GLM-5.3：中国实验室如何紧跟前沿

今天，Z.ai 发布了 GLM-5.3，目前仅在编程套餐中提供，随后会进入 API，两周后将把权重开源到 Hugging Face。这个模型的表现相当亮眼，在多个基准上超过了 Moonshot AI 的 Kimi K3，在一些基准上甚至超越了 Claude Fable 5 或 GPT-5.6-Sol。更值得注意的是，它只有约 7500 亿参数，约为 Kimi K3 的三分之一，却已经站在智能体编码基准的前沿。Z.ai 在博客中直言：GLM-5.3 与 GLM-5.2 共用同一个基础模型，主要工作是在后训练阶段进行了大规模扩展。相比以预训练见长的 Kimi，Z.ai 的强项似乎是后训练。

对于中国实验室为何能如此紧跟前沿，最简单的解释并非蒸馏。Z.ai 的技术博客强调，他们使用了更多环境、更多样化的任务和更多计算资源来进行后训练。RL 环境、基础设施以及混合算法很难靠蒸馏获得。作者认为，最大的因素可能是发布周期：Z.ai 从模型完成到发布只需数天，而 OpenAI 和 Anthropic 往往要花数月做发布前测试。中国实验室利用这段时间差持续在基准上爬坡，这很可能是在前沿保持竞争力的最大原因。此外，Z.ai 确实比 OpenAI 或 Anthropic 更在意公开基准，因为这直接影响融资和团队士气。

不过，作者并不认为 GLM-5.3 是过度刷分的产物。所有实验室眼下都在面对扩展 RL 的粗糙边缘，Anthropic 的 Opus 5 和 Sonnet 5 虽然取得惊人基准分数，口碑却褒贬不一。GLM-5.3 可能比 Claude Fable 或 GPT Sol 更窄，且旗舰 GLM 模型一直没有视觉能力，文本专用有助于提升基准分数，但同时也说明它面向的是更聚焦的用例。据报道 Z.ai 已实现约 10 亿美元的年经常性收入，主要来自强劲的本地部署业务。

文章还提到，中国的 RL 数据产业正在起飞，美国数据公司向中国模型实验室出售数据或 RL 环境，中国实验室可能更快发布下游模型。Z.ai 与清华大学关系密切，拥有大量顶尖计算机科学家，这也是其成功的关键之一。最后，Z.ai 承认 GLM-5.3 在网络安全任务上很强，并存在双重用途风险，因此采取分阶段发布：先由安全合作伙伴在受控环境中评估，再开放 API，最后发布完整权重。但作者认为，当真正开放权重到来时，这类安全措施能起的作用有限，需要政府或行业联盟提供工业规模的指导，才能应对能力扩散。