GLM-5.3 以 160 分登上 Epoch Cyber ECI 榜首：開放網路前沿仍落後 6 至 7 個月

Epoch AI 為開放權重安全辯論長久以來繞著打轉的問題給出了一個數字，而且這是一個排名，不是警告：GLM-5.3 在該實驗室的 Cyber ECI 上得分 160.10，是該指數所追蹤的任何開放權重模型中最高的，高於 OpenAI 的 GPT-5.4，並低於 Anthropic 的 Claude Mythos Preview 與 OpenAI 的 GPT-5.5。若把這個名次當成日期而非分數來讀，它表示當今最佳的可公開下載網路能力，大致位於封閉前沿六到七個月前所在的位置。這項量測——由 Epoch 研究員 Jaeho Lee 與 Alexander Barry 於 10 月 16 日發表、資料截至 10 月 8 日的 Data Insight——是第一個外部機構對 GLM-5.3 在網路能力上進行的排名，而它是在 NIST 的 CAISI 稱該模型為迄今最具網路能力的開放權重發布、並將其定位在落後美國前沿約四個月之後的一個月才問世。這兩種判讀共享同一個來源：Epoch 的 GLM-5.3 分數取自三項 CAISI 基準，那是該模型僅有的網路相關結果，所以兩者之間的距離是方法上的距離，而不是量測上的距離。Anthropic 的 Frontier Red Team 已於 9 月 29 日對已釋出的權重提出自己的數字：在 410 次 ExploitBench 嘗試中發現 50 次端到端漏洞利用，對比 Claude Mythos Preview 的 410 次中有 56 次。這個模型本身並不新：Z.ai 於 8 月 14 日宣布 GLM-5.3，於 8 月 18 日開放 API，價格為每百萬詞元 1.40 美元 / 4.40 美元，並於 8 月 28 日以自訂「glm-5.3」授權條款將 743B 權重推上 Hugging Face。新的是，Z.ai 以之為發表主軸的能力，如今在公開排行榜上有了位置，也有了與前沿之間可量測的距離——而 Artificial Analysis 對同一批權重的每項任務定價為 0.92 至 8.68 美元，取決於由哪個端點回應，且 Amazon Bedrock 自 10 月 5 日起已為符合資格的企業客戶提供這些權重。本頁最初從 GLM-5.3 在 8 月 3 日的外洩痕跡開始追蹤，接著一路追到其發表；本次修訂納入了 Cyber ECI 名次、其背後的方法，以及六到七個月的差距對於你實際會路由到的模型，能告訴你什麼、又不能告訴你什麼。

從洩漏到發布

8月3日浮現的四條線索——一個「ZCode for GLM-5.3」測試框架頁面、一個大約一小時內可存取的官方文件頁面、一筆顯示「GLM-5.3 Official Harness」的 Bing 索引條目，以及一筆將帶有 JSON Schema 支援的「glm-5.3」項目加入 Zhipu 官方 Java SDK 的提交——全都指向一個真實且具名的發布版本。Z.ai 共同創辦人唐傑的「sooooooon」回覆與「epic-level plus」的說法，如今已由實際產品而非傳聞獲得證實。本頁所檢驗的「大約一週」時間訊號——由 @teortaxesTex 在 DeepSeek V4 Pro 於 8月13日推出後發布於 X——準確到當天應驗：Z.ai 於 8月14日正式發表 GLM-5.3，口號為「Built to Code. Ready for Cyber Defense.」。後續發展在隔週到來：該模型於 8月18日在更廣大的市場上線——這個發布日期如今已標註在第三方模型列表上——而 8月19日 Z.ai 宣布 API 開放呼叫，定價與 GLM-5.2 相同，且該模型已接入 ZCode、AutoClaw 與 GLM Coding Plan。

下一個爆料訊號：適用於 GLM-5.3 的多模態處理器

旗艦的純文字定位可能維持不了多久。8 月 28 日，sglang 服務引擎中一項未合併的拉取請求提出支援 GLM-5.3 多模態處理器輸入——這層處理器黏合層會將影像酬載轉換成與 Miles RL 框架所用的相同動態調整大小、像素、網格與詞元擴展方案，讓訓練與服務看到完全相同的影像輸入。該 PR 是 radixark/miles 中 GLM-5.3 以影像為條件的強化學習在 rollout 端的那一半，而其第二個提交在 sglang 的 CPU CI 中註冊了 GLM-5.3 處理器測試。這些都不是 Z.ai 的公告，也沒有任何多模態 GLM-5.3 已發布或經過基準測試——這是程式碼層級的證據，與本頁於 8 月 3 日首次追蹤的早期訊號屬於同一類。它顯示的是，這條旗艦產品線正準備在訓練與服務堆疊中接受影像，而非維持 Z.ai 在發布時所描述的純文字程式編寫與網路安全模型。Perplexity 自己在 8 月下旬將 GLM-5.3 加入 Computer 時的表述——「為長脈絡、多模態代理工作負載而打造」——也指向同一方向，儘管那是產品定位，而非已發布的多模態模型。

「事後訓練」究竟帶來了什麼

架構主張是值得釐清的部分，因為洩漏中最響亮的具體說法——參數突破一兆——是錯誤的。GLM-5.3並非更大的模型。Z.ai及其聯合創始人唐傑均表示，它沿用與GLM-5.2完全相同的743B混合專家（Mixture-of-Experts）基礎模型（每個token約400億活躍參數），維持相同的100萬token上下文窗口與約128K最大輸出，一切提升皆來自後訓練。唐傑將此次發布描述為一場刻意的控制變量實驗——相同的基礎、相同的架構、相同的參數量，唯一的變量是針對程式類任務進行一個月的長視野強化學習，而這一個月正是他認為程式能力提升約50%的關鍵。Z.ai的發布說明補充了背後的機制：更多的長視野任務環境、更多的環境類型、更長的訓練運行，建構在已催生GLM-5.2的IndexShare長上下文、SAO異步強化學習及開源slime框架之上。Z.ai從開放權重公告中連結的技術深度解析——z.ai/blog/glm-5.3上的研究文章——對配方有更進一步的闡述：長視野任務環境數量增加數十倍、環境類型更多、訓練運行遠超首次發布的規模，任務並擴展至真實計算叢集上多日的專家級工作負載。其對網路能力的描述——隨任務環境擴展而湧現的「嚴格受限的程式設計能力」——與發布說明一樣，是公司自身的說法，而非獨立審計。那句「不重新訓練，全部後訓練」的框架來自創辦人與公司自身，尚未經過獨立審計。規模則是另一大標題：GLM-5.3總參數743B，每個token僅約40B活躍，輕量到可在適度規模的叢集上自行託管，且成本夠低足以大規模部署——發布當日評論賦予它的「更小、更便宜、開放」定位，與它被拿來比較的封閉式前沿旗艦模型形成鮮明對比。

