GLM-5.3 正式发布：泄露属实——Z.ai 的后训练编程与网络防御旗舰

泄露确有其事，发布已然到来，GLM-5.3 如今有了一个可供争论的独立分数。Artificial Analysis 的 Intelligence Index——由实验室测评，而非 Z.ai——将 GLM-5.3 评为 60 分，与 Kimi K3 并列开放权重最高分，领先 GLM-5.2 的 53 分达 7 分。API 已于本周上线，价格与此前版本相同；开放权重确认于 8 月 28 日（周五）发布；Z.ai 自 8 月 14 日公告以来一直宣称的编码与网络防御能力也开始变得可检验。本页最早从 8 月 3 日的泄露痕迹开始追踪 GLM-5.3；这是发布报告，并根据发布、API 以及首个独立基准实际确认的内容进行了就地更新。

从泄露到发布

8月3日浮出水面的四条线索——一个“ZCode for GLM-5.3”评测框架页面、一个大约仅可访问一小时的官方文档页面、一条内容为“GLM-5.3 Official Harness”的Bing索引条目，以及一个向智谱官方Java SDK添加带JSON Schema支持的“glm-5.3”条目的commit——都指向一个真实存在、有名字的版本发布。Z.ai联合创始人唐杰的“sooooooon”回复以及“史诗级+”（epic-level plus）的表述，如今已由实际产品而非传言证实。本页面所验证的“大约一周”时间信号——@teortaxesTex在DeepSeek V4 Pro于8月13日发布后在X上发布——精确到天应验了：Z.ai于8月14日正式发布GLM-5.3，口号为“为编码而生。为网络防御就绪。”后续消息于本周到来：8月19日，Z.ai表示GLM-5.3 API已上线并开放调用，定价与GLM-5.2相同，且该模型已接入ZCode、AutoClaw和GLM Coding Plan。

后训练实际上带来了什么

架构方面的说法是值得厘清的部分，因为泄露信息中最响亮的那个具体细节——参数突破一万亿——是错误的。GLM-5.3 并不是一个更大的模型。Z.ai 表示，它复用了与 GLM-5.2 完全相同的 743B 混合专家（MoE）底座（每个 token 约激活 400 亿参数），保持了相同的 1M token 上下文窗口和约 128K 最大输出，其全部提升都来自扩大规模的后训练：更多的长周期任务环境、更多的环境类型，以及更长时间的训练运行，这些都建立在 IndexShare 长上下文、SAO 异步强化学习和开源 slime 框架之上——正是这些框架产出了 GLM-5.2。这种“不重新训练、全部后训练”的表述是 Z.ai 自己的说法，尚未经过独立审计。规模是另一个头条：GLM-5.3 总参数 743B，每个 token 仅激活约 40B 参数，因此轻量到可以在一个中等规模的集群上自行托管，也便宜到可以大规模提供服务——这正是发布当天评论赋予它的“更小、更便宜、更开放”的定位，也与其被拿来比较的封闭式前沿旗舰模型形成鲜明对比。

编码与智能体：Z.ai声称的数字

在编程方面，Z.ai 报告——所有数据均来自厂商且未经独立复现——Terminal-Bench 3.0 从 4.6 升至 28.3，Z.ai 称这是该测试平台上开源权重的最佳成绩；DeepSWE v1.1 从 46.2 升至 66.9；SWE-Marathon 大致翻倍，从 19.4 升至 42.5；Agents' Last Exam（CLI）从 23.8 升至 28.5。在 Z.ai 的内部代码基准测试中，GLM-5.3 在高强度模式下每个任务约消耗 5 万个输出 token，得分 31.4%，而 Claude Opus 4.8 在约 12 万个 token 下得分 29.5%——Z.ai 的论点是，GLM-5.3 以远更少的输出 token 达到了相近的效果。Claude Fable 5 仍以最高强度模式下 39.5% 的成绩领先该内部评测，Z.ai 也承认 GLM-5.3 在若干难度更高的编码评测中仍落后于 GPT-5.6 Sol 和 Claude Fable 5。在独立测试平台复现这些结果之前，请将这些数据一律视为厂商数据。

网络防御：无人预见的能力

网络安全数据才是真正的新闻，而且这些数据完全是由厂商自行报告的。在CyberGym这个白盒漏洞发现与验证基准上，Z.ai报告GLM-5.3达到84.5%，高于GLM-5.2的77.2%，也领先于Anthropic的Mythos 5（83.8%）和GPT-5.6 Sol（83.6%）。在要求同时进行根因分析和可用漏洞利用的ExploitBench上，GLM-5.3从24.4%翻倍以上至54.4%，不过Mythos 5（78.0%）仍然领先。在ExploitGym上，Z.ai报告在2小时预算内完成105项任务，在6小时内完成130项，而GLM-5.2分别为29项和39项——再次落后于Mythos 5（181项和247项）。Z.ai将这种网络能力描述为规模化后训练中涌现出的特性——用该公司的话说就是“能力随着训练规模的扩大而持续复合增长”——而非刻意追求的目标。

