2026年8月14日，智谱/Z.ai正式发布新一代旗舰模型 GLM-5.3。

这一代最有意思的地方，并不是参数继续扩大。

恰恰相反——GLM-5.3直接沿用了GLM-5.2的Base Model，主要能力提升来自Post-Training后训练。

智谱官方明确表示，GLM-5.3与GLM-5.2使用相同基座，但在自研Z.ai Code Bench上的编程表现提升约50%，并在Terminal-Bench 3.0、Agents' Last Exam等Coding与Agent测试中刷新了开源模型成绩。模型继续提供1M Token上下文，最大输出达到128K。

换句话说，这次不是：

更大的模型+更多参数=更强能力

而更接近：

同一个Base Model+更大规模真实任务后训练+更长执行轨迹+更复杂Agent环境=GLM-5.3

这也使GLM-5.3成为一个很值得观察的案例：

一个已经训练完成的基础模型，到底还能通过后训练继续挖出多少能力？

GLM-5.3核心规格

以上规格来自Z.ai最新GLM-5.3官方文档。

需要特别注意：

现在上线的是模型服务，并不是模型权重同步开源。

Z.ai官方表示，GLM-5.3权重计划在模型发布大约两周后公开；同时其官方账号进一步说明，公开前还会完成相关安全评估并部署适当的防护措施。

按照8月14日发布时间推算，如果安全评估按计划完成，时间大致会落在 8月28日前后。这是根据官方“两周”计划推算，并不是已经公布的精确权重发布日期。

Terminal-Bench 3.0：从4.6直接冲到28.3

这次最显眼的升级之一，就是Terminal-Bench 3.0。

GLM-5.2此前只有：

4.6分。

GLM-5.3直接提高到了：

28.3分。

智谱公布的对比图显示，同一组测试中：

也就是说，GLM-5.3相较自己的上一代不是小修小补。

从4.6到28.3，提升超过5倍。

同时也明显超过了图表中Kimi K3的17.4。

不过，28.3目前仍低于Fable 5和GPT-5.6 Sol，所以更准确的表述是：

GLM-5.3显著缩小了国产开放模型与闭源前沿模型在Terminal Agent任务上的差距。

而不是“已经全面超过Claude或GPT”。

不只是Terminal-Bench，其他Agent测试也一起涨了

智谱公布的六组核心测试中，GLM-5.3的成绩为：

这里其实比Terminal-Bench单项更值得看。

因为GLM-5.3并不是每一项都第一。

例如：

• 
  DeepSWE仍低于Kimi K3、Fable 5和GPT-5.6 Sol；
  
• 
  HLE w/ Tools距离Fable 5和GPT-5.6 Sol还有差距；
  
• 
  Terminal-Bench 3.0同样没有超过最强闭源模型。
  

但在AutomationBench和GDPVal-AA v2上，GLM-5.3反而超过了图表中的几个闭源竞争模型。

这说明它这次的提升更偏向：

实际执行任务、Agent工作流和复杂工程交付。

自研Z.ai Code Bench提升50%

智谱官方给出的另一个核心指标来自内部 Z.ai Code Bench。

GLM-5.3相较GLM-5.2：

编程表现提高约50%。

这里的测试重点不是传统：

给一道算法题↓输出代码↓检查答案

而更加接近真实工程：

理解复杂需求↓阅读项目↓寻找相关代码↓制定方案↓跨文件修改↓运行工具↓测试↓发现失败↓重新分析↓继续修改↓完成交付

这也是为什么这一代的训练方式值得单独讲。

基座完全没换，究竟是怎么涨出来的？

官方文档直接明确：

GLM-5.3使用与GLM-5.2相同的Base Model，所有提升均来自Post-Training。

这其实回应了“是不是挤牙膏”的争议。

从参数角度看：

确实没有换新的Base。

但从后训练角度看，智谱这次做的不是简单增加几批Coding题。

训练环境开始从孤立代码问题扩展到完整专家工作流程：

发现问题↓分析方案↓执行↓验证↓最终交付

官方甚至表示，其中部分训练任务的工作量，相当于一名资深工程师连续工作数天；模型需要使用真实计算集群、存储系统、内部文档和代码库完成整个任务。

这和传统SFT最大的区别是：

过去训练模型：

写这个函数。

现在训练Agent：

把这个项目的问题解决掉。

为什么这种训练方式对Coding Agent特别重要？