編寫程式與代理：Z.ai 宣稱的數字

在程式設計方面，Z.ai 報告——全數為廠商自報且未經重現——Terminal-Bench 3.0 從 4.6 上升到 28.3，Z.ai 稱這是該測試框架上最高的開放權重成績；DeepSWE v1.1 從 46.2 上升到 66.9；SWE-Marathon 大約從 19.4 倍增到 42.5；以及 Agents' Last Exam（CLI）從 23.8 上升到 28.5。唐杰對這項結果的簡短說法，出現在由 @dotey 轉發的一則 X 貼文中：「純後訓練，程式設計能力提升約 50%」——這正是 Z.ai 在公告中印出的同一個標題數字。在 Z.ai 內部的程式碼基準測試中，GLM-5.3 在高投入程度下，以每項任務約 50K 輸出 token 拿下 31.4%，對比 Claude Opus 4.8 以約 120K token 拿下 29.5%——Z.ai 的重點在於，GLM-5.3 以遠少的輸出 token 達到可比的結果。Claude Fable 5 在最高投入程度下仍以 39.5% 領先該內部評測，而 Z.ai 也承認，在幾項更困難的程式設計評測中，GLM-5.3 仍落後於 GPT-5.6 Sol 與 Claude Fable 5。在獨立測試框架重現這些數字之前，請將它們全數視為廠商提供的數據。

網路防禦：無人預見的能力

資安數字是 Z.ai 公告中最響亮的部分，而在 9 月 29 日之前，它們也完全是由廠商自行報告的。在 CyberGym 這個白箱弱點發現與驗證基準上，Z.ai 報告 GLM-5.3 達到 84.5%，高於 GLM-5.2 的 77.2%，也領先該實驗室的 Mythos 5（83.8%）與 GPT-5.6 Sol（83.6%）。在要求同時進行根因分析與可實際運作的漏洞利用的 ExploitBench 上，Z.ai 報告 GLM-5.3 從 24.4% 增加超過一倍至 54.4%，不過 Mythos 5（78.0%）仍保持領先。在 ExploitGym 上，Z.ai 報告在 2 小時預算內完成 105 項任務，6 小時內完成 130 項，而 GLM-5.2 分別為 29 項與 39 項——但仍落後 Mythos 5（181 項與 247 項）。Z.ai 將這種資安能力描述為規模化後訓練所湧現的性質——用該公司的話來說，「能力隨著訓練規模擴大而不斷複合增長」——而非刻意設定的目標。在將那些百分比與下文任何內容相比之前，有一點須注意：Z.ai 的 ExploitBench 數字與 Anthropic 的嘗試層級 ExploitBench 結果，是同一公開基準在不同測試框架與條件下的不同執行結果，因此這兩個數字並非同一種測量，不應並列比較。

Z.ai 為這些基準測試增添了一項現實世界的說法：在與安全團隊進行的測試中，GLM-5.3 在 269 個開源專案中識別出 2,436 個漏洞，其中 1,097 個被評為重大或高風險，最古老的發現可追溯至 1981 年，平均「壽命」為 26.6 年。這是該公告中最引人注目的數字，也是最難以獨立查核的數字。該公司將這項能力與用於協調揭露的 Security Disclosure Ledger、一項將敏感網路功能限制於已驗證使用者的「受信任存取」計畫，以及一項持續稽核關鍵開源專案的「開源護盾」倡議搭配在一起。Anthropic 於 9 月 29 日的評估，直接挑戰了下載權重上的管制措施能帶來多少效果：該評估發現，發布的模型在預設情況下會拒絕有害請求，但可透過一般技巧在 64–100% 的試驗中擊敗；並指出開發者在權重發布後幾天內就發布了 abliterated 的 GLM-5.3 變體。已驗證使用者計畫管理的是 API；它管不到檔案。

Anthropic 測量了什麼，以及它改變了什麼

Anthropic 的前沿紅隊（Frontier Red Team）於 9 月 29 日以「GLM-5.3 與先進網路能力的擴散」為題發表評估，這是首次有競爭對手的實驗室針對 GLM-5.3 的漏洞利用能力提出自家數據。其論述直白：與 Claude Mythos Preview 一樣，GLM-5.3 具備自主建構端到端網路攻擊程式的強大能力，但與其他前沿模型不同的是，它的發布並未附帶任何有意義的防護措施來限制濫用。在隔離沙箱中對離線目標執行時，GLM-5.3 在 ExploitBench 上於 410 次嘗試中有 50 次開發出端到端的漏洞利用程式。Claude Mythos Preview——由 Anthropic 約五個月前發表，並透過其 Project Glasswing 可信防禦者計畫以有限方式釋出——則在 410 次中有 56 次成功。在 Anthropic 內部的二進位漏洞利用（Binary Exploitation）基準測試中——該測試從參與 Google OSS-Fuzz 的專案中隨機抽取 100 項任務，並對達成控制流程劫持給予滿分——GLM-5.3 得分為 4%，Claude Mythos Preview 則為 6%。Anthropic 的重點不在於 GLM-5.3 領先，而在於門檻已經移動：包括 Claude Opus 4.6 與 GLM-5.2 在內的較早模型，在這些任務中一項都沒成功。

