8 月 14 日，智谱发布新一代旗舰模型 GLM-5.3。8 月 19 日，API 正式开放调用，定价与 GLM-5.2 持平。从测试结果看，GLM-5.3 进步明显，在 Artificial Analysis 最新综合智能指数中拿到 60 分，进入全球前沿模型区间，与 Claude Fable 5、GPT-5.6 Sol 等闭源旗舰处在同一档，并与 Kimi K3 并列开源模型第一。

但模型能力提升，并没有延续与前代的市场热度。4 月 GLM-5.1 发布时，智谱收盘上涨 11.5%；6 月 GLM-5.2 发布，股价又涨了 32.8%。但 GLM-5.3 模型发布当天，智谱股价下跌 3.6%。模型发布后的行业讨论度，也远不如此前几次旗舰亮相。模型明明更强了，为什么没有再次成为市场焦点？

这种反差并不意味着 GLM-5.3 没有变强，而是说明在国产模型密集迭代、能力差距快速收窄的当下，模型跑分领先已经很难让市场兴奋。对智谱来说，更重要的问题是，更强的模型还能带来多大的差异化优势？这种优势又能不能继续转化成产品和收入？

后训练：把已有能力 " 练深 "

GLM-5.3 最值得关注的变化，是通过扩大后训练规模，取得了较为明显的成绩提升。简单理解，智谱没有重新训练一个更大的基座模型，而是让现有模型在更复杂、更接近真实工作的环境里反复训练，把已有能力继续 " 练深 "。

大模型研究员曾小健告诉「AIX 财经」，预训练更多是在增加模型 " 读过的东西 "，后训练则是在增加模型 " 做过的事情 "。模型不只是继续学习知识，还要进入真实环境做任务、拿到反馈，再根据结果调整自己的做法。

支撑起这轮后训练的，是此前打造的一套训练方式。IndexShare 主要降低长上下文的计算成本；SAO 让一条任务完成后就可以进入训练，不必等整批任务全部结束；slime 框架则把模型执行任务和根据结果更新模型两个环节拆开运行，减少不同任务耗时差异带来的算力闲置。

曾小健举例，假设 100 个 Agent 任务里，有 80 个十分钟就能完成，有 15 个需要半小时，最后 5 个却要跑两个小时。传统训练方式会要求这一批任务全部结束后才能进入下一步，先完成的任务也只能干等着最慢的那 5 个，昂贵的 GPU 就会闲着。新的框架不再等所有任务一起 " 交卷 "，这样可以减少等待时间，提高算力利用率。

训练效率提高之后，还得有足够多的 " 题 " 给模型练。GLM-5.3 搭了一套自动生成训练环境的流程。Research Agent 负责从真实工作中寻找任务，再由 Judge Agent 亲自跑一遍，确认任务确实能完成；系统还会检查模型有没有利用评分漏洞抄近路。可以理解为让 AI 自己出题、试做和验题，再把合格的题目送进训练。

编程能力：从 " 会做题 " 到 " 能干活 "

这一套方法的效果首先体现在编程能力上。从基准测试成绩来看，GLM-5.3 提升比较明显的项目，大多和长程软件工程、终端操作和自动化任务有关。比如，强调长程软件工程的 DeepSWE v1.1，从前代的 46.2 分提高到 66.9 分。说明 GLM-5.3 更能把一项复杂任务从头干到尾。它能够理解一个陌生项目，自己定位问题、调用工具、修改代码，再根据测试结果继续修正。

智谱自己的 Code Bench 也在强调这一点。这套测试直接把模型放进本地开发环境，任务设置不同难度，在最高难度下，GLM-5.3 用平均约 7.5 万输出 Token 取得 34.5% 的成绩，GLM-5.2 则需要约 9.6 万 Token，成绩只有 23.4%。

曾小健认为，完成率提高、Token 消耗反而下降，比单纯的跑分上涨更值得关注，这说明模型学会了更有效地探索，而不是靠堆更长的思考时间换成绩。

独立开发者李然的体验也印证了这种变化。他认为，GLM-5.3 相比 GLM-5.2 进步明显，ZCode 的 Goal Mode 是他感受最深的功能。给定一个目标后，模型会持续推进、检查和验证，直到任务完成，长任务的可靠性比上一代更高。

网络安全：提升超一倍，已发现 2436 个真实漏洞

另一块提升更加显眼，是网络安全。在考验漏洞利用推理的 ExploitBench 中，GLM-5.3 从前代的 24.4% 提高到 54.4%，提升超过一倍。安全任务要求模型不仅读懂代码，还要继续判断漏洞藏在哪里、怎样触发，对代码理解、工具调用和长程规划的要求更高。

这项能力也已经进入真实项目。智谱官方提到，从 GLM-5.2 开始，智谱就联合国内多家安全机构，用模型持续寻找真实项目中的漏洞。到 GLM-5.3 发布时，经过专家复核、筛选和去重，累计发现 2436 个漏洞，覆盖 269 个项目，其中 1097 个属于中高危问题，部分漏洞已经存在数十年。

综合来看，GLM-5.3 相对前代的变化在于：编程能力更接近完整工程任务，长任务的稳定性有所提升，网络安全能力的进步幅度尤其明显。

横向对比：第一不少，但差距未拉开

但一款模型有没有竞争优势，还得放到同期对手中看。我们选择阿里、月之暗面和深度求索的最新旗舰模型作为参照，一方面因为这几款模型都在近期迎来更新，另一方面，Coding、Agent 和长程任务也是它们共同投入的重点方向。

单从成绩来看，GLM-5.3 的确拿到了不少第一，其中网络安全的优势最明显；Coding 和长程 Agent 也已经进入第一梯队，但和 Kimi K3、DeepSeek V4 Pro 相比，没有形成明显差距。

再看各家手里的牌。DeepSeek V4 Pro 仍有综合能力和价格优势；Kimi K3 在长程软件工程上与 GLM-5.3 几乎贴身竞争，同时拥有原生多模态，能力覆盖更完整；Qwen3.8-Max 虽然部分跑分不占优，但背靠阿里生态，在企业工作流和应用落地上更有基础。

所以，GLM-5.3 确实更强了，但还没有形成让同期国产旗舰模型短期难以追赶的优势。

为什么没刷屏？升级方向 " 专业 " 且与用户期待错位

那么，为什么 GLM-5.3 的能力提升没有带来同等规模的传播？

一个直接原因，是它选择的升级方向相对 " 专业 "。这轮更新主要升级的两个方向，一个是编程能力，主要服务开发者；另一个是网络安全能力，受众主要是安全研究人员和企业客户。能力都实用，但受众也相对集中。

这和 GLM-5.3 发布前的用户期待存在错位。此前智谱创始人唐杰在 X 上征集用户对新模型的期待，视觉、多模态能力是呼声较高的方向。原因并不难理解，现在越来越多的 Agent 任务已经不只是处理文字。做网页要看截图，改 UI 要理解设计稿，分析报告可能包含图表和 PDF，甚至写代码时也经常需要根据页面效果继续调整。

李然提到，不少开发任务其实很难完全用语言描述清楚，尤其是页面设计和创意编码。有了视觉能力后，模型能直接 " 看结果 "，就不用反复把需求翻译成文字。在他的实际使用中，GLM-5.3 目前还缺少视觉能力，这在一定程度上限制了它在更广泛场景中的适用性。