软件工程本身就不是一次回答。

例如一个Bug可能经历：

读取报错↓搜索代码↓找到调用关系↓形成假设↓修改↓运行↓测试失败↓假设错误↓重新搜索↓修改第二处↓重新测试

真正强的Coding Agent，需要能够在很长时间里持续：

• 
  保持目标；
  
• 
  管理上下文；
  
• 
  读取工具反馈；
  
• 
  判断失败原因；
  
• 
  修改自己的策略；
  
• 
  再次执行。
  

GLM-5.3的后训练就是越来越围绕这种完整轨迹，而不是只提高第一轮答案质量。

所以“基座没换”不一定意味着：

没什么升级。

它反而证明了一个问题：

GLM-5.2的基础能力可能还有相当一部分没有被后训练完全释放。

“比Claude省近一半Token”要谨慎写

这次还有一个传播非常广的说法：

GLM-5.3在自家测试中比Claude同档少用接近一半Token。

从官方资料可以确认的是：

智谱确实专门强调GLM-5.3的Token效率。

其官方文档表示，在相近Token预算下，GLM-5.3在质量、执行速度和使用成本之间实现了更好的平衡。

但目前官方公开的可解析文字中，并没有给出：

“所有Coding任务统一比Claude节省50% Token”

这样的标准结论。

因此更适合写：

“智谱内部Code Bench显示，GLM-5.3在达到相近甚至更高任务完成度时表现出更高Token效率。”

而不是直接写：

“GLM-5.3比Claude省一半Token。”

因为不同项目的：

• 
  文件规模
  
• 
  Agent Harness
  
• 
  Tool Calls
  
• 
  Reasoning Effort
  
• 
  输出长度
  
• 
  Cache命中
  

都会改变最终Token消耗。

便宜的关键不仅是单Token价格

Coding Agent真正的成本并不是：

1M Token多少钱

而是：

完成一个任务到底需要多少Token×单Token价格

如果一个模型为了修一个Bug需要：

读代码↓失败↓重试↓再失败↓重复搜索

那么即使每百万Token价格很低，最终任务成本也可能很高。

所以GLM-5.3如果能在更短轨迹、更少冗余输出的情况下完成相同任务，对实际Coding Plan的价值反而比简单降价更大。

目前GLM Coding Plan已经将GLM-5.3列为全套餐支持模型，而且对GLM-5.2和GLM-5.1的旧请求会自动路由至GLM-5.3。官方用于估算Coding工作负载的平均缓存命中率为90.9%，并继续提供非高峰时段50% Credit费率。

GLM-5.3最大的“意外能力”：网络安全

比编程Benchmark更容易引发讨论的，是 Cybersecurity。

智谱表示，在长程复杂环境扩大以后，GLM-5.3涌现出了明显更强的：

• 
  白盒代码审计；
  
• 
  漏洞发现；
  
• 
  漏洞验证。
  

能力。

其中在CyberGym测试中：

与此同时，ExploitBench从GLM-5.2的：

24.4%

提高至：

54.4%。

这组数据确实很值得注意。

84.5%到底意味着什么？

CyberGym更偏向：

发现漏洞。

所以84.5%说明GLM-5.3已经能够较强地：

• 
  阅读代码；
  
• 
  发现潜在缺陷；
  
• 
  分析安全风险；
  
• 
  完成白盒审计。
  

但这并不代表它已经具备同等强度的完整攻击能力。

智谱自己也专门强调：

当前优势主要集中在漏洞利用链的前端阶段。

在更深入的漏洞利用以及完整攻防任务中，仍然存在明显提升空间。

简单说就是：

找漏洞★★★★★判断漏洞★★★★★验证漏洞★★★★深入利用仍有明显提升空间

所以你原文里的：

“找漏洞很强，但搞破坏还嫩。”

作为自媒体化表达，其实基本符合官方对能力边界的描述。

为什么权重没有今天同步开放？

这也和网络安全能力有关。

智谱过去GLM系列往往比较积极开放权重。

GLM-5.3这次却选择：

模型先上线↓进行安全评估↓完善Safeguards↓约两周后开放权重

Z.ai官方博客明确表示，模型权重计划在发布两周后提供；其官方账号进一步说明，会在相关安全评估完成并部署适当防护措施后开放。

这意味着这两周并不只是：

“模型文件还没上传完。”

