一次没有换基座的升级
8 月 14 日，智谱发布新一代旗舰模型 GLM-5.3。官方口径很有意思：基座模型保持不变，能力的提升主要来自后训练（post-training）规模的扩大。这等于承认了一个行业趋势——在预训练 Scaling 见顶之后，后训练正在成为拉开差距的主战场。
按智谱的说法，GLM-5.3 的编程能力相比 GLM-5.2 提升 50%，在多项基准测试上拿到开源模型第一；编程与智能体（Agent）能力接近 Anthropic 的 Claude Fable 5。新能力还包括更强的网络安全能力，以及延续开源路线。
后训练 Scaling 改变了什么
- 同样的基座，不同的后训练预算：数据、算力和对齐策略决定了最终能力
- 编程是当前竞争最激烈的场景，代码数据的质量和难度直接影响分数
- Agent 能力依赖工具调用、长流程规划等后训练阶段的行为塑造
开源与商业化并行
GLM 编程计划目前采用积分计费，轻量版月费从 118 元起，订阅用户可以使用 GLM-5.3 模型，实际使用额度取决于积分余额。对个人开发者来说，这个门槛比按 token 计费的 API 更低，适合把编程助手当常用工具的场景。
和谁在竞争
这一轮上新周期里，DeepSeek 推出了 V4 Pro 正式版并开放首款智能体测试，SpaceX AI 发布了 Grok 4.6，各家都在编程和 Agent 场景上压筹码。GLM-5.3 选择在基座不变的前提下重投后训练，说明智谱判断：当前阶段工程和数据比架构更重要。
预训练定上限，后训练定下限——当上限普遍拉高后，差距都体现在谁把后训练做得更狠。