Related articles
文 | AIX 财经，作者 | 雷晶，编辑 | 金玙璠
8 月 14 日，智谱发布新一代旗舰模型 GLM-5.3。8 月 19 日，API 正式开放调用，定价与 GLM-5.2 持平。
GLM-5.3 沿用 GLM-5.2 模型的基座，主要靠扩大后训练规模提升 Coding、长程 Agent 和网络安全能力。目前，模型已经向全部 GLM Coding Plan 用户开放，并上线 ZCode、Claude Code、OpenCode 等主流编程工具。模型权重将于下周五开源。
从测试结果看，GLM-5.3 进步明显。在 Artificial Analysis 最新综合智能指数中，GLM-5.3 拿到 60 分，进入全球前沿模型区间，和 Claude Fable 5、GPT-5.6 Sol 等闭源旗舰处在同一档，并与 Kimi K3 并列开源模型第一。此外，按照 Artificial Analysis 统计的单任务成本，GLM-5.3 在同档模型中属于低成本选手。
但模型能力提升，并没有延续与前代的市场热度。4 月 GLM-5.1 发布时，智谱收盘上涨 11.5%；6 月 GLM-5.2 发布，股价又涨了 32.8%。但 GLM-5.3 模型发布当天，智谱股价下跌 3.6%。模型发布后的行业讨论度，也远不如此前几次旗舰亮相。模型明明更强了，为什么没有再次成为市场焦点？
这种反差并不意味着 GLM-5.3 没有变强，而是说明在国产模型密集迭代、能力差距快速收窄的当下，模型跑分领先已经很难让市场兴奋。对智谱来说，更重要的问题是，更强的模型还能带来多大的差异化优势？这种优势又能不能继续转化成产品和收入？
01.GLM-5.3 进步了多少？
GLM-5.3 最值得关注的变化，是通过扩大后训练规模，取得了较为明显的成绩提升。简单理解，智谱没有重新训练一个更大的基座模型，而是让现有模型在更复杂、更接近真实工作的环境里反复训练，把已有能力继续 「练深」。
大模型研究员曾小健告诉 「AIX 财经」，预训练更多是在增加模型 「读过的东西」，后训练则是在增加模型 「做过的事情」。模型不只是继续学习知识，还要进入真实环境做任务、拿到反馈，再根据结果调整自己的做法。
支撑起这轮后训练的，是此前打造的一套训练方式。IndexShare 主要降低长上下文的计算成本；SAO 让一条任务完成后就可以进入训练，不必等整批任务全部结束；slime 框架则把模型执行任务和根据结果更新模型两个环节拆开运行，减少不同任务耗时差异带来的算力闲置。
曾小健举例，假设 100 个 Agent 任务里，有 80 个十分钟就能完成，有 15 个需要半小时，最后 5 个却要跑两个小时。传统训练方式会要求这一批任务全部结束后才能进入下一步，先完成的任务也只能干等着最慢的那 5 个，昂贵的 GPU 就会闲着。新的框架不再等所有任务一起 「交卷」，这样可以减少等待时间，提高算力利用率。
训练效率提高之后，还得有足够多的 「题」 给模型练。GLM-5.3 搭了一套自动生成训练环境的流程。Research Agent 负责从真实工作中寻找任务，再由 Judge Agent 亲自跑一遍，确认任务确实能完成；系统还会检查模型有没有利用评分漏洞抄近路。可以理解为让 AI 自己出题、试做和验题，再把合格的题目送进训练。
了解完这个大的前提，我们来具体看看 GLM-5.3 在哪些方面有了进步。
这一套方法的效果首先体现在编程能力上。从基准测试成绩来看，GLM-5.3 提升比较明显的项目，大多和长程软件工程、终端操作和自动化任务有关。比如，强调长程软件工程的 DeepSWE v1.1，从前代的 46.2 分提高到 66.9 分。说明 GLM-5.3 更能把一项复杂任务从头干到尾。它能够理解一个陌生项目，自己定位问题、调用工具、修改代码，再根据测试结果继续修正。
智谱自己的 Code Bench 也在强调这一点。这套测试直接把模型放进本地开发环境，任务设置不同难度，在最高难度下，GLM-5.3 用平均约 7.5 万输出 Token 取得 34.5% 的成绩，GLM-5.2 则需要约 9.6 万 Token，成绩只有 23.4%。
曾小健认为，完成率提高、Token 消耗反而下降，比单纯的跑分上涨更值得关注，这说明模型学会了更有效地探索，而不是靠堆更长的思考时间换成绩。
独立开发者李然的体验也印证了这种变化。他认为，GLM-5.3 相比 GLM-5.2 进步明显，ZCode 的 Goal Mode 是他感受最深的功能。给定一个目标后，模型会持续推进、检查和验证，直到任务完成，长任务的可靠性比上一代更高。
另一块提升更加显眼，是网络安全。在考验漏洞利用推理的 ExploitBench 中，GLM-5.3 从前代的 24.4% 提高到 54.4%，提升超过一倍。安全任务要求模型不仅读懂代码，还要继续判断漏洞藏在哪里、怎样触发，对代码理解、工具调用和长程规划的要求更高。
这项能力也已经进入真实项目。智谱官方提到，从 GLM-5.2 开始，智谱就联合国内多家安全机构，用模型持续寻找真实项目中的漏洞。到 GLM-5.3 发布时，经过专家复核、筛选和去重，累计发现 2436 个漏洞，覆盖 269 个项目，其中 1097 个属于中高危问题，部分漏洞已经存在数十年。
