GLM 5.3 硬刚 Kimi K3：不换基座的极限压榨（腾讯云开发者社区）

核心内容摘要

国产开源大模型双雄对决深度解析：GLM 5.3 后训练 Scaling 路线 vs Kimi K3 超大新基座路线。两条路线撞在一起，构成国产大模型竞赛最耐人寻味的切面。

主角对比

• GLM-5.3（2026-08-14 发布）：沿用 GLM-5.2 基座（743B），基座零改动，极致后训练 Scaling；三项抓手：数十倍长程任务环境、更丰富环境类型、超长后训练时间。

• Kimi K3（2026-07 中旬发布）：2.8 万亿参数（全球最大开源模型）、KDA 混合架构、原生多模态、1M 上下文。

五项基准拆解

• 解读：Terminal-Bench 6 倍提升说明 5.2 在真实终端任务上几乎是"半成品"，28.3 意味着从"不能用"进化到"能顶事"；DeepSWE 66.9 是"AI 程序员"真实工作状态最接近的评价方式；CyberGym 84.5% 略超 Mythos 5（83.8%）与 GPT-5.6 Sol（83.6%）；GDPval 1769 分被解读为"基于编程能力涌现的专业任务执行能力"。

• 智谱自我认知清醒：网络安全链（代码审查→漏洞验证→漏洞利用→真实攻防闭环）优势集中在前半段，"没有吹成安全能力全球第一"。

与 Kimi K3 正面对决

• 路线之争："大力出奇迹"（更大参数、更新架构、更长上下文）vs "压榨基座"（环境做深、时间拉长）。GLM-5.3 证明后训练方法论可复用，理论上下一代基座出来后还能再"榨"一轮。

• 关键微妙点：两家各自挑最占优赛道发声（GLM 报 DeepSWE v1.1，K3 握 SWE Marathon、ProgramBench 领先）；综合能力上 Anthropic/OpenAI 头把交椅暂无人撼动。

• 5.3 发布前旧格局（第三方实测）：Artificial Analysis 综合智能 K3(max) 60 vs GLM-5.2(max) 53；前端编码 K3 1679 Elo 第一；速度 GLM 116.3 vs K3 40.4 tokens/s；成本 GLM 全面更便宜（约 2.8 倍价差）；Composio 前沿编程任务两者均 7/12 打平。

行业暗流（一周三连发）

• 8/13 DeepSeek V4 Pro 正式版（DeepSWE 从 Preview 7.3 暴涨到 62.7，超越 Opus 4.8；CyberGym、AutomationBench 超 Fable 5）+ DeepSeek Harness v0.1（MIT 开源，"一切皆插件"）。

• 同期 SpaceXAI 发布 Grok 4.6。四家巨头全部押注"编程 + 智能体"。

• 资本市场冷静：澎湃新闻发稿时智谱股价跌超 4%。

开发者选型建议（原文不站队参考）

• 后端工程/DevOps、Claude Code 类终端 Agent 工作流：GLM-5.3 更对口（Terminal-Bench 6 倍提升、CyberGym 84.5%、安全审计前半段世界第一梯队）。

• 多模态输入：Kimi K3 原生多模态；超长文档两者同为 1M 上下文。

• 多智能体系统：K3 Swarm 集群/Goal 模式开箱即用；追求可控可定制可选 DeepSeek Harness。

• 成本与速度：GLM 最硬底牌（快近 3 倍、成本低约 2.8 倍）；"成本敏感选 GLM，有意买能力上限选 K3——而 GLM-5.3 正在让这个二选一变得模糊。"

• 兜底建议：两个模型都开源，拿真实 bug 单、真实终端任务本地部署实测。

总结："GLM-5.3 用 2.8 万亿参数的新基座买来了原始智能上限，GLM-5.3 则证明了后训练 Scaling 的性价比和可复制性——在不换基座的前提下，把与 K3 的能力差距基本抹平，同时保住了快 3 倍的速度和低 2.8 倍的成… 以上为必要节选，完整内容请查看原文。