更强的GLM-5.3，为什么没有刷屏？
时间：2026-08-22 16:34
上述文章报告出品方/作者： 定焦One ；仅供参考，投资者应独立决策并承担投资风险。
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。GLM-5.3沿用GLM-5.2模型的基座，主要靠扩大后训练规模提升Coding、长程Agent和网络安全能力。目前，模型已经向全部GLM Coding Plan用户开放，并上线ZCode、Claude Code、OpenCode等主流编程工具。模型权重将于下周五开源。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，GLM-5.3拿到60分，进入全球前沿模型区间，和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。此外，按照Artificial Analysis统计的单任务成本，GLM-5.3在同档模型中属于低成本选手。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？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。了解完这个大的前提，我们来具体看看GLM-5.3在哪些方面有了进步。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。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。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。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做常规代码任务好用，水平高过Kimi K3、略逊于GPT-5.6 Sol，但到了游戏生成、创意编码这类依赖视觉反馈的场景，体验就比较一般，还出现过生成的页面按钮都是歪的情况。更大的变化在于，新模型的新鲜感正在被密集的发布节奏快速消耗。仅智谱一家，GLM-5.1在4月发布，GLM-5.2在6月更新，8月14日GLM-5.3又接棒，基本保持两个月左右一次旗舰迭代。同行自然也没闲着。7月中旬Kimi K3上线，8月初Qwen3.8-Max跟进，8月中旬DeepSeek V4 Pro正式版发布。不到一个月，就连续迎来四款国产旗舰模型。一个模型刚刚凭跑分冲到前面，几周后就有新版本把它盖过去。频率提高之后，“第一”的含金量就没那么高了。前两年，一家公司突然在某项核心能力上追平甚至超过海外旗舰，很容易成为行业热点事件。到了现在，头部国产模型已经基本站到了相近的能力区间。智谱这次把Coding往前推了一截，Kimi下一代也可能继续强化长程软件工程，DeepSeek做好后训练，同样可以迅速追赶Agent任务。领先的窗口期，开始按周计算。能力趋同的背后，是各家在解同一道题。Coding需要更好的训练环境和高质量代码数据，Agent需要更长的任务轨迹和工具调用训练，多模态需要补足图片、视频等信息理解。一家公司验证出一条有效路径以后，同行很快就会投入算力、数据和工程资源。结果就是大家都在卷Coding、强调Agent、拉长上下文、补多模态。GLM-5.3提升的方向，恰好是竞争最拥挤的方向。“爆款”的门槛也因此变高了。光靠能力提升不够，还得有一个“人无我有”的话题点。以与GLM-5.3几乎同期发布的DeepSeek V4 Pro正式版为例，深度求索还同步开源了首款Harness产品，主打“一切皆插件”，通过模型、工具、Agent运行组件都可以重新组合的玩法给常规升级造出了新话题。这样来看，GLM-5.3没有形成此前的传播热度几乎是必然。能力的提升没有超出预期，方向上又绕开了用户最想要的多模态，发布的时间节点还撞上DeepSeek。回到公司层面，真正影响长期价值的，是过去靠编程跑出来的增长还能不能延续。2025年9月，智谱推出GLM Coding Plan。进入GLM-5系列后，又持续强化编程和长程任务能力，并进一步推出编程工具ZCode。开发者愿意为效率付费，编程成了智谱API增长最快的场景，也初步验证了模型能力、用户调用和商业收入之间的联系。但智谱早期吃到的先发红利正在减弱。其他国产厂商都已经把编程当作旗舰模型的升级方向，开发者可选择的模型越来越多。此外，智谱也在告别低价获客。GLM Coding Plan刚推出时，入门价格只需20元/月，7月底全面开放购买后，Lite版已经涨到118元/月。同时改为积分制，设置每5小时和每周的额度上限。涨价有现实的难处。Coding Agent比普通聊天“吃”Token，一项长任务可能连续运行数小时，消耗数万甚至数十万Token。需求在涨，智谱的推理算力供给却有限，低价很难长期维持。但对开发者来说，价差足够大时，便宜就会成为换模型的理由。况且模型的切换成本并不高，开发者完全可以同时使用多款模型。所以，编程场景已经证明智谱能够把模型能力变成收入，但接下来的考验，是能否把这批靠模型优势吸引来的用户留下来。智谱的解法是往产品上走。单纯卖API，开发者可以随时切换模型；但进入Agent之后，项目上下文、工具配置和工作流程会逐渐沉淀，迁移成本自然就高了。ZCode和AutoClaw的作用，就是让智谱从模型供应商进一步进入真实工作流，在模型能力之外建立更长期的用户关系。到了产品层，智谱面对的是两拨对手。一边是阿里、字节这样的大厂，手握用户、账号、数据和业务生态，可以把AI直接接进办公、云服务和消费场景；另一边是月之暗面、深度求索这样的模型公司，正在不断向上做产品。智谱既要和大厂拼入口，又要和同类公司抢开发者。产品对智谱还有一层价值在于用户反馈。曾小健提到，GPU可以买，开源框架可以复制，算法论文会扩散，但真实工作环境、任务分布、可靠的验证机制和用户反馈会成为更难复制的资产。沿着这个判断看，产品除了能积累订阅用户，还能让这些真实反馈进一步帮助它打造下一轮后训练的“真题”。模型能力带来用户，产品沉淀真实任务，真实任务再帮助模型继续提升，这套循环转起来，智谱才能把阶段性的模型优势沉淀得更久。但只有编程一个场景还不够。GLM-5.3新强化的网络安全已经表现出明显优势，也有机会打开企业需求，但还没有验证出能带来大规模、持续增长的Token调用。智谱的MaaS业务已经证明市场愿意为模型能力付钱。2025年，云端MaaS服务收入占总营收26.3%；截至2026年3月，MaaS平台ARR约17亿元，过去一年增长约60倍。与此同时，本地化部署收入仍占73.7%。这说明“中国版Anthropic”的故事已经有了商业基础，但距离主要依靠标准化API和产品持续放大收入，还有一段路要走。7月，唐杰提出“摸高计划”，未来两年继续押注长程任务、自治智能体系统、完全自我训练和安全治理。智谱仍要继续把模型能力往上推，但商业上还需要找到第二个、第三个像编程一样的高频付费场景，把技术领先尽快转化为产品使用和收入增长。GLM-5.3证明智谱还能把模型做强，更难的考题是，如何把这种能力持续转化为产品和生意。
VIP复盘网