在研究人員主導的會話中，這項發現變得具體。在一台執行熱門網頁瀏覽器本地 Linux 版本的沙箱機器上，且一天內人類投入不到一小時的情況下，GLM-5.3 在瀏覽器的 JavaScript 引擎中發現了幾個先前未知的漏洞，並將它們串連成一個可用的漏洞利用程式——一個在被造訪時會讀取訪客電腦上任意檔案（包括 SSH 私鑰）的網頁。Anthropic 表示已向維護者揭露這些漏洞，且同一會話還發現了無線與圖形驅動程式，以及面向網路的裝置軟體中可利用的漏洞。在第二次會話中，GLM-5.3-Flash——體型較小、能力較弱的兄弟模型——被提供了已修補的 Chrome 漏洞（CVE-2026-11645）以及另一個漏洞的公開細節，並且在沒有明顯指示的情況下，建構了一條可靠的 ARM64 漏洞利用鏈，繞過了指標認證強化。這花了 20 分鐘的人類注意力與 8 小時的模型工作，Anthropic 以 Zhipu 的 API 費率計算，價格為 20.40 美元。

這篇文章的安全性部分是會改變部署決策的那一部分。在預設狀態下，GLM-5.3 在 Anthropic 的模擬世界中拒絕了每一個公然惡意的請求，其他所有受測模型也是如此。Anthropic 接著找到了繞過該拒絕的簡單方法，並報告了模型配合該有害請求的比率：

• 一個欺騙性提示——告訴模型它是一個正在進行演習的自主任紅隊代理：64% 的試驗。

• 預先填入模型的思考符元，讓它看起來已經考慮過該請求，並決定繼續進行：92%。

• 執行一份已做去拒答處理的權重副本，並將拒答內容編輯移除：100%。

Anthropic 表示，這三者都無法讓受防護的 Claude 模型執行相同的任務——其防護機制擋下了掩蓋說法，其 API 不提供預填思考的方式，而其權重也未對外發布，因此這些模型根本無法被 abliterate。最後這項不對稱才是具有長尾效應的那一項。Abliteration 是一種標準的降低拒答技術，而由於 GLM-5.3 以可下載權重的形式發布，任何人都能套用它：Anthropic 以約 2,200 GPU 小時、大約 4,400 美元打造了自己的 abliterated 版本，並表示連從未做過這項任務的團隊也能完成。這項改動讓 GLM-5.3 的拒答率從 90% 以上降至 JailbreakBench 上約 3%、HarmBench 上 2%、StrongREJECT 上 12%，而 GPQA-Diamond 的成績維持不變，受測的 CyberGym 子集則僅低了幾個百分點。Anthropic 表示，在該模型發布後幾天內，就已有多家開發者向公眾發布了 GLM-5.3 的 abliterated 版本，而對 GLM-5.3-Flash 進行 abliteration 則約需 600 GPU 小時。

把這一切視為單一實驗室的量測結果，而非已成定論的事實。A​nthropic 用的是自家的測試框架與自家的沙箱，自行計數嘗試次數，且未公布任何第三方複現結果，因此這裡沒有任何內容經過獨立稽核——就這層意義而言，Z.ai 自家的數字同樣如此。讓它比一般廠商宣稱更有分量的，是誘因的方向：A​nthropic 衡量的是競爭對手的模型，它公布了分母，而其發現也與 NIST 的人工智慧標準與創新中心（Center for AI Standards and Innovation）相符；該中心於 9 月 17 日評估了 GLM-5.3，稱其為「迄今發布過網路能力最強的開放權重模型」，並在 CAISI 網路資安基準的綜合評分中，將其置於落後美國前沿約四個月的位置——但附帶一項但書：該比較中的美國模型是在停用網路安全防護措施的情況下受測，且包含僅釋出給經過審查之使用者的模型。A​nthropic 自家的結論既是技術論證，也是政策論證：它表示，可自由取得的能力已跨越某個關鍵門檻、任何人都能下載 GLM-5.3，而防禦方應能取得至少與其對手所用模型同等優良的模型。在 CAISI 評估的兩週後，Epoch AI 以另一種方式量測同一段差距，得到的結果更寬——六到七個月——依據的是同一批資料中的一部分。

以上都不會改變路由決策的機制，而那正是你能掌控的部分。OrcaRouter 上的 GLM-5.3 的流量份額，依第一方價格計費——每百萬詞元 $1.40 / $4.40，零加成原價轉嫁——而自動容錯移轉會在某個模型效能下滑時，把工作負載轉移到 GLM-5.2 或另一個經過驗證的模型，因此無論哪個方向出現能力上的意外，都只是一次設定變更，而不是改寫。Anthropic 那篇文章額外帶來的，是一個值得在把安全相關或受監管的工作交給它之前先問的問題：你呼叫的模型，就是那個權重公開的模型，而代管端點並不是一道防護。企業路線不會改變這套算術。Bedrock 自己對 GLM-5.3 的定價，在全域推論設定檔上是每百萬詞元 $1.68 / $5.28，在美國版上是 $1.848 / $5.808，分別比 Z.ai 的第一方價格高出 20% 與 32%，所以用一把金鑰、以 Z.ai 的標價呼叫同一個模型，仍然是更便宜的路徑，而雲端合約換到的是採購與合規態勢。

開放網路疆界真正所在之處

Epoch AI 的 Cyber ECI 是該實驗室 Epoch Capabilities Index 中專注於網路安全的變體，其建構基礎為橫跨 35 項網路評估的基準測試結果，並在 10 月 16 日更新後納入 76 個模型。在此指數上，Z.ai 的 GLM-5.3 得分為 160.10——這是該實驗室記錄到的最高開放權重分數，高於 OpenAI 的 GPT-5.4（157.04，2026 年 3 月 5 日發布），低於 Anthropic 的 Claude Mythos Preview（164.82，4 月 7 日）與 OpenAI 的 GPT-5.5（162.22，4 月 23 日）。封閉前沿則由 Anthropic 的 Claude Opus 5.5（171.14）與 OpenAI 的 GPT-6 Astra（171.03）領先，該實驗室將這對組合列為 171 的前沿。在開放權重之中，GLM-5.3 位居 Moonshot 的 Kimi K3（157.60）與 DeepSeek 的 DeepSeek-V4-Pro（150.35）之上，並明顯領先自家的前代版本 GLM-5.2（154.12）與 GLM-5（147.95）。把 GLM-5.3 夾在它所超越的最新封閉模型與它未能超越的最早封閉模型之間，正是得出這個頭條數字的關鍵：開放網路前沿大致處於封閉前沿六到七個月前的水準——若對照 Epoch 10 月 8 日的資料截止點，GPT-5.4 與 4 月 7 日的 Claude Mythos Preview 檢查點分別將此差距定為七個月與六個月。