Z.ai 为这些基准测试补充了一项真实世界的声明：在与安全团队进行的测试中，GLM-5.3 在 269 个开源项目中识别出了 2,436 个漏洞，其中 1,097 个被评为严重或高危级别，最早发现的问题可追溯至 1981 年，平均“寿命”为 26.6 年。这是整个公告中最引人注目的数字，也是最难以独立验证的一项。该公司将该能力与安全披露台账（Security Disclosure Ledger）配套用于协调披露，推出了一个“可信访问”计划，将敏感的网络安全功能限制在经核验的用户范围内，并发起了一项“开源盾牌”（Open Source Shield）计划，持续审计关键开源项目。

GLM-5.3 必须击败的基线

GLM-5.2 是整个故事所依托的基准点。它于 2026 年 6 月发布，是一个 743B 参数的专家混合模型，每个 token 约有 40B 激活参数，配备 100 万 token 上下文窗口、128K 最大输出、MIT 许可证，并在 Hugging Face 上开放权重。独立来看，Artificial Analysis 的 Intelligence Index 将 GLM-5.2 评为 53 分——这是该指数上开放权重模型的最高分，直到本周之前。如今 GLM-5.3 以 7 分之差超越它：Artificial Analysis 在同一指数（v4.1.1）上测得 GLM-5.3 为 60 分，与 Kimi K3 并列开放权重模型榜首，并进入前沿地带，与 Claude Fable 5 和 GPT-5.6 Sol 等闭源旗舰模型同列。这是 GLM-5.3 首次获得的独立评测数据，并且与 Z.ai 自身的说法方向一致——尽管并非每个细节都吻合。在长时程编码方面，OrcaRouter 测试框架在 Terminal-Bench 2.1 上测得 77.9 分，而 Z.ai 公布的最佳 GLM-5.2 成绩为 82.7 分——那将是首个突破 80 分的开放权重成绩，但该数据来自厂商自报，尚未被复现。标价分别为每百万输入 token 1.40 美元、每百万输出 token 4.40 美元。

上方的记分板是本页在发布前基于泄漏信息所做的预测——">1T 参数（传闻）"一行、未经证实的上下文窗口和许可证、预测的 AA 指数。正式发布纠正了最大的一个格子：GLM-5.3 复用了与 GLM-5.2 相同的 743B 基础模型，因此参数量没有跃升。上下文窗口确认为 1M，许可证仍处于未证实状态，因为开放权重尚未发布。预测的指数格子——本页自己对约 57–60 的猜测——是少数完全命中的预测：实际数字是 60，而现在悬而未决的问题是，当这个分数在实际权重上复现时会发生什么。

上面的测试结果是GLM-5.3各项声明所对照的独立基线。GLM-5.2以53分的Artificial Analysis Intelligence Index高居开放权重排行榜榜首。验证GLM-5.3训练后增量能否改变这一数字的首轮测试现已揭晓：Artificial Analysis在同一指数上测得GLM-5.3为60分——与Kimi K3并列开放权重领先，领先GLM-5.2七分，且该实验室报告称这是独立测量的结果。

定价与可用性

GLM-5.3 与 GLM-5.2 定价相同：每百万输入 token 1.40 美元，每百万输出 token 4.40 美元（国内列表为 ¥8 / ¥28），缓存输入读取为每百万 0.26 美元 / ¥2。Z.ai 于 8 月 19 日宣布 API 开放，可通过 Z.ai 自有 API、ZCode、AutoClaw、GLM 编程计划以及多个合作伙伴网关访问。对 API 调用者而言，有一个行为变化值得注意：请求现在需要在三种努力级别（低、高、最大）下启用“思考”，且无法关闭，这对现有集成来说是一个破坏性变更。

相同的价格并不意味着相同的账单。在相同的工作负载下，GLM-5.3 每个任务消耗的 token 数量大约比 GLM-5.2 多 20%，按每任务成本计算，GLM-5.3 约为 0.68 美元，而 GLM-5.2 为 0.44 美元——仍低于 Kimi K3（约 0.84 美元）和 GPT-5.6 Sol（约 1.23 美元）。这一每任务成本的数字是根据观察到的 token 使用量推算出来的估计值，并非厂商数据，但它正是决定统一的 1.40 美元 / 4.40 美元定价表是否真正为你省钱的关键数字。

这次发布将为你带来什么改变

对于已经在使用GLM-5.2的API调用者，实际的操作是修改模型名称，而非改造项目：GLM-5.2与OpenAI兼容，集成可以直接延续，但需要注意上文提到的思考投入（thinking-effort）限制。对于自托管用户，时间表现在是明确日期而非猜测：智谱于8月14日承诺权重"发布后两周"开放，即8月28日（星期五），悬而未决的问题在于许可证是否会继续保持宽松（permissive）。对于在DeepSeek V4 Pro、Qwen3.8-Max、Kimi K3、GPT-5.6 Sol和Claude Fable 5这一梯队中比较各模型的用户，GLM-5.3现在已是该排名中一个活跃的、经过独立评分的变量，而非传言。

