迁移 GLM-5.3 的思考参数

核心内容摘要

智谱官方 GLM-5.3 文本模型文档，含能力概览、功能变更、参数说明与接入信息——提示词/API 调用的第一手权威依据。

概览

• GLM-5.3 是智谱最新旗舰模型，复杂软件工程与 Agent 任务能力全面进阶；使用与 GLM-5.2 相同的基础模型，所有提升均来自后训练。

• 更强的编程能力：内部 Z.ai Code Bench 较 GLM-5.2 提升 50%；Terminal Bench 3.0、Agents' Last Exam (CLI) 开源 SOTA。

• 涌现的网络安全能力：CyberGym 漏洞发现当前最佳；越深入利用链提升越显著（漏洞利用类基准达 5.2 两倍以上）。

功能变更（关键）

• 仅支持文本模态；1M 上下文窗口，最大输出 128K tokens。

• 始终启用思考，支持三个思考强度级别：low、high、max；不再支持禁用思考。

• 迁移提示：如果应用当前使用 thinking.type: "disabled"，请在将模型 ID 更新为 glm-5.3 之前，将其改为 enabled，并将 reasoning_effort 设置为 low。否则请求将失败。

• 建议在 Coding 等复杂任务上使用 max，示例：

{
  "model": "glm-5.3",
  "thinking": { "type": "enabled" },
  "reasoning_effort": "max"
}

如何使用

• GLM Coding Plan：已全面开放，可在常用编程智能体中使用 GLM-5.3；新版采用基于积分的配额系统，非高峰时段（含周末全天）调用仅消耗标准积分的 50%。

• 模型 API：将于近期上线；支持的协议与接入端点：

  • OpenAI Chat Completion 协议：https://open.bigmodel.cn/api/paas/v4

  • OpenAI Response 协议：https://open.bigmodel.cn/api/v1

  • Anthropic Message 协议：https://open.bigmodel.cn/api/anthropic

• 能力支持：思考模式、流式输出、Function Calling（工具调用）、上下文缓存、结构化输出（JSON 等）。

官方能力细节（供提示词设计参考）

• 训练环境从传统编程题转向"完整专业工作单元"：部分任务需要资深工程师数天完成（如 ML 基础设施任务：定位训练栈瓶颈→实施优化→跑实验→交付可量化端到端加速）。

• 验证器在无参考解法下生成，通过 oracle/空操作/未解决状态检查后才用于训练；延续 SAO with compaction 的 RL 策略。

• Z.ai Code Bench：Max 档 34.5% @ ~7.5 万 token（5.2 为 23.4% @ ~9.6 万）；High 档 31.4% @ ~5 万 token，超过 Opus 4.8（29.5% @ ~12 万）；Fable 5 Max 档 39.5% 仍领先。

• 网络安全：CyberGym 84.5%（最佳，超 Mythos 5 83.8%、GPT-5.6 Sol 83.6%）；ExploitBench 54.4%（5.2 为 24.4%，翻倍以上）；ExploitGym 2h/6h = 105/130；真实代码库 269 个项目 2,436 个漏洞（1,097 中高危），最老漏洞潜伏约 40 年。

提示词设计要点（结合官方口径）

1. 思考不可关闭：提示词不必要求"别思考"，改用 reasoning_effort 控档——简单任务 low（省 token），复杂编码/Agent 任务 max。

2. 把模型当"结构化工程模型"而非闲聊聊天机器人：任务、数据、约束分开描述。

3. 善用工具调用与结构化输出：官方支持 Function Calling、JSON 结构化输出、上下文缓存，提示词可声明 schema 与工具。

4. 迁移旧应用时先改 thinking.type 与 reasoning_effort，再切模型 ID。