GLM-5.3

是什么

GLM-5.3 是智谱（Zhipu，也称 Z.ai）发布的开源权重（open-weight）大语言模型，发布于 2026 年 8 月 14 日。包含较小的 GLM-5.3-Flash 变体在内的模型权重于 2026 年 8 月 25 日上传至 Hugging Face^[2][3]。该版本采用自定义的 GLM-5.3 许可证，而不是标准的开源许可；模型卡给出的参数量为 753B，涵盖 BF16、F8_E4M3 和 F32 三种张量类型^[1]。

同一个基座，不同的收尾

GLM-5.3 与 GLM-5.2 共用同一个基座模型，智谱表示所有提升都来自后训练（post-training）^[1][2]。这句话是这次发布里最值得注意的部分。预训练（pre-training）是模型先读极大量文本、学习语言与代码一般规律的那个漫长而昂贵的阶段；后训练则是这之后的所有训练，用整理好的样例、指令跟随数据和反馈信号，把模型在具体任务上的行为塑造出来。把基座固定住，这次发布就变成了一次演示：不重新做预训练，只靠第二阶段，还能往上走多少。

两个开关

模型卡介绍了两个实用设置。`reasoning_effort` 可取 low、high、max 三档，不传该参数时默认是 max；模型卡建议复现基准成绩时保留这个默认值^[1]。另一个是 `clear_thinking`，它默认为 false，模型卡建议在对话场景中传入 `clear_thinking=true`^[1]。

智谱报告的结果

智谱称，在其内部 Z.ai Code Bench 上相比 GLM-5.2 提升 50%，并在 Terminal Bench 3.0 与 Agents' Last Exam 上取得开源模型中的最好成绩^[1]。在单项基准上给出的对比为（前者 GLM-5.3，后者 GLM-5.2）：Terminal Bench 2.1 为 88.2 对 81.0；DeepSWE v1.1 为 66.9 对 46.2；SWE-Marathon 为 42.5 对 19.4；带工具的 HLE 为 62.5 对 54.7^[1]。

这些基准考的都是干活，而不是回忆。Terminal Bench 让模型通过命令行完成任务；DeepSWE 和 SWE-Marathon 考察较长时间跨度的软件工程工作；HLE 这一项是在允许使用工具的情况下记录的，也就是模型可以调用外部程序，而不是仅凭记忆作答。从数字走向看，提升最大的是长程编程与智能体任务——模型需要自己规划若干步、并在出错后纠正；提升较小的是终端操作，这一项原本已经较强。

网络安全

智谱同时给出了网络安全类成绩：CyberGym 为 84.5，GLM-5.2 为 77.2；在利用类基准上超过 GLM-5.2 两倍以上，ExploitBench 为 54.4 对 24.4^[1]。这类能力是两个方向的事：它有助于发现和修补漏洞，同时也正是当模型权重可以被任何人下载时，政府和安全团队会重点跟踪的能力。

外部评估

2026 年 9 月，NIST 下属负责评估 AI 系统的 CAISI 认为，GLM-5.3 是网络安全方面最先进的开源权重模型；Anthropic 对其网络能力的评价与 Claude Mythos Preview 相近^[2]。这些是第三方的判断，而不是厂商自述，且针对的是一个任何人都能下载的模型。

在发展中的位置

这次发布是更大趋势中的一个样本：当基座模型逐渐趋同，能力增量主要出现在后训练环节，一个固定的基座加上更好的收尾阶段，就能让智能体与安全类基准明显移动。GLM-5.3 还带着一份自订许可而非既有开源许可面世，并且一开始就有针对其网络能力的独立评估记录——这两件事共同决定了这样一个模型能被如何使用、被如何讨论。