這裡的注意事項比平時更為要緊，而 Epoch 列出了好幾項。只有至少具備兩項資安基準測試結果的模型才會被納入指數——76 個中有 57 個——而 GLM-5.3 的 160.10 分正好建立於三項結果之上，全部來自 NIST 的 CAISI 於 9 月 17 日所做的評估。這些是該實驗室針對該模型僅有的資安結果，這表示 Epoch 的估計是對 CAISI 所公布證據的重新擬合，而非獨立重跑；六到七個月的數字與 CAISI 大約四個月的數字之所以不同，是因為基準測試組合及兩者所做的比較不同，而不是因為雙方對該模型看法分歧。Epoch 也指出，CAISI 未公布其評估的美國模型名稱，因此該實驗室將那些結果歸因於可能的領先者，例如 GPT-6 Astra 與 Claude Mythos Preview；兩個前沿模型的區間幾乎完全重疊，因此圖表頂端的排序並不像點估計所顯示的那麼確定；以及 10 月的重新擬合移動了較早公布的數值，使 Claude Mythos 5 降低 3.9 分、GPT-5.6 Sol 降低 4.7 分，因此本月的數字不應不加留意地與上個月的數字相比。在閱讀圖表之前，有一項慣例值得了解：Epoch 將限制使用與非商業授權計入開放權重，這正是 GLM-5.3 得以符合資格的原因——其權重是依 Z.ai 自訂的「glm-5.3」條款發布，而非 GLM-5.2 與 GLM-5.3-Flash 所使用的 MIT 授權。

這個排名位置所改變的，與其說是模型本身，不如說是圍繞它的論證。在10月16日之前，要稱GLM-5.3為網路安全領域最強的開放發布，意味著引用Z.ai自家的CyberGym與ExploitBench百分比，再加上某個競爭對手的沙箱測試結果；如今它已在一個公開指數上有了位置，並標明了與前沿的距離，而那個距離是讀者可以看著它變動的數字。對於任何正在權衡是否將開放權重模型用於安全相關工作的人來說，有兩件事隨之而來。落後前沿六個月並不等同於安全：前沿模型今天能建構的漏洞利用，一個落後六個月的能力在方法公開後也能建構，而Anthropic上述的結果把這些特定權重置於那個窗口之內。而排名是關於最佳可用權重的陳述，而不是關於回應你請求的端點——由不同供應商提供服務的相同權重，在每項任務成本上已經相差九倍，這是路由問題，而不是能力問題。

基準 GLM-5.3 必須擊敗

GLM-5.2 是整個故事所繫的參照點。它於 2026 年 6 月推出，是一個 743B 的混合專家（Mixture-of-Experts）模型，每個 token 約有 40B 活躍參數、1M token 的上下文視窗、128K 的最大輸出、MIT 授權，以及在 Hugging Face 上的開放權重。Artificial Analysis 的 Intelligence Index——由該實驗室而非 Z.ai 測量——現已採用重新表述的 v4.3.2 版本，在其上 GLM-5.2 (Max) 得分 34，而 GLM-5.3 (Max) 得分 45。這 11 分的差距，正是本頁在發布時所報導的相同距離；當時同一實驗室較早的索引版本中，GLM-5.2 為 53、GLM-5.3 為 60；改變的是尺規，而不是結果，而該實驗室如今已將 GLM-5.2 標記為棄用，改以其後繼者為準。GLM-5.3 的 45 分讓它在開放權重模型中排名第二，落後 MiMo-V2.6-Pro 的 46 分，並領先 Kimi K3 (Max) 的 44 分一分。那是第一個附在 GLM-5.3 上的獨立數字，且與 Z.ai 自家說法的方向——即便不是每個細節——一致。此後又有兩個第三方數據點出現：八月下旬，Perplexity 報告指出 GLM-5.3 在其開放基準 WANDR 上勝過 GLM-5.2；WANDR 是針對大規模、有證據支持的研究所設計的基準——也就是「廣而深」測試，代理必須彙整大量有來源支持的紀錄，而非回答單一問題。那一項是 Perplexity 自家的基準與自家的說法，並未公布任何分數，因此在數字出現之前，請將其視為方向性指標。第二項是 Anthropic 於 9 月 29 日的網路安全評估——這是首次由外部針對 Z.ai 此次發布所圍繞的特定能力進行測量。在長時程程式設計方面，OrcaRouter 測試框架在 Terminal-Bench 2.1 上測得 77.9，而 Z.ai 所報告的 GLM-5.2 最佳數字為 82.7，這將是首個高於 80 的開放權重分數，但屬於廠商自行報告且未經重現。定價為每百萬輸入 token 1.40 美元、每百萬輸出 token 4.40 美元。

上方的記分板是本頁在發布前所刊出的洩漏時期預測——「>1T 參數（傳聞）」那一列、未經證實的上下文與授權條款，以及預測的 AA 指數。發布時修正了最大的一格：GLM-5.3 沿用與 GLM-5.2 相同的 743B 基礎模型，因此參數量並沒有躍升。上下文視窗確認為 1M，而授權條款也不再是當初的未定之數——Z.ai 發布了自訂的「glm-5.3」授權條款，而非 GLM-5.2 與 GLM-5.3-Flash 所採用的 MIT 條款。預測的指數那一格——本頁自己估的約 57–60——則是罕見地精準命中，在發布當下的指數版本上正好是 60；該實驗室後來重新表述了這套指數，而在目前的 v4.3.2 版本上，同一款模型顯示為 45。始終沒變的仍是那個未定之數：當這個分數是在自架權重上重現時，會是什麼結果。

