GLM-5.3是智谱AI于2026年8月14日正式发布的新一代基座模型，总参数规模达7430亿。与前代GLM-5.2相比，基座模型完全未变，所有性能提升均来自后训练阶段的规模化扩展。在Artificial Analysis综合能力评测中，GLM-5.3取得60分，与Kimi K3并列开源模型第一，编程能力接近Claude Fable 5水平。本文从参数配置、基准实测、网络安全能力、API定价及调用方式五个维度，全面解读GLM-5.3的性能表现与实际价值。 GLM-5.3是什么
GLM-5.3是智谱AI于2026年8月14日发布的新一代大语言模型，8月19日凌晨正式开放API调用。该模型与前代GLM-5.2沿用完全相同的基座架构，总参数量维持在7430亿，所有能力提升均来自后训练阶段的强化学习 Scaling——这意味着前沿模型的迭代未必需要更大的参数规模，通过极致的后训练同样可以显著抬高智能上限。
根据智谱官方技术报告，GLM-5.3的核心突破体现在三个方面：
- 编程能力大幅跃升：内部评测平台Z.ai Code Bench显示，编程能力较GLM-5.2提升50%，在Terminal-Bench 3.0、Agents' Last Exam等公开基准上拿下开源第一
- 涌现网络安全能力：在CyberGym漏洞推理评测中得分84.5%，超越Mythos 5和GPT-5.6 Sol，在漏洞发现环节已追平全球顶尖水平
- 效率与效果兼得：在High档位下准确率达31.4%，超过Claude Opus 4.8最高档位的29.5%，而每任务平均仅输出约5万tokens（Opus 4.8需约12万tokens）
GLM-5.3基准实测成绩
GLM-5.3在多项主流基准测试中的成绩均刷新开源模型纪录，以下为实测核心数据汇总：
实测结论：GLM-5.3在Terminal-Bench 3.0上实现515%的分数跃升（4.6→28.3），在DeepSWE v1.1上提升45%，编程体感超过所有国产模型，直逼Claude Fable 5。越接近漏洞发现前端，提升越显著；越深入完整漏洞利用链，与Mythos 5等闭源前沿的差距越小。
GLM-5.3的网络安全能力
GLM-5.3最值得关注的能力突破并非编程，而是随其后训练规模扩大而涌现的网络安全能力。智谱从2025年9月便启动网络安全方向研究，在GLM-5.2、GLM-5.3研发期间持续加码，与国内多家头部安全实验室共建任务环境和评测框架。
漏洞发现：已达全球顶尖水平
在CyberGym白盒代码审查评测中，GLM-5.3得分84.5%，高于GLM-5.2的77.2%，也略高于Mythos 5的83.8%和GPT-5.6 Sol的83.6%，创下该基准最佳成绩。
真实世界漏洞挖掘成果
模型发布前两周，智谱联合清华、南开及多家头部安全团队开展密集红队测试，基于真实代码库进行扫描，经专家审核、筛选和去重后，累计发现漏洞2436个，其中高危及严重漏洞1097个——包含107个关键漏洞和990个高危漏洞，覆盖系统内核、操作系统、浏览器引擎、开源基础设施、Web应用及网络协议等领域，最早可追溯至约40年前。
标志性发现：研究人员借助GLM-5.3发现了潜伏40余年的DNS协议级风险，攻击者仅需少量特殊请求即可将服务器压力最高放大近8万倍，潜在影响超过1000万处公网DNS服务。
"开源的盾"计划
随着GLM-5.3的发布，智谱同步启动"开源的盾"计划：
- 对重点开源项目开展持续安全审计，帮助维护者免费发现和修复风险
- 向开源社区免费提供模型额度及更便捷的防御入口，开源项目维护者可申请用于安全审计和防御任务
- 在ZCode中提供代码审计功能，将安全检查嵌入日常研发流程
GLM-5.3 API定价与调用方式
GLM-5.3于2026年8月19日凌晨正式上线API，定价与GLM-5.2完全一致，一分未涨。
API定价
对比同类模型：Claude Opus 5输出价格约为$25/M，Claude Fable 5更高；GLM-5.3仅为海外闭源旗舰的1/7至1/12。在相近智能水平下，GLM-5.3的单位任务成本约为Claude Opus 5的1/4。
关键参数
- 上下文窗口：1,048,576 token（约100万token）
- 思考模式：强制开启，无法关闭（GLM-5.2的disabled选项已移除）
- 思考档位：low / high / max（默认max）
- 函数调用：支持tool calling和tool_choice
- 结构化输出：支持response_format（不含JSON Schema强制校验）
调用方式
API兼容OpenAI Chat Completions协议，示例：
重要迁移注意事项
- 思考模式强制开启：GLM-5.3强制启用思考链（reasoning），无法禁用。试图设置thinking.type为disabled的请求会直接报错，所有从GLM-5.2迁移的应用均需修改代码
- reasoning_effort参数：需显式指定思考档位（low/high/max），系统默认为max
- 长上下文成本：迁移至长上下文负载前，建议实测延迟和成本，默认档（max）成本最高
- 权重开源时间：完整模型权重计划于发布后两周（2026年8月28日前）开源，届时将支持本地部署
GLM-5.3实测常见问题
Q：GLM-5.3和GLM-5.2的主要区别是什么？
A：基座模型完全相同，GLM-5.3的所有提升均来自后训练阶段的强化学习 Scaling。通过数十倍规模的长程任务环境、更丰富的环境类型和超长的后训练时间，编程能力提升约50%，网络安全能力涌现并超越前代。
Q：GLM-5.3的思考模式为什么关不掉？
A：GLM-5.3的能力提升全部来自后训练强化学习，思考链（CoT）是其核心能力载体。强制开启思考确保模型在复杂任务中发挥全部潜力。若对延迟敏感的简单任务，可将reasoning_effort调至low以降低token消耗。
Q：GLM-5.3适合哪些使用场景？
A：编程与代码开发（终端Agent、长程软件工程）、网络安全审计与漏洞发现、复杂多文件代码修复、大规模知识库问答（百万token上下文）、跨工具协作的Agent任务。
Q：GLM-5.3开源了吗？如何本地部署？
A：API已开放，模型权重计划于2026年8月28日前开源。开源前可通过Z.ai API、GLM Coding Plan订阅服务（$18-$168/月）、Claude Code/OpenCode等第三方编码平台调用GLM-5.3。 Q：GLM-5.3和Kimi K3、DeepSeek-V4-Pro如何选择？
A：三者在Artificial Analysis综合评测中均达60分，处于同一水平。GLM-5.3在Terminal-Bench 3.0（28.3 vs 17.4）和网络安全（84.5%）上优势明显；DeepSeek-V4-Pro在API成本上更具竞争力；Kimi K3在部分Agent评测中表现更强。具体选择可根据任务类型和成本预算决定。
本文内容基于智谱官方技术报告及第三方评测机构数据整理。基准测试成绩仅供参考，实际表现因任务类型、提示词质量、环境配置等因素可能存在差异。API定价以官方最新公告为准，第三方平台价格可能有所不同。建议在正式项目使用前，通过实际任务进行充分评估。
AI 速览