而更像一个主动设置的安全缓冲窗口。

在模型已经表现出较强代码审计和漏洞发现能力的情况下，这个选择并不难理解。

所以“两周后开源”才是真正的大节点

目前GLM-5.3虽然已经上线，但还不能：

下载权重↓本地部署↓量化↓微调↓修改

这些事情要等权重正式发布以后。

此前GLM-5.2开放版本为744B-A40B规格，并提供BF16与FP8权重，同时已经适配SGLang、vLLM、Transformers、KTransformers以及昇腾相关推理框架。

由于GLM-5.3明确沿用GLM-5.2基座，因此等新权重真正发布后，社区最值得关注的会是：

• 
  GLM-5.3 BF16 / FP8权重；
  
• 
  vLLM适配；
  
• 
  SGLang适配；
  
• 
  昇腾部署；
  
• 
  KTransformers；
  
• 
  社区量化；
  
• 
  私有化部署；
  
• 
  Fine-tuning；
  
• 
  Agent专项训练。
  

具体权重格式和部署要求，仍应等待正式仓库更新。

GLM-5.3现在已经可以在哪用？

目前最明确的入口首先是：

ZCode

ZCode官方文档已经全面切换为：

ZCode for GLM-5.3。

ZCode会结合GLM-5.3的1M上下文，让模型在同一个任务中持续读取：

• 
  文件；
  
• 
  Terminal结果；
  
• 
  浏览器状态；
  
• 
  Git状态；
  
• 
  执行权限；
  
• 
  历史工具调用。
  

并围绕规划、编码、测试和Review持续执行。

GLM Coding Plan

所有Coding Plan套餐目前均支持：

• 
  GLM-5.3；
  
• 
  GLM-5-Turbo；
  
• 
  GLM-4.7。
  

而调用旧GLM-5.2或GLM-5.1的请求，则会自动迁移到GLM-5.3。

所以已经订阅Coding Plan的开发者，不需要等权重开源才能开始使用新模型。

AutoClaw及第三方Agent工具

智谱官方发布内容还表示，GLM-5.3已经进入ZCode、AutoClaw和GLM Coding Plan，并将覆盖TraeWork / TraeCode、扣子、WorkBuddy / CodeBuddy等合作工具。

对于普通用户来说，这一点可能比权重本身更重要。

因为大多数人不会在本地部署一个超大模型。

最终真正体验GLM-5.3的入口，很可能还是：

• 
  Coding Agent；
  
• 
  办公Agent；
  
• 
  OpenClaw类Agent；
  
• 
  开发IDE；
  
• 
  自动化工作台。
  

独立API目前还没有正式开放

这里也需要特别区分。

Z.ai最新GLM-5.3模型文档目前仍然明确写着：

“The GLM-5.3 API is coming soon.”

因此，现在不能写：

GLM-5.3 API已经全面开放。

目前更准确的是：

Coding Plan和相关产品入口已经可用，独立API即将开放。

同时，Z.ai当前公开API价格页也还没有列出GLM-5.3的按Token API定价。

所以现阶段也不能拿一个未经官方确认的GLM-5.3 API价格，与Claude或GPT直接做成本倍数计算。

新用户还可以免费体验ZCode里的GLM-5.3

ZCode目前对首次使用的新用户提供5天免费体验。

每天提供：

• 
  GLM-5.3：300万Token；
  
• 
  GLM-5-Turbo：200万Token；
  

合计每天500万Token，但只在首次使用后的5天内每日发放。

对于想直接测试：

• 
  Goal长任务；
  
• 
  Bug修复；
  
• 
  跨文件开发；
  
• 
  Browser Use；
  
• 
  Subagents；
  

的用户，这可能是目前最简单的GLM-5.3体验入口之一。

“眼睛”确实还不是这代重点

GLM-5.3目前官方规格依然是：

Input：Text

Output：Text。

也就是说，它不是一款原生视觉多模态旗舰模型。

如果需要：

• 
  图片理解；
  
• 
  UI截图理解；
  
• 
  视频；
  
• 
  视觉编程；
  
• 
  GUI Agent；
  

智谱目前另有 GLM-5V-Turbo 这条视觉模型产品线。

所以社区说：

“5.3这次主要继续堆Coding和Agent，眼睛没有成为主角。”

