至28.5分
• GDPval-AA v2：得分1769，展现出基于编程能力涌现的专业任务执行能力

这意味着GLM-5.3不仅能完成任务演示，也能在数万行代码、上百个文件和多个相互依赖的系统之间持续推进，在极少人工干预下进行长时自主开发、反复验证，并将项目推进到可交付状态。

从GLM-5.2开始引入的effort level（思考档位）控制，也让GLM-5.3在相近Token预算下，能更好平衡任务完成质量、执行速度和使用成本。

安全能力表现

网络安全能力是GLM-5.3此次更新的一个亮点。智谱认为，安全工作的本质是“约束严格的编程能力”，自2025年9月起已与国内多家头部安全实验室合作，推进长程任务环境、专业化评测与执行框架建设。

在公开评测中：

• CyberGym（白盒源码漏洞识别与验证）：GLM-5.3得分83.5%，高于GLM-5.2的77.2%，与Mythos 5的83.8%、GPT-5.6 Sol的83.6%基本持平。
• ExploitBench（理解真实漏洞成因并完成利用）：GLM-5.3得分54.4%，是GLM-5.2（24.4%）的两倍多，但仍低于Mythos 5的78.0%和GPT-5.6 Sol的73.5%。
• ExploitGym（限定时间内完成漏洞利用任务数量）：GLM-5.3两小时完成105项、六小时完成130项；GLM-5.2对应为29项和39项；Mythos 5为181项和247项。

整体趋势是：越接近漏洞利用链前端，GLM-5.3的提升越明显；越深入完整漏洞利用，与闭源前沿模型的差距越大。

智谱AI还公布了一个真实案例：GLM-5.3联合国内安全团队发现2404个漏洞，其中1088个为中高危，最早可追溯至约40年前，部分存在于Android、Windows、macOS和常用APP中。

值得关注

• 视觉能力缺失：GLM-5.3仍是纯文本模型。智谱首席科学家唐杰此前在社交平台发起功能建议征集时，浏览量超40万，“视觉”是高频需求。开发者也希望模型能看懂截图、解析表格、从UI设计图生成代码。智谱虽有CogVLM和GLM-5V-Turbo等视觉产品积累，但此前“分开发展”的策略或需调整。
• 深度漏洞利用仍有差距：GLM-5.3在漏洞发现（CyberGym）上已追平Mythos 5，但在漏洞利用（ExploitBench、ExploitGym）上差距明显。发现漏洞只是第一步，验证和修复同样是安全攻防的关键。
• 商业化仍需验证：智谱2025年全年总营收为7.24亿元，国内排名前十的互联网公司中有9家深度集成GLM系列模型。8月6日DeepSeek宣布计划上调API服务定价，行业低价竞争格局可能变化；智谱年内也已多次上调API价格。高盛上调智谱收入预期35%，但同时下调目标价并维持“中性”评级，显示市场对行业增长空间乐观，但对其竞争位置仍持观望态度。

从发布节奏看，GLM-5.3距离GLM-5.2约两个月。它证明了后训练Scaling的潜力：在不更换基座的前提下，依靠极致长程任务训练和更丰富的环境交互，仍能提升模型智能上界。参数竞赛不是唯一路径，把现有模型能力“挖透”同样能带来回报。