按任务难度选择 reasoning effort

核心内容摘要

Kingy.AI 对 GLM-5.3 发布日的规格盘点与使用建议。最不华丽但最重要的事实：这不是新基座模型——与 GLM-5.2 同基座，增益来自又一个月的后训练（更多可执行环境、更多样长程任务、更多 RL 算力）。

结论（Verdict）

• GLM-5.3 是认真的编码与 Agent 升级，尤其在 5.2 有成长空间的测试上；发布表里每一行 5.2→5.3 对比都在提升，方向一致性强。

• 保留意见："Public benchmark" 只代表任务集/评测项目公开，不代表该 GLM-5.3 跑分被独立执行；独立 DeepSWE 榜单发布时尚未收录 5.3；Terminal-Bench 3.0 公开但 Z.ai 用了自家 Claude Code 配置 + 每任务 3 次 rollout + 宽松限制；Z.ai Code Bench 仍私有。

• Kingy.AI 未做推理测试（发布时无免费精确模型试用、未用付费凭证）。

发布日建议（原文 5 条）

1. 目标编码 Agent 工作就用 API 或 Coding Plan 试 GLM-5.3。

2. 困难仓库任务用 max effort；在意延迟与 token 时用 low。

3. 切换模型 ID 前，迁移任何禁用思考（disable thinking）的直接 API 请求。

4. 不要用 GLM-5.2 的 token 价格做预算，Z.ai 发布 5.3 缺失产物前也不要规划本地部署。

5. 关注两周后权重发布。

规格表（发布日状态）

• 开发者：Z.ai（国际名，前身为智谱 AI）；模型 ID：glm-5.3。

• 基座：同 GLM-5.2；架构/参数量：5.3 未新文档化（不要把 5.2 数字当 5.3 model card 确认）。

• 模态：发布时以文本编码模型为主；上下文：Coding Plan 文档化 1M 路由，Claude Code 用 glm-5.3[1m] 后缀 + 1,000,000 token 压缩窗口。

• 推理：low/high/max（默认 max）；思考：直接 API 必需（thinking.type:"disabled" 不支持）。

• 标准 API：可用（OpenAI 兼容 chat-completions 端点，模型 glm-5.3）。

• Coding Plan：Lite/Pro/Max 全档可用；ZCode 可用。

• 权重/模型卡/许可证/本地部署/标准 API 价格：发布日均未定/未发布——"用 GLM-5.2 的 MIT 许可推断 5.3 条款不成立"。

• 发布日称"open source"为时过早：正确表述是"API 可用、开源权重已承诺"。

"50% 提升"的重新核算（原文做了验算）

• High 档：GLM-5.3 31.4% vs GLM-5.2 20.9% → (31.4−20.9)/20.9 × 100 = 50.2% 相对提升，绝对提升 10.5 个百分点。

• Max 档：34.5% vs 23.4% → 绝对 +11.1 点、相对 +47.4%；平均输出 token 从约 96,000 降到约 75,000（−21.9%）。

• 即"50%"是相对百分比（相对提升），不是绝对分差；仍是私有厂商基准（Claude Code 2.1.207 中评测），未公开任务、评分器与运行产物。

• 闭源对照：Max 档 Fable 5 仍领先（39.5% vs 34.5%）；High 档 5.3 的 31.4% 超过 Opus 4.8 的 29.5%，且输出 token 不到其一半。

完整 5.2→5.3 增量表（部分，官方发布表重算）

原文关键引文

"Use max effort for difficult repository tasks; use low when latency and token use matter."

"Migrate any direct API request that disables thinking before changing the model ID."

"Do not budget from GLM-5.2 token prices or plan a local deployment until Z.ai publishes the missing 5.3 artifacts."