Z.ai发布GLM-5.3：不重训基础模型，复杂编码与长时任务能力大幅提升

Z.ai今日发布GLM-5.3。该模型沿用GLM-5.2的743B参数基础模型，未对基座进行重新训练。所有性能提升均来自扩展的后训练阶段：更丰富的任务环境、更多样的环境类型以及更长的训练时间。测试结果显示，编码能力在长周期基准上提升最为显著，Terminal-Bench 3.0得分从4.6跃升至28.3。安全领域的能力增长超出预期，CyberGym达到84.5%。

部署方面，GLM-5.3已通过Z.ai API、GLM Coding Plan和ZCode提供。权重尚未公开，预计将在发布约两周后完成安全评估与加固后发布。初创公司和中型工程团队可立即通过Coding Plan或API接入；受数据驻留或供应商审查规则约束的企业建议等待权重发布。安全厂商和MSSP既能获得最大收益，也面临最大的政策风险。

编码评测方面，相较于GLM-5.2，Terminal-Bench 3.0从4.6升至28.3，DeepSWE v1.1从46.2升至66.9，Agents' Last Exam (CLI)从23.8升至28.5。在覆盖44个职业的GDPval-AA v2上，GLM-5.3得分为1769。Z.ai内部Code Bench显示相对GLM-5.2提升50%，在约5万输出token/任务下得分31.4%；相比之下Claude Opus 4.8在12万token下为29.5%，Claude Fable 5以最高努力度仍以39.5%领先。Z.ai认为私有基准可降低污染风险。在公开测试集上，GLM-5.3在若干高难度编码评估中仍落后于GPT-5.6 Sol和Fable 5。所有数据均为厂商报告，并附有说明。

网络安全方面，Z.ai表示这一结果并非计划内。团队加入漏洞发现数据原本期望提升单漏洞推理能力，但随着训练规模扩大，能力持续叠加，模型开始形成跨完整利用链的连贯计划。CyberGym从77.2%升至84.5%，超过Mythos 5的83.8%和GPT-5.6 Sol的83.6%。ExploitBench从24.4%升至54.4%，但Mythos 5仍以78.0%领先。在ExploitGym上，GLM-5.3两小时完成105项任务，六小时完成130项，而GLM-5.2分别仅为29和39项，Mythos 5则完成181和247项。整体趋势一致：离利用链越深，相对GLM-5.2的提升越大，与闭源前沿模型的差距也在拉大。

关键要点：GLM-5.3复用GLM-5.2基座，所有增益来自后训练；编码与安全基准大幅提升；权重约两周后发布。