智谱 AI 在其开放平台（BigModel）上发布了新一代旗舰基座模型 GLM-5.3。官方将其定位为”旗舰基座模型”，主打”以极致后训练 Scaling 实现能力跃迁”——在与 GLM-5.2 完全相同的基座上，依托数十倍规模的长程任务环境、更丰富的环境类型与超长周期的后训练，编程体感较前代提升 50%，并在 Terminal Bench 3.0 等公开基准中位列开源模型第一。
规格与能力
GLM-5.3 为纯文本模型，上下文窗口 1M Token、最大输出 128K Token。能力矩阵覆盖流式输出、Function Calling、上下文缓存、结构化输出（JSON），并支持通过 MCP 灵活调用外部工具与数据源。思考功能始终开启、不可关闭，提供 low、high、max 三档思考等级（默认 max）；官方建议 Coding 等复杂任务使用 max 档位，若迁移时应用传了 thinking.type: "disabled"，需改为 enabled 并将 reasoning_effort 设为 low，否则请求会失败。
编程与 Agent 能力再突破
官方称，GLM-5.3 在多项主流基准中位居前列的开源模型，编程与智能体能力比肩 Claude Fable 5，实际编程体感领先其他国产模型：
| 基准 | GLM-5.2 | GLM-5.3 |
|---|---|---|
| Terminal-Bench 3.0 | 4.6 | 28.3 |
| DeepSWE v1.1 | 46.2 | 66.9 |
| Agents’ Last Exam | 23.8 | 28.5 |
| GDPval-AA v2（44 种职业） | — | 1769 分 |
在覆盖 44 种职业的 GDPval-AA v2 中取得 1769 分，展现出从编程向专业任务执行延伸的能力。智谱内部基准 Z.ai Code Bench（~7.5 万 Token/任务）上，Max 档位准确率从 5.2 的 23.4% 提升至 34.5%，High 档位约用一半 Token 即达 31.4%，超过 Claude Opus 4.8 的 29.5%（但距 Claude Fable 5 的 Max 档 39.5% 仍有差距）。模型更强调”不只做出 Demo，更能交付复杂项目”：能在数万行代码、上百个文件及多个相互依赖的系统之间持续推进，面对前端开发、Bug 修复、代码重构等真实任务，可在极少人工干预下自主开发、反复验证，把项目推进到可交付状态。
真实专家工作流中完成后训练 Scaling
与其前代只在孤立的编程题上训练不同，GLM-5.3 的训练扩展到了从发现问题、分析方案到实施、验证、交付的完整流程。部分训练任务相当于资深工程师连续数天的工作量，模型需要使用真实的计算集群、存储系统、内部文档与代码库完成任务。官方强调，在相近 Token 预算下，GLM-5.3 在完成质量、执行速度与使用成本之间取得了更好的平衡。
涌现更强网络安全能力
随着长程任务环境不断扩展，GLM-5.3 在白盒代码审查、漏洞发现与验证等安全任务中涌现出超出预期的能力：
- CyberGym（白盒漏洞识别）：84.5%，略高于 Mythos 5 的 83.8% 与 GPT-5.6 Sol 的 83.6%；
- ExploitBench（漏洞利用推理）：由 24.4% 提升至 54.4%；Mythos 5 为 78.0%、GPT-5.6 Sol 为 76.5%；
- ExploitGym（时间归一化的漏洞利用任务）：2 小时完成 105 项、6 小时完成 130 项，远超 5.2 的 29 与 39 项。
规律上，基准越深入漏洞利用链路，GLM-5.3 相对 5.2 的提升越大、与闭源前沿模型的差距也越大——官方称之为”当前差距最大的方向，恰恰也是能力增长最快的方向”。
此外，智谱自 GLM-5.2 起与多家中国安全团队合作，在 269 个真实项目中发现 2,436 个漏洞，其中 1,097 个中高危漏洞，覆盖内核、操作系统、浏览器引擎、基础设施、Web 应用与网络协议等，最长被隐藏的漏洞潜伏约 40 年；相关进展记录在 Z.ai 安全漏洞披露台账中。
上线情况
目前 GLM Coding Plan 已全量上线 GLM-5.3，采用积分配额制，非高峰时段（含周末全天）消耗标准积分的 50%；模型 API 将于近期上线，届时将同时开放完整调用示例（OpenAI Chat Completion / OpenAI Response / Anthropic Message 三种协议）与模型体验中心。具体定价尚未公布。
注：以上数据均来自智谱官方 GLM-5.3 模型文档页；API、定价与 Coding Plan 规则以上线时公布为准。
