8月14日，“全球大模型第一股”智谱发布新一代基座模型GLM-5.3。该模型总参数规模7430亿，主要通过后训练实现能力跃升，在编程能力和复杂工程执行等核心任务上取得突破。据介绍，在多项主流基准测试中，GLM-5.3是当前排名最高的开源模型，编程与智能体能力接近Claude Fable 5。
相比前代，GLM-5.3的提升包括：
更强的编程能力。GLM-5.3是编程能力最强的开源模型，体感评测较GLM-5.2提升50%。
补齐网络安全能力。在白盒代码审查与漏洞发现等安全任务中，GLM-5.3的表现接近ClaudeMythos 5，展现出面向网络安全防御场景的潜力。
后训练Scaling再被验证。上述全部提升都来自后训练。智谱技术团队介绍，IndexShare架构、SAO（Single-rollout Asynchronous Optimization，单轨迹异步优化），以及持续演进的新一代强化学习训练框架slime，让其能够在与GLM-5.2完全相同基座上继续推进强化学习。
对关注成本结构的人来说，这释放了个新信号：不靠堆参数，靠训练方法把智能上界往上推。
针对外界最为关注的编程能力，测评显示，GLM-5.3在复杂软件工程、终端操作和更广泛的真实世界Agent任务上均取得较为显著的进步。
在衡量模型于真实终端环境中完成复杂任务的Terminal-Bench 3.0上，GLM-5.3得分从4.6提升至28.3；在聚焦长程软件工程与持续代码修改能力的DeepSWE v1.1上，得分从46.2提升至66.9；在覆盖多类真实专业场景、强调跨工具协作与长程任务的Agents' Last Exam上，得分从23.8提升至28.5。在覆盖44种职业、考察真实高价值知识工作的GDPval-AA v2中得分1769，展现基于编程能力涌现的专业任务执行能力。
在公开基准之外，智谱还推出了内部自研的Z.ai Code Bench，用于实际编程使用场景中评估模型能力。在最高档位下，GLM-5.3的准确率已达到31.4%，超过Claude Opus 4.8的29.5%，每项任务平均输出约5万tokens，而Opus 4.8需要约12万tokens。与此同时，GLM-5.3的任务执行轨迹也比上一代更短：在最高档位下平均输出约7.5万tokens，低于GLM-5.2的9.6万tokens。
