这份成绩单是怎么来的
智谱在 GLM-5.3 的技术说明里给出了一组更完整的数字：与 GLM-5.2 同基座、纯后训练升级，编程内部基准提升 50%；Terminal Bench 3.0 从 4.6 分涨到 28.3 分，为开源第一，超过 Kimi K3 的 17.4 分；DeepSWE v1.1 拿到 66.9 分，接近 Fable 5 的 69.7 分。
这些基准集中在“真实干活”的场景：终端操作、软件工程任务、长链路 Agent 规划。换句话说，GLM-5.3 的提升重点不在刷分题库，而在把任务拆解、工具调用和代码修改串起来的能力。
网络安全被单独拎出来讲
- CyberGym 网络安全基准得分 84.5%，开源模型第一
- 在 269 个真实代码库中发现 2436 个漏洞，其中 1097 个为中高危
- 智谱把“找漏洞”能力做成评测项，说明安全已经进入后训练的目标函数
API 与开源节奏
一个值得注意的变化是，GLM-5.3 的 API 强制开启思考模式：thinking.type 只有 enabled 一种，reasoning_effort 提供 low/high/max 三档。这意味着调用方无法关闭思考，只能控制思考强度。模型本身为 7430 亿参数，支持 1M 上下文，最大输出 128K Tokens；完整权重计划在两周后开源。
后训练之争已经从“谁能考高分”变成“谁能把活干完”。