GLM-5.3 · 媒体来源 · 平台遥测
exact-source 行适合追溯厂商数字；没有独立复测就不应形成总排名。
待验证：本次未能重新核实原文。下方历史数字不代表已核实的当前结果。
BenchLM 收录了 GLM-5.3 的 17 条“原始来源可显示”跑分，但因缺少独立复测而不给综合分或排名，当前更适合把它当作可追溯的厂商数据账本，而不是独立排行榜。
适合的任务：核对 GLM-5.3 已公开的编码、Agent 与安全基准；快速查看每个数字的来源状态；制定等待权重开放后的复测清单。
不适合的任务：把页面分数当成独立测评、综合能力排名或真实项目成功率。
适用的模型版本：GLM-5.3（页面标注 2026-08-14 发布）。
适用的客户端、Agent 或 API：与客户端无关；数据来自 Z.AI 发布表，当前可通过 Coding Plan/ZCode 使用。
推荐的推理档位和参数：BenchLM 未执行调用，未公开参数；不能据此推断 low/high/max 的实际差异。
数据源：BenchLM 模型页；其方法论页面说明公开表默认只展示“exact-source rows”，排除生成或推测的跑分。
数据刷新时间：2026-08-17。
记录状态：GLM-5.3 有 17 条可显示基准记录；Agentic 与 Coding 类别各收录 8 条，另有 1 条 External signals；Reasoning、Knowledge、Math、Multilingual、Multimodal、Instruction Following 均标记为未测量。
独立性：页面明确将这些行标记为 Provider exact，原始链接均回指 Z.AI 发布文章；没有独立运行的输入、配置、seed 或逐次结果。
| 基准 | GLM-5.3 | 页面记录的最佳已核验对照 | 证据状态 |
|---|---|---|---|
| Terminal-Bench 2.1 | 88.2% | GLM-5.3 当前最佳已核验行 | Provider exact |
| Terminal-Bench 3.0 | 28.3% | GLM-5.3 当前最佳已核验行 | Provider exact |
| DeepSWE v1.1 | 66.9% | GPT-5.6 Sol 72.7%，落后 5.8 个百分点 | Provider exact |
| NL2Repo | 58.0% | DeepSeek V4 Pro 0813 61.5%，落后 3.5 个百分点 | Provider exact |
| ProgramBench | 19.0% | Claude Opus 5 93.0%，页面差距 74 个百分点 | Provider exact |
| FrontierSWE | 78.1% | Kimi K3 81.2%，落后 3.1 个百分点 | Provider exact |
| SWE-Marathon v1.1 | 42.5% | GLM-5.3 当前最佳已核验行 | Provider exact |
| PostTrainBench | 39.8% | GLM-5.3 当前最佳已核验行 | Provider exact |
| CyberGym | 84.5% | Fugu Cyber 86.9%，落后 2.4 个百分点 | Provider exact |
| ExploitGym | 页面归一化值 15.0% | GPT-5.6 Sol 33.7%，落后 18.7 个百分点 | Provider exact |
| Toolathlon-Verified | 73.0% | Claude Opus 5 80.6%，落后 7.6 个百分点 | Provider exact |
| AutomationBench | 48.2% | GLM-5.3 当前最佳已核验行 | Provider exact |
| Agents' Last Exam | 28.5% | Qwen3.8 Max 52.4%，落后 23.9 个百分点 | Provider exact |
| HLE with tools | 62.5% | Claude Opus 5 64.7%，落后 2.2 个百分点 | Provider exact |
| ExploitBench | 54.0% | Claude Mythos 5 78.0%，落后 23.6 个百分点 | Provider exact |
BenchLM 页面还列出 GDPval-AA v2 1769，但将其作为厂商来源记录而非独立验证分数；页面据此仍保持“Score pending / Not ranked”。
可确认的事实：GLM-5.3 的公开数字主要集中在终端编码、长程 Agent 和漏洞发现/利用相关测试；BenchLM 能把这些数字与 Z.AI 原文逐条关联。
不能确认的事实：这些分数能否在其他 harness、推理栈、预算、模型提供商或本地权重上复现；GLM-5.3 的综合能力排名；官方 token 效率声明是否转化为真实任务成本下降。
选型含义：GLM-5.3 在 BenchLM 的数据上更像“编码/Agent 证据充分、通用能力证据缺口明显”的模型。页面未测量多模态、数学、知识与指令遵循，因此不应把编码成绩外推为全能表现。
与厂商表的边界：BenchLM 的“best verified row”仅表示目录中目前可追溯的最高来源记录，不等于 BenchLM 重新跑出了该分数。
所有 GLM-5.3 行的证据状态均为 Provider exact，且原始链接指向 Z.AI；它不是独立受控测评。
页面没有公开 GLM-5.3 的请求输入、工具 schema、时间预算、采样参数、rollout 数、硬件或逐次结果。
ExploitGym 在目录中被归一化为 15.0%，而 Z.AI 发布表同时以 2 小时/6 小时完成任务数（105/130）呈现；两种表示不可直接等同，需查看 BenchLM 的归一化定义后再比较。
页面数据会随着模型目录更新而变化；本文只记录 2026-08-17 快照。
打开 https://benchlm.ai/models/glm-5-3，记录页面数据日期、17 条 source-displayable rows 与“Score pending / Not ranked”状态。
点击每条记录的 Z.AI 原始链接，核对 benchmark 名称、GLM-5.3 数字和对照表；不要把 Google 摘要或第三方转述当作结果。
打开 https://benchlm.ai/methodology，确认该目录只把 exact-source rows 纳入公开表，并检查数据刷新日期。
若要做真正独立复测，等待可下载权重或可计量 API 后，在固定仓库与工具 harness 下重复同一任务，记录输入、上下文、effort、时间预算、工具调用、每次成功/失败与 token per completed task。
BenchLM 模型页明确写出：GLM-5.3 有 17 条来源可显示的 benchmark rows，但没有公开 overall score 或 rank；页面类别分数均为 pending。
BenchLM 方法论明确写出：公开表默认只展示 exact-source rows，生成的 benchmark values 不进入证据表；数据集刷新日期为 2026-08-17。
GLM-5.3 的逐项原始来源链接回指 Z.AI 发布文章 https://z.ai/blog/glm-5.3；因此本文将 BenchLM 作为可追溯目录，而不是第二个独立跑分方。
“GLM-5.3 is tracked, but not publicly ranked yet.”
“Public BenchLM benchmark tables default to exact-source rows only.”
本文中的数字、任务集、推理档位和客户端条件只在所列来源及采集时点内成立。不同版本、不同 harness 或不同提供商的数据不能直接并排比较；未公开的参数保持未知。
需要复测时，请固定模型版本、提供商或客户端、推理档位、工具、任务集版本、样本数和采集日期，并记录失败、重试与人工修正。完整方法和复现步骤见下方来源笔记。
BenchLM（第三方模型基准目录） · BenchLM 编辑/数据团队（署名未公开） · 原文发布日期 2026-08-17 · 本站编辑日期 2026-09-20
打开原始来源GLM-5.3
下载 Tabbit 客户端后检查模型可用性