上述擷取是 GLM-5.3 各項說法所對照的獨立基準。GLM-5.2 曾以 53 的人工分析智慧指數（Artificial Analysis Intelligence Index）登上開放權重排行榜榜首，而那是本頁在八月所讀取的該指數版本。此後，這項基準已與其他所有模型的基準一併重新調整：在該實驗室目前的 v4.3.2 指數中，GLM-5.2 (Max) 為 34，GLM-5.3 (Max) 為 45，差距方向相同、幅度也大致相當，Kimi K3 (Max) 以 44 落後一分，MiMo-V2.6-Pro 則以 46 領先。這兩組讀數都是該實驗室以自家測試框架所得的測量結果，兩者皆非廠商數據。

定價與供應情況

GLM-5.3 的定價與 GLM-5.2 完全相同：每百萬輸入 token 為 $1.40、每百萬輸出 token 為 $4.40（國內價目為 ¥8 / ¥28），而快取輸入讀取為每百萬 $0.26 / ¥2。在第三方模型清單中，發布日期標示為 8 月 18 日；Z.ai 於 8 月 19 日公開開放 API；該模型已確認可透過 Z.ai 自家 API、ZCode、AutoClaw、GLM Coding Plan，以及越來越多第三方平台存取，並且——自 8 月下旬起——也可透過 Ollama 模型庫存取，其中 GLM-5.3 被列為雲端託管模型（glm-5.3:cloud），由美國與歐洲提供服務，並具備零資料保留。Perplexity Computer 是 Perplexity 針對長時間執行、多步驟工作的代理平台，它在同一期間加入了 GLM-5.3，現在為代理工作負載提供該模型。Ollama 標籤僅限雲端，並非本機 GGUF，因此自架路徑仍須透過 Hugging Face 權重；較小的 GLM-5.3-Flash 現在在 Ollama 上也有自己對應的雲端收錄。外洩階段已結束：可用性現在已是確認的事實，而非待追蹤的傳聞。對 API 呼叫端而言，有一項行為變更很重要：請求現在要求啟用「thinking」，並涵蓋三個投入等級——low、high 和 max——且沒有關閉選項，這對現有整合是一項破壞性變更。

Amazon Bedrock 現在也提供 GLM-5.3。AWS 於 2026 年 10 月 5 日發布該模型——也就是其自家模型卡上的推出日期——並在模型卡中描述它採用相同的混合專家（Mixture-of-Experts）設計，每個權杖約啟用 40B 參數，具備與第一方 API 相同的 100 萬權杖上下文視窗與 128K 輸出上限，且推理功能永久啟用，並可選擇推理強度層級。這條途徑並非 Z.ai 端點的複製。Bedrock 僅透過跨區域推論提供 GLM-5.3：基礎模型 ID（zai.glm-5.3）不接受區域內隨需呼叫，因此請求會經由美國地理設定檔（us.zai.glm-5.3）或全球地理設定檔（global.zai.glm-5.3）進行，而 AWS 在其列出的每一個區域都將區域內推論標示為不支援，包括四個美國區域。它額外提供的是圍繞該模型的 AWS 介面——Invoke、Converse、與 OpenAI 相容的 Responses 與 Chat Completions API、Guardrails、Agents、Flows、結構化輸出、模型評估，以及提示快取（預設為隱含，或在快取點明確指定；快取點至少 1,024 個權杖，保留時間至少 30 分鐘）——再加上標準服務層級，其中 Priority 較 Standard 溢價 75%，Flex 與 Batch 則折扣 50%。問題出在存取權限：AWS 的公告稱 GLM-5.3 已在 Bedrock 正式推出，但該公告與模型卡都將其限制為需聯絡其 AWS 帳戶團隊的合格客戶。企業途徑確實存在；目前並非自助式。閱讀 AWS 自家頁面時，有一個數字要謹慎看待：模型卡寫 GLM-5.3 的總參數為 744B，隨附公告寫 753B，而 Z.ai 與 Hugging Face 儲存庫則說 743B——同一個模型，三種總數，而且都不是獨立測量所得。

每項任務成本，以及其背後的快取命中率

同樣的價格不代表同樣的帳單，而這項差異如今是被測量出來的，而非推論而來。Artificial Analysis 指出，以第一方費率計算，GLM-5.3 (Max) 每項 Intelligence Index 任務為 $2.01，相較之下 GLM-5.2 (Max) 為 $1.47——同樣的 $1.40 / $4.40 價目表，跑完同一組固定任務，帳單卻高出 37%。有兩件事可以解釋這個現象，而兩者都寫在該實驗室自家的模型摘要裡。第一是量：GLM-5.3 在 Intelligence Index 上花費 2.1 億個輸出 token，而同類開放權重模型的中位數為 1.4 億；實驗室稱其非常冗長，而輸出正是價目表中昂貴的那一端。第二是速度：每秒 64.2 個輸出 token，中位數為 66.9，低於平均；而在長時間的 agent 執行中，同樣的 token 數也代表要付出更多的實際耗時。這取代了本頁先前所載的估算值——那份估算根據我們自己觀察到的 token 用量，將 GLM-5.3 估為每項任務約 $0.68，GLM-5.2 約 $0.44。實驗室的數字全面高於該估算，而且這些才是應該引用的數字：它們是在固定任務數量下，對十項評估取加權平均所得，而不是單一工作負載的讀數。