这个判断基本成立。

GLM-5.3现在的重点非常明确：

Text + Coding + Agent + Cybersecurity。

“基座没变，是不是挤牙膏？”

这个争议其实可以从两个角度看。

从模型架构角度看

确实没换基座。

甚至智谱自己就公开强调：

Same Base Model as GLM-5.2。

所以如果期待：

• 
  更大参数；
  
• 
  新MoE架构；
  
• 
  新Attention；
  
• 
  新视觉编码器；
  

GLM-5.3确实不是这种更新。

从能力角度看

Terminal-Bench 3.0：

4.6 → 28.3

DeepSWE：

46.2 → 66.9

Agents' Last Exam：

23.8 → 28.5

AutomationBench：

26.2 → 48.2。

所以如果最终任务完成率真的提升了，用户其实并不会特别在意：

参数是不是又多了100B。

从这个角度看，GLM-5.3反而展示了一个很有意思的方向：

基础模型训练完，并不意味着它的能力已经全部开发完。

后训练可能正在变得和预训练一样重要

过去大模型升级非常容易理解：

更多参数+更多数据+更多GPU=下一代模型

现在越来越多厂商开始把竞争重点放在：

更真实的Agent环境+更长执行轨迹+更困难任务+强化学习+工具反馈+最终结果验证

GLM-5.3就是非常典型的例子。

同一个基座，因为看过更复杂、更接近真实高级工程师工作的任务，最终Coding和Agent能力可以出现非常明显的变化。

这也意味着以后评价模型时：

版本号升级 ≠ 一定需要新基座。

后训练本身就可能成为一次非常大的能力版本更新。

对普通用户意味着什么？

不是程序员，也不代表GLM-5.3与你无关。

因为Coding模型进步后，最终会流入大量Agent产品。

例如：

写网页做数据分析处理Excel批量整理文件操作浏览器生成PPT搭建自动化做企业工作流

这些任务背后，本质上都需要模型：

• 
  理解复杂要求；
  
• 
  规划；
  
• 
  使用工具；
  
• 
  处理失败；
  
• 
  持续执行。
  

所以Agent能力越稳定，未来普通人看到的体验就是：

以前：

AI告诉你应该怎么做。

现在：

AI直接把事情做完。

而国内模型持续把价格和Token效率往下压后，最直接的受益者仍然是最终用户。

总结

GLM-5.3这次的更新路线非常明确。

第一，基座没有改变。

智谱明确确认GLM-5.3和GLM-5.2采用相同Base Model，主要提升全部来自Post-Training。

第二，Coding与Agent能力出现明显跃升。

Terminal-Bench 3.0从4.6提高到28.3，超过Kimi K3的17.4；AutomationBench达到48.2，GDPVal-AA v2达到1769。

第三，长程真实工程任务成为训练重点。

部分后训练环境已经接近高级工程师数天的完整工作量，要求模型实际使用代码库、文档、计算和存储系统完成从发现问题到最终交付的完整流程。

第四，网络安全能力明显增强。

CyberGym达到84.5%，略高于Mythos 5和GPT-5.6 Sol；ExploitBench则由24.4%提高至54.4%。不过官方也明确表示，目前优势仍主要集中在漏洞发现与利用链前端，完整深度攻防仍有提升空间。

第五，权重暂时没有同步开放。

官方目标是在发布约两周后开放权重，并利用这段时间继续完成网络安全评估与防护加固。

第六，现在可以先在ZCode、Coding Plan和部分Agent工具里使用，但独立GLM-5.3 API仍是Coming Soon。

所以这次真正值得关注的并不是：

“智谱又发了一个5.3版本。”

而是：

同一个基础模型，仅仅通过把后训练做得更深、更长、更接近真实工作，就能把Coding Agent能力继续往上推这么多。

如果两周后的开放权重也能较完整地保留这些能力，那么那时候才是GLM-5.3真正进入开发者社区大规模测试、本地部署和二次训练的开始。

至于CyberGym 84.5%，确实值得认真看待。

模型越擅长理解真实代码，就越能帮助开发者找到安全问题，同时也越需要更严格的发布流程和使用边界。

能力提升得越快，安全评估也得跟上。

相关链接

• GLM-5.3官方发布文章
• GLM-5.3官方模型文档
• GLM Coding Plan
• GLM Coding Plan官方说明