GLM-5.3 没换基座，编程增益从哪来？后训练深度分析（The New Stack）

核心内容摘要

Z.ai 于 8 月 14 日发布 GLM-5.3，与 GLM-5.2 共用同一基座，全部增益来自后训练。开发者已可通过 GLM Coding Plan 在 Claude Code、Cline、OpenCode 与 Codex 中使用 GLM-5.3；直接 API 访问标注为"即将推出"，权重将在两周加固与安全测试后发布。

后训练做了什么

• Z.ai 大幅扩展后训练：让模型接触十倍于之前的长程任务环境，并拓宽开发者工具与工程工作流接入。

• 部分训练任务模拟完整软件生命周期——从识别 bug、起草修复、写代码、跑测试到交付结果；单个任务相当于资深工程师数天工作量。

• 核心思路：把算力集中到模型实际工作的环境上。作者类比 DeepSeek——不膨胀参数量、靠优化后训练让较小模型超越旗舰。

• 对 GLM-5.3 的定位："a compelling case study for post-training compute scaling"（后训练算力扩展的绝佳案例）。

跑分提升与保留意见

• 厂商自报：内部 Code Bench 较 5.2 提升 50%（自报数字需等社区拿到权重后验证）。

• 公开基准：Terminal-Bench 3.0 4.6 → 28.3；DeepSWE v1.1 46.2 → 66.9（与 Google Gemini 3.7 Flash 的 65% 并列，但测试 harness 不同，横向对比需谨慎）；Agents' Last Exam 23.8 → 28.5。

工程使用要点（对开发者有实操价值）

• 1M token 上下文 + 128K 输出上限；Claude Code 中可用 glm-5.3[1m] 模型标签 + 1M token 压缩窗口配置大窗口。

• reasoning effort 三档 low/high/max（默认 max）。作者提示：max 在非平凡工程任务上推荐，但延迟与 token 开销明显，团队需评估下游准确率是否值回算力成本；官方每 token 定价尚未公布。

• 迁移注意：按官方文档，Coding Plan 中调用 GLM-5.2 或 GLM-5.1 的请求会被自动重定向到 GLM-5.3——对想做干净 A/B 对比的团队是个盲点，务必核对 Agent 实际返回的模型 ID。

• 积分制计量：GLM-5.3 相对 GLM-4.7 有更高的 input/cached-input/output 乘数，但非高峰时段（含周末）有 50% 折扣。

安全能力分析

• CyberGym 84.5%（5.2 为 77.2%），略超 Mythos 5（83.8%）与 GPT-5.6 Sol（83.6%）。

• ExploitBench 从 24.4% 翻倍到 54.4%，但仍落后 Mythos 5（78%）与 GPT-5.6 Sol（76.5%）。

• 作者提醒：高白盒审查分数要打个问号——可靠地构造 exploit、证明生产环境真实可达、打补丁不引发回归，是完全不同的挑战。模式与前沿实验室一致（OpenAI 曾因攻击性能力担忧推迟发布安全模型）。

• 权重两周后发布后，才能验证跑分是否迁移到本地部署与不同推理栈；"open weights announced" 与 "weights you can actually run" 之间的落差，已成为开源模型圈的常态模式（Kimi K3 也是类似节奏）。

原文关键引文

"This makes GLM-5.3 a compelling case study for post-training compute scaling. Z.ai concentrated compute on the specific… 以上为必要节选，完整内容请查看原文。

"Reliably crafting an exploit, proving real-world reachability in production, or patching the flaw without triggering do… 以上为必要节选，完整内容请查看原文。