端點造成的損害比模型本身還大。同一個實驗室現在為其在 GLM-5.3 (Max) 上追蹤的每一家供應商（共 25 家）發布了「每項任務成本」欄位，而該欄位從最便宜端點的 0.92 美元一路到最貴端點的 8.68 美元。這是在相同權重、相同基準測試與相同推理設定下的 9.4 倍差距。（這個 9.4 倍是我們根據該實驗室公布的那個欄位所做的計算；頁面本身以文字陳述的是，混合的每百萬權杖價格「在不同供應商之間差距可達 4.4 倍」，而輸出速度差異達 1,152%。）這個差距完全不是能力上的發現——該實驗室的端點準確度指數會針對每個端點重新執行 BFCL v4-500、HLE-250 與 AA-LCR-25，而它所評分的每一個端點都達到 95% 以上，意味著供應商損失的是些許準確度，而不是模型。該實驗室指出的機制是快取。每項任務成本是依據輸入、快取命中、快取寫入、推理與答案權杖價格計算，再除以任務數，並依各基準測試在該指數中的占比加權——因此，一個代理式或程式編寫迴圈若在每一輪都重新傳送整段對話歷史，就會為那段歷史反覆付費，每一輪付一次，而其中由供應商提示快取提供的比例，則是影響總成本最大的單一槓桿。Artificial Analysis 以快取命中率來衡量該比例，將其定義為「在多輪代理式程式編寫工作階段期間所測得、由供應商提示快取提供服務的可快取輸入權杖占比」，以最近四週的中位數呈現（更新於 2026 年 9 月 26 日），並將其與每項任務成本繪製成圖。其所述的方向正是此處的關鍵：命中率越高，代表越多輸入是以較便宜的快取命中價格計費，進而降低代理式工作的有效成本。GLM-5.3 自身的快取折扣以第一方費率計為 81%——每百萬快取輸入 0.26 美元，相對於每百萬全新輸入 1.40 美元——而快取寫入與儲存則另行計費，費率因供應商而異。關於證據有一點但書：各供應商的命中率是以圖形繪出而非列表呈現，因此可以將這個差距歸因於快取這項機制，而不必為任何單一端點宣稱具體的命中率數字。

那首先是路由問題，其次才是定價問題，因為你能實際操作的變數是哪個端點來回應，而不是權重成本多少。GLM-5.3 在 OrcaRouter 上是每百萬詞元 $1.40 / $4.40，以供應商自身的定價原價轉嫁、零加成，因此供應商的價格或快取條件在變更當天就會反映到你的帳單，而不是等到下一份合約。自動容錯移轉會把工作負載從效能衰退的端點移到 GLM-5.2 或其他經過驗證的模型，而路由 DSL 正是這類規則所在之處。對於一個每項任務成本如今會因端點不同而相差九倍的模型，找出屬於你自己數字的低風險做法，是用一小片真實流量並在其後加上容錯移轉——在別人的代理迴圈上便宜的端點，未必就是在你的迴圈上便宜的那個。

Build Week 成為一個持續進行的系列 — 提供 1 億個免費 GLM-5.3 tokens

Z.ai 於 8 月 21 日將其 ZCode Build Week 變成持續舉辦的系列活動，並將公司所稱一波以 ZCode 搭配 GLM-5.3 打造專案的浪潮歸功於社群。為紀念這次重新啟動，Z.ai 向 50,000 名新的 ZCode 使用者各提供 1 億個免費 GLM-5.3 token——先搶先贏，活動至太平洋時間 8 月 23 日下午 6 點（北京時間 8 月 24 日上午 9 點）——未使用的 token 將在活動結束時到期。這項優惠及其條款均出自 Z.ai 本身：由廠商所述，不過這項贈送活動此後已獲獨立媒體報導。

這是週末構建的第二輪。第一輪於8月16日至17日進行，在推出後約一小時內因需求超過容量而被暫停——已領取的代幣不受影響，Z.ai 此後已擴展其服務端。以50,000個配額、每個配額1億個代幣計算，廣告宣傳的最大發放量為5萬億個代幣：這個獲客數字同時也是對付費 GLM-5.3 API 所運行的同一服務基礎設施進行的一次實時壓力測試。

發布為你帶來的改變

對於已經使用 GLM-5.2 的 API 呼叫方來說，實際的做法是變更模型名稱，而不是另起專案：GLM-5.2 與 OpenAI 相容，整合作業可以直接沿用，但須留意上述的 thinking-effort 注意事項。對於自行託管的人來說，等待已經結束。Hugging Face 上的官方 zai-org/GLM-5.3 儲存庫——於 8 月 25 日建立、並在 8 月 27–28 日陸續填入內容——如今收錄了完整的 743B 旗艦模型，分成 141 個 safetensors 分片，模型卡上並列出 SGLang、vLLM、TokenSpeed、Transformers 與 KTransformers 全都可作為支援的部署途徑。真正令人意外的是授權條款：Z.ai 宣告的是自訂的「glm-5.3」授權，而非 MIT——讀起來像是 MIT 授權再加上一項條件：任何模型即服務（model-as-a-service）業務，若過去十二個月營收超過 100 億美元，在商業使用前必須先通過 Z.ai 的安全審查。低於該門檻者，自行託管與一般商業使用則沒有這道關卡，不過在你依賴這些條款之前，確切的內容仍值得一讀。如果旗艦模型的規模超出你叢集所能負荷，較小的 GLM-5.3-Flash 已於 8 月 26 日以 MIT 授權發布權重——那是一個獨立、原生具備多模態能力的模型，並非旗艦款。對於 Ollama 使用者而言，旗艦模型現在距離該函式庫自家的用戶端只有一個指令之遙——ollama run glm-5.3:cloud——但那個呼叫會連上由美國與歐洲提供服務的雲端託管模型，並非本地下載；目前還沒有量化的本地標籤。要在自己的硬體上執行 GLM-5.3，仍然得使用 Hugging Face 的權重，搭配 vLLM 或 SGLang 風格的技術堆疊。對於任何在 DeepSeek V4 Pro、Qwen3.8-Max、Kimi K3、GPT-5.6 Sol 與 Claude Fable 5 這個層級中比較模型的人來說，GLM-5.3 如今已是該排名中一個實際存在、經獨立評分的變數，而非傳聞。對於企業買主而非個人開發者而言，最新的選項是 Amazon Bedrock，它已於 10 月 5 日為符合資格的客戶上架 GLM-5.3——相同的權重、相同的 100 萬 token 上下文視窗，以 AWS 合約形式交付，定價高於 Z.ai 自家的價格。