GLM-5.3 发布当天的争论焦点是，编程前沿已经趋同：据说，对于大多数日常任务，很少有用户能可靠地区分 GPT-5.6 Sol、Claude Fable 5、Kimi K3、GLM-5.2 和 Qwen3.8-Max。如果这种趋同是真的，那么决定性因素就不再是原始能力，而是价格、开放性和切换成本——这正是 GLM-5.3 所占据的位置：每百万 tokens 1.40 美元 / 4.40 美元，基于可自行托管的 743B 基础模型，权重定于 8 月 28 日。编程模型是否真正可互换是一种观点，而不是基准；价格、参数数量和权重日期则不是。

在路由方面，GLM-5.3 于8月18日在 OrcaRouter 上线，同一天 Z.ai 的 API 开放——按照第一方标价，每百万（token）1.40 美元 / 4.40 美元，零加价透传。下方截图显示的是 GLM-5.2 的页面，其形态与现在的 GLM-5.3 完全一致：同样的价格、同样的 1M token 上下文、同样的 128K 最大输出。将一小部分真实流量路由到 GLM-5.3，并自动故障转移至 GLM-5.2 或另一个经过验证的模型，这只是一次配置更改，而非重写——同一个密钥，无需第二份合同。如果新模型在你的工作负载上出现退化，路由器会在翻页之前自动回退，你得到的是来自你自己流量的质量信号，而不是供应商的幻灯片。对于这样一个旗舰能力宣称仍主要来自供应商自述的模型，这是你亲自去验证的低风险方式。

接下来看什么

权重将于8月28日（星期五）发布，模型卡上的许可证条款则是——类似GLM-5.2的宽松MIT许可，或更严格的条款。智谱以网络安全加固为由推迟了两周，而“可信访问”计划表明，某些功能无论如何都将受到限制。

• {{1}}这些网络安全声明是否在Z.ai自身测试环境之外依然成立{{/1}}。{{2}}关于2,436个漏洞的真实世界声明以及CyberGym的领先优势{{/2}}，{{3}}将是独立实验室首先检验的数字{{/3}}；{{4}}而AA Intelligence Index衡量的是通用能力，而非安全性{{/4}}。

• 一旦权重公布，指数将落在何处。60 分是依据所提供的 API 评定的；附带许可证的自托管版本才是团队实际会重新部署的那个。

• DeepSeek V4 Flash 宣布提价，这为 GLM-5.3 的评估设定了定价范围，而 GPT-5.6 Sol 以 61 分领先一分。

常见问题

GLM-5.3 是比 GLM-5.2 更大的模型吗？

不是的。Z.ai表示，GLM-5.3使用了与GLM-5.2相同的7430亿参数混合专家（Mixture-of-Experts）基础模型，拥有相同的100万token上下文窗口，每个token约激活400亿参数。所有报告的性能提升均来自扩展的后训练，而非参数增加——这直接纠正了泄露传闻中关于基础模型超过一万亿参数的说法。该架构声明是Z.ai自身的说法，尚未经过独立审计。

GLM-5.3的开放权重何时可用？

8月28日，星期五。智谱在8月14日发布GLM-5.3时承诺权重"发布后两周"上线，并在8月19日API上线时表示"下周五"——两种说法指向同一天。许可证尚未确认，Z.ai表示敏感网络功能将仅限于经过验证用户的"可信访问"计划。

我应该如何处理基准数字？

拆分列表。编码（coding）方面的跃升——Terminal-Bench 3.0 为 28.3，DeepSWE v1.1 为 66.9，SWE-Marathon 为 42.5——以及网络安全结果——CyberGym 84.5%，ExploitBench 54.4%——均来自 Z.ai 自己的公告，并且在独立测试工具复现之前，仍属于供应商报告的数据。Artificial Analysis Intelligence Index 为 60 是第一个独立测量结果，而这个数字才是用来衡量 Z.ai 所有宣称的基准。

这次泄露是真的，发布确认了名称、定位和时机——同时也纠正了传闻最盛的那个具体说法。GLM-5.3 基于同一底座，经过高强度后训练，如今它带着一个独立的分数来支撑厂商的说法：在 Artificial Analysis Intelligence Index 上得 60 分，与 Kimi K3 并列，领先 GLM-5.2 七分。代码与网络安全的数据仍是 Z.ai 自报的，权重于 8 月 28 日开放下载，而许可条款和对安全声明的真正独立检验仍待解决。在此之前，形成自己判断的低风险方式是分出一部分真实流量，并故障切换到经过验证的方案。