Z.ai 发布 GLM-5.3：编程能力跃升 50%，登顶开放权重基准测试

新闻摘要

总部位于北京的 AI 实验室 Z.ai（智谱AI）于2026年8月14日（北京时间）正式发布了 GLM-5.3，将其定位为迄今为止最强大的开放权重编程与智能体系统。此次发布沿用了与 GLM-5.2 相同的基座架构，所有能力提升均源于大幅扩展的后训练阶段，而非更大的基座模型。Z.ai 将这一策略称为“后训练缩放”，旨在不从头重新训练的前提下推高模型的智能上限。

可用性与部署计划

GLM-5.3 现已通过 Z.ai API 和 GLM Coding Plan 即时上线，并已于2026年8月14日（北京时间）公告发布时向所有现有编程套餐订阅用户推送。开放模型权重尚未公开。Z.ai 表示，计划在完成额外的安全评估与加固后，于大约两周后，即2026年8月底（北京时间）左右发布权重。在 API 层面，GLM-5.3 引入了三个可选的思考强度等级——低、高和最高；同时，与以往版本不同的是，开发者不再能完全禁用模型的推理步骤。Z.ai 将此标记为破坏性变更，可能会影响那些依赖即时、非推理响应的应用。

编程与智能体基准测试表现

Z.ai 报告称，在其内部 Z.ai Code Bench 测试中，GLM-5.3 的编程能力较 GLM-5.2 跃升约 50%，并在多项公开评测中位居开放权重系统榜首。公布的基准测试涨幅包括：Terminal-Bench 3.0 从 4.6 升至 28.3，DeepSWE v1.1 从 46.2 攀升至 66.9，Agents' Last Exam CLI 从 23.8 提高至 28.5。在内部 Code Bench 上，GLM-5.3 使用约 50,000 个 token 进行推理，得分达到 31.4%，领先于 Claude Opus 在 120,000 个 token 下取得的 29.5%，尽管在同一基准上仍落后于前沿闭源系统。作为竞争定位的一部分，Z.ai 还将该版本与 GPT-5.6 Sol、DeepSeek-V4 Pro 以及 Moonshot 的 Kimi K3 进行了对比。技术上的进步归功于长上下文处理（称为 IndexShare）、公司称之为 SAO 的强化学习技术，以及其“slime”训练框架的综合运用，这些技术叠加在更大规模、更多样化的长期训练环境之上，而这些环境正是基于专业工程工作流建模而成的。

网络安全能力增长超预期

Z.ai 发布说明中的一个显著发现是，GLM-5.3 的进攻性安全能力扩展速度快于作为训练主要目标的编程能力。在 CyberGym 测试中，该模型得分达 84.5%，高于 GLM-5.2 的 77.2%；在 ExploitBench 上，其得分更是翻了一番以上，从 24.4% 升至 54.4%。在限时漏洞利用开发测试中，GLM-5.3 在两小时内完成了 105 项任务，六小时内完成了 130 项，而其前代产品分别为 29 项和 39 项。Z.ai 表示，自 GLM-5.2 发布以来，已在内部使用该模型在 269 个开源项目中发现了 2,436 个漏洞，其中 1,097 个被评定为严重或高危。发布时，已有 53 个发现被分配了公开的 CVE 编号，其余 2,383 个仍处于负责任披露的保密期，等待通知维护者。Z.ai 将模型权重的延迟发布直接归因于此发现，指出在公开底层权重之前需要进行额外的安全加固，否则这些权重可能被用于在 Z.ai 受监控的 API 之外复制模型的进攻性能力。

行业背景

此次发布正值中国 AI 开发者竞争加剧之际，各方正努力缩小与西方领先实验室在编程和智能体任务上的差距，此前智谱及其竞争对手已连续数月进行快速迭代。包括新浪科技和东方财富在内的国内媒体在报道中将 GLM-5.3 视为开源编程模型的重要一步，指出其编程和智能体性能已接近顶级闭源系统，尽管仍落后于 Anthropic 和 OpenAI 最新的前沿版本。发布前的社区讨论也集中在对原生多模态和视觉支持的需求上，但 GLM-5.3 在此次发布中并未引入该功能。