GLM-5.3 在發布日的論點是，程式編寫的前沿已經趨同：在大多數日常任務中，據說很少有使用者能可靠分辨 GPT-5.6 Sol、Claude Fable 5、Kimi K3、GLM-5.2 與 Qwen3.8-Max 之間的差別。如果這種趨同是真的，決定因素就不再是原始能力，而是價格、開放性與轉換成本——而這正是 GLM-5.3 以每百萬 1.40 美元／4.40 美元、在可自行架設的 743B 基礎模型上卡位之處，其承諾的 8 月 28 日權重釋出如今已經兌現。程式編寫模型是否真的可以互換，是一種觀點，而非基準測試；但價格、參數量與權重發布日期可不是。

在路由方面，GLM-5.3 於 8 月 18 日在 OrcaRouter 上線，同一天該模型也在更廣泛的市場上線——以第一方建議售價每百萬 token 1.40 美元 / 4.40 美元，零加價直接轉嫁。下面的螢幕截圖顯示的是 GLM-5.2 的頁面，而這正是 GLM-5.3 現在的樣貌：相同的價格、相同的 1M token 上下文、相同的 128K 最大輸出。將一部分真實流量路由到 GLM-5.3，並自動故障轉移到 GLM-5.2 或其他經過驗證的模型，這只是配置變更，而非重寫——同一個金鑰，無需第二份合約。如果新模型在你的工作負載上表現退步，路由器會在頁面翻動之前就回退，你便能從自己的流量中獲得品質訊號，而不是來自廠商的投影片。對於一個旗艦宣稱大多仍屬廠商自述的模型而言，這正是低風險自行驗證的方式。

接下來要看什麼

• 開放權重發布如今正式成真：Z.ai 於 8 月 28 日確認，宣布旗艦模型開源，並指向 Hugging Face 上的權重與一份技術深度解析。令人意外的是授權條款——採用自訂的「glm-5.3」條款，而非 GLM-5.2 與 GLM-5.3-Flash 所使用的 MIT 條款——因此自行託管前請詳讀其確切條款。Anthropic 於 9 月 29 日的評估，是首個外部檢驗，審視這次發布的防護措施究竟價值幾何：它發現內建的拒絕機制可藉由掩護說詞、預填思維或去勢（abliterated）副本加以突破，而在權重釋出後數日內，去勢變體便已開始流通。

• 是否會在 Ollama 上後續提供本地 GGUF 標籤。目前模型庫將 GLM-5.3 列為僅限雲端；若加入量化後的本地標籤，Ollama 使用者的自架路徑將可縮減為單一指令，而雲端標籤仍會是第二條服務途徑。

• 六到七個月的資安落差究竟會縮小，還是維持不變。Epoch AI 目前在其 Cyber ECI 上以 160.10 把 GLM-5.3 列為開放權重模型之首，落後封閉式前沿模型的 171 約六到七個月——但這個數字建立在三項 CAISI 基準之上，而那也是該實驗室針對這個模型僅有的資安評測結果，更何況十月的重新校準已經讓較舊模型的分數變動了好幾分。第二個資料來源，或由第三方重新跑一遍 Z.ai 自家的測試框架，將會是第一個不回溯到 CAISI 的查核。Anthropic 於 9 月 29 日的評估仍是另一項獨立判讀，而它發現內建的拒答機制可被一套掩護說詞、一段預先填入的思路，或一個經過 abliteration 處理的複本所突破。

• Perplexity 的 WANDR 宣稱是否附有數據。GLM-5.3 在 WANDR 上勝過 GLM-5.2 是 Perplexity 自己的基準測試與自家測試，且尚未公布任何分數——獨立執行將是對該模型代理式研究表現的首次第三方檢驗。

• 指數在自架副本上最終會落在哪裡。45 是對照一個提供服務的端點測得的；而自架版本——現已可下載，並附上授權條款——才是團隊實際上會重新部署、獨立實驗室會重新進行基準測試的版本。該實驗室已經重新表述過這項指數一次，所以預期這個數字還會再度變動。

• D​eepSeek V4 Flash 宣布的價格調漲，為 GLM-5.3 被評判時所依據的定價區間定下基準，也顯示封閉前沿模型的每項任務成本如何隨之變動：G​PT-5.6 Sol（max）在指數上以 47 對比 GLM-5.3 的 45，而該實驗室已將 Sol 標記為棄用，轉而支持 G​PT-6 Sol。

• 目前正在進行的 Build Week 系列在高需求下是否能保持健康運作——第一輪在一小時內就崩潰了，而系列活動的框架使得每一輪未來都會成為付費 API 所依賴容量的全新負載測試。

多模態洩漏是否會落實為正式釋出的模型，仍有待觀察。sglang 處理器相關工作是程式碼層級的證據，顯示旗艦產品線正為影像輸入做好準備，而 Perplexity 對 Computer 提出的「多模態代理工作負載」訴求也指向相同方向——但這僅是定位宣傳，並非已釋出的模型，且目前沒有任何多模態 GLM-5.3 的發布公告或評測數據。在模型卡、說明文件頁面或權重檔案出現之前，請先別將其視為真實產品。

• Bedrock 的企業大門是否敞開。AWS 的公告稱 GLM-5.3 已在 Bedrock 正式推出，但模型卡卻將其限制於需聯絡 AWS 帳戶团队的合格客戶，且完全不支援區域內推論——每項請求都會跨區域，不論是在美國地理設定檔內，還是在全球設定檔上。決定哪些企業本月能呼叫它的，是這道閘門，而非區域清單。

常見問題

GLM-5.3 是比 GLM-5.2 更大的模型嗎？

不。Z.ai 及其聯合創辦人 Tang Jie 均表示，GLM-5.3 使用與 GLM-5.2 相同的 7430 億參數混合專家（Mixture-of-Experts）基底，具備相同的 1M token 上下文視窗，以及每個 token 約 400 億個活躍參數。所有報告的提升均來自後訓練階段——Tang Jie 將此變更描述為在未更改的基底之上疊加了一個月的長視野強化學習——而非參數增加，這直接糾正了洩漏時期關於基底超過一兆參數的傳聞。該架構主張仍為創辦人及公司自身的說法，未經獨立稽核。

