MindStudio 使用固定、可复现的第三方基准 KingBench 3（80 分制、每任务 10 分），在同一提示词集下对比 GLM-5.3 与 Fable 5、Opus 4.8、Opus 5、Kimi K3、Qwen3.8 Max。
| 模型 | KingBench 3 得分 |
|---|---|
| GLM-5.3 | 73/80（91.25%）— 该基准历史最高 |
| Fable 5 | 82.5% |
| Qwen3.8 Max | 81.25% |
| Opus 4.8 | 80% |
| Opus 5 | 77.5% |
| Kimi K3 | 77.5% |
| GLM-5.2（约两个月前） | 75% |
关键观察：约两个月内、参数与架构不变的情况下，GLM-5.2 → 5.3 从 75% 跳到 91.25%，完全归因于后训练，提升幅度异常大。
电梯模拟（多人群、随机楼层、三电梯排队调度）：8 分（Fable 5 为 9）。
隐形眼镜盒 Three.js 3D 模型（可点击 L/R 盖）：3 → 8 分（5.2 同题仅 3 分）。
折叠桌 Three.js（滑块控制 3D 折叠动画）：满分 10（Fable 5 为 9）。
熊猫吃汉堡 SVG：满分 10（细节：腮红、竹子背景、汉堡屑）。
弓箭游戏（移动靶 + 排行榜）：满分 10，模型甚至先自我验证游戏逻辑（Fable 5 为 8）。
排列计数数学题（正确答案 2460）：满分 10。
端到端本地流水线（生成数据集 → 微调 Gemma 2B → 网页 UI 服务）：满分 10，全程无需人工干预。
最难任务——双时区 3D 腕表：7 分（其他模型大多 0–3 分，Fable 5 为 4、Opus 5 为 3），与该项历史最佳持平；成品含 GMT 式表盘、扫秒针、日期/星期窗口与表圈第二时区。
在该基准上 GLM-5.3 以微弱优势胜过 Fable 5、明显胜过 Opus 5 与 Kimi K3。
更值得注意的是 5.2 → 5.3 的后训练跃升："That kind of gain from post-training alone suggests there's still more [headroom]"——纯后训练仍有大量空间。
ZAI 将 GLM-5.3 定位为安全分析专用（代码审计、漏洞发现），并配套"开源盾牌倡议"（open source shield initiative）：防守性安全能力保持开源，高风险滥用能力走受限访问。
该测试印证 GLM-5.3 补齐了开源模型"后端逻辑 vs 前端打磨"的短板——同一任务里既能产出干净 UI 又能写对仿真逻辑。
"GLM-5.3 scored 91.25%, the highest result recorded on that test, ahead of Opus 5, Kimi K3, and Qwen3.8 Max, and roughly… 以上为必要节选，完整内容请查看原文。
"The score matters because it comes from a fixed, repeatable set of coding and simulation challenges run against every m… 以上为必要节选，完整内容请查看原文。
GLM-5.3