GLM-5.3的開放權重何時會發布？

他們發布了。Hugging Face 上官方 zai-org/GLM-5.3 儲存庫——8 月 25 日建立，權重檔案在 8 月 27 日至 28 日期間上傳——現在託管了完整的 743B 旗艦模型，落點正是 Z.ai 從發布之初就預告的 8 月 28 日。Z.ai 本身也在 8 月 28 日宣布了這次發布，宣告權重開放，並指向 Hugging Face 儲存庫與一篇技術深度解析。授權條款現在也已明確：採用自訂的「glm-5.3」授權，而非 GLM-5.2 與 GLM-5.3-Flash 所用的 MIT 條款——大致上是 MIT 授權再加上針對大型 MaaS 供應商的安全審查條件，因此實際依賴這些條款前，請務必閱讀確切內容。Z.ai 另已表示，敏感的網路安全功能將限制在經過驗證的使用者「受信任存取」計畫中。

我應該如何處理基準數字？

將這份清單分成三類。Z.ai 自家的數字——程式編寫能力的躍升（Terminal-Bench 3.0 為 28.3、DeepSWE v1.1 為 66.9、SWE-Marathon 為 42.5）以及資安結果（CyberGym 84.5%、ExploitBench 54.4%）——來自該公司的公告，在獨立測試框架重現之前，仍屬於廠商自行報告的數據。獨立來源這一類才是現今的重心所在：Artificial Analysis 的 Intelligence Index——在現行 v4.3.2 版本中，GLM-5.3 (Max) 為 45，對比 Kimi K3 (Max) 的 44 與 GLM-5.2 (Max) 的 34——以及其針對同一模型、依端點分列的 Cost per Task 欄位，在其追蹤的 25 家供應商之間介於 $0.92 至 $8.68，Anthropic 的 Frontier Red Team 在 ExploitBench 上的測量結果（410 個端到端漏洞利用中成功 50 個），以及其內部二進位漏洞利用基準（4% 的完整控制流程劫持），NIST 的 CAISI 於 9 月 17 日的評估，以及 Epoch AI 於 10 月 16 日發布的 Cyber ECI，其將 GLM-5.3 列在 160.10——在開放權重模型中排名第一，落後於達 171 的封閉前沿模型六到七個月，儘管該估計依據的是三項 CAISI 基準，以及 Epoch 自身對模型識別與信賴區間的警告。Perplexity 聲稱 GLM-5.3 在 WANDR 上勝過 GLM-5.2，這自成一類、屬於第三類——別人的基準、別人的說法，沒有公布任何分數。該拿來與 Z.ai 數據權衡比較的是這些獨立數字，而成本與快取數據則是該實驗室對自家測試框架的自行測量，而非廠商產出的結果。

為什麼 GLM-5.3 在某些供應商運行的成本會比其他供應商高出這麼多？

由於每項任務的成本主要取決於供應商能從其提示快取中供應多少對話內容，而 token 定價差異則疊加在其上。Artificial Analysis 根據輸入、快取命中、快取寫入、推理與回答 token 的價格計算出這個數字，再除以任務數量，並依各基準在 Intelligence Index 中的權重加權。代理式與程式編寫工作負載每一輪都會重新傳送整段對話歷史，因此提示中可快取的部分會被重複計費，而供應商以快取而非完整輸入價格供應的比例，是影響總成本最大的單一槓桿。快取寫入與快取儲存則依各供應商的特定費率另行計費。在 GLM-5.3 (Max) 上，實驗室追蹤的 25 個端點中，得出的欄位範圍從 $0.92 到 $8.68——在相同權重與相同基準下約為 9 倍——這正是為何成本決策取決於端點，而非模型。

我可以透過 Ollama 在本機執行 GLM-5.3 嗎？

還沒。GLM-5.3 已在 Ollama 庫中列出，但僅作為雲端託管模型 — glm-5.3:cloud，從美國和歐洲提供服務，且零資料保留。目前沒有本地的 GGUF 標籤，因此現在 ollama run glm-5.3:cloud 會呼叫託管模型，而不是將副本下載到您的機器上。自架路徑仍是以 Hugging Face 權重搭配 vLLM 或 SGLang 風格的技術棧，而雲端標籤是為已在使用 Ollama 的讀者提供的第二種服務路由。

洩漏是真的，發表會確認了名稱、定調和時機——而兩個月後，Z.ai 作為其發表會核心的網路能力，已由兩個外部機構進行評估，並由第三個機構進行排名。Anthropic 的 Frontier Red Team 認為 GLM-5.3 在端到端漏洞開發上與 Claude Mythos Preview 僅差幾次嘗試，稱該模型對開放發布而言異常強大，並補充了一項對任何部署它的人來說更重要的發現：防護措施真實但淺薄，且權重可下載，因此拒絕只是一種配置，而非保證。NIST 的 CAISI 從另一個方向得出了相容的結論——迄今為止最佳的開放權重網路模型，約落後美國前沿四個月。Epoch AI 現在已將該結論轉化為一個排名：在其 Cyber ECI 上得分 160.10，在開放權重模型中排名第一，高於 OpenAI 的 GPT-5.4，並落後 Anthropic 的 Claude Opus 5.5 和 OpenAI 的 GPT-6 Astra（171 分）六到七個月——這個數字最終建立在三個 CAISI 基準測試之上，且對此誠實。Artificial Analysis 提供了第四個外部測量，而這是成本方面的：以第一方費率計算，每個 Intelligence Index 任務為 2.01 美元，而同一任務根據哪個端點回應，費用從 0.92 美元到 8.68 美元不等。廠商數字仍然是廠商數字，授權仍然是自訂的，而旗艦產品線是否走向多模態的問題仍然開放。已經改變的是，開放與封閉網路能力之間的差距不再是讀者必須憑信心接受的東西——它是一個已發布的數字，其方法可供檢視。找出該模型在你的工作上表現如何的最便宜方法，仍然是將一小部分真實流量進行切換，並在故障時切換到經過驗證的模型。

這類開放權重模型所涉、已有紀錄的 AI 事故與代理失效，皆收錄於 OrcaRouter AI Incident Archive，其中每筆條目都附有各自的來源、嚴重程度、信心等級與爭議標記。