综合来看，GLM-5.3 相对前代的变化在于：编程能力更接近完整工程任务，长任务的稳定性有所提升，网络安全能力的进步幅度尤其明显。
但一款模型有没有竞争优势，还得放到同期对手中看。我们选择阿里、月之暗面和深度求索的最新旗舰模型作为参照，一方面因为这几款模型都在近期迎来更新，另一方面，Coding、Agent 和长程任务也是它们共同投入的重点方向。
单从成绩来看，GLM-5.3 的确拿到了不少第一，其中网络安全的优势最明显；Coding 和长程 Agent 也已经进入第一梯队，但和 Kimi K3、DeepSeek V4 Pro 相比，没有形成明显差距。
再看各家手里的牌。DeepSeek V4 Pro 仍有综合能力和价格优势；Kimi K3 在长程软件工程上与 GLM-5.3 几乎贴身竞争，同时拥有原生多模态，能力覆盖更完整；Qwen3.8-Max 虽然部分跑分不占优，但背靠阿里生态，在企业工作流和应用落地上更有基础。
所以，GLM-5.3 确实更强了，但还没有形成让同期国产旗舰模型短期难以追赶的优势。
02. 大模型发布，难有 「爆款」
那么，为什么 GLM-5.3 的能力提升没有带来同等规模的传播？
一个直接原因，是它选择的升级方向相对 「专业」。这轮更新主要升级的两个方向，一个是编程能力，主要服务开发者；另一个是网络安全能力，受众主要是安全研究人员和企业客户。能力都实用，但受众也相对集中。
这和 GLM-5.3 发布前的用户期待存在错位。此前智谱创始人唐杰在 X 上征集用户对新模型的期待，视觉、多模态能力是呼声较高的方向。原因并不难理解，现在越来越多的 Agent 任务已经不只是处理文字。做网页要看截图，改 UI 要理解设计稿，分析报告可能包含图表和 PDF，甚至写代码时也经常需要根据页面效果继续调整。
李然提到，不少开发任务其实很难完全用语言描述清楚，尤其是页面设计和创意编码。有了视觉能力后，模型能直接 「看结果」，就不用反复把需求翻译成文字。在他的实际使用中，GLM-5.3 做常规代码任务好用，水平高过 Kimi K3、略逊于 GPT-5.6 Sol，但到了游戏生成、创意编码这类依赖视觉反馈的场景，体验就比较一般，还出现过生成的页面按钮都是歪的情况。
更大的变化在于，新模型的新鲜感正在被密集的发布节奏快速消耗。仅智谱一家，GLM-5.1 在 4 月发布，GLM-5.2 在 6 月更新，8 月 14 日 GLM-5.3 又接棒，基本保持两个月左右一次旗舰迭代。同行自然也没闲着。7 月中旬 Kimi K3 上线，8 月初 Qwen3.8-Max 跟进，8 月中旬 DeepSeek V4 Pro 正式版发布。
不到一个月，就连续迎来四款国产旗舰模型。一个模型刚刚凭跑分冲到前面，几周后就有新版本把它盖过去。
频率提高之后，「第一」 的含金量就没那么高了。前两年，一家公司突然在某项核心能力上追平甚至超过海外旗舰，很容易成为行业热点事件。到了现在，头部国产模型已经基本站到了相近的能力区间。智谱这次把 Coding 往前推了一截，Kimi 下一代也可能继续强化长程软件工程，DeepSeek 做好后训练，同样可以迅速追赶 Agent 任务。领先的窗口期，开始按周计算。
能力趋同的背后，是各家在解同一道题。Coding 需要更好的训练环境和高质量代码数据，Agent 需要更长的任务轨迹和工具调用训练，多模态需要补足图片、视频等信息理解。一家公司验证出一条有效路径以后，同行很快就会投入算力、数据和工程资源。结果就是大家都在卷 Coding、强调 Agent、拉长上下文、补多模态。GLM-5.3 提升的方向，恰好是竞争最拥挤的方向。
「爆款」 的门槛也因此变高了。光靠能力提升不够，还得有一个 「人无我有」 的话题点。以与 GLM-5.3 几乎同期发布的 DeepSeek V4 Pro 正式版为例，深度求索还同步开源了首款 Harness 产品，主打 「一切皆插件」，通过模型、工具、Agent 运行组件都可以重新组合的玩法给常规升级造出了新话题。
这样来看，GLM-5.3 没有形成此前的传播热度几乎是必然。能力的提升没有超出预期，方向上又绕开了用户最想要的多模态，发布的时间节点还撞上 DeepSeek。
03.GLM 之外，智谱还需要什么？
回到公司层面，真正影响长期价值的，是过去靠编程跑出来的增长还能不能延续。
2025 年 9 月，智谱推出 GLM Coding Plan。进入 GLM-5 系列后，又持续强化编程和长程任务能力，并进一步推出编程工具 ZCode。开发者愿意为效率付费，编程成了智谱 API 增长最快的场景，也初步验证了模型能力、用户调用和商业收入之间的联系。
但智谱早期吃到的先发红利正在减弱。其他国产厂商都已经把编程当作旗舰模型的升级方向，开发者可选择的模型越来越多。此外，智谱也在告别低价获客。GLM Coding Plan 刚推出时，入门价格只需 20 元/月，7 月底全面开放购买后，Lite 版已经涨到 118 元/月。同时改为积分制，设置每 5 小时和每周的额度上限。
涨价有现实的难处。Coding Agent 比普通聊天 「吃」Token，一项长任务可能连续运行数小时，消耗数万甚至数十万 Token。需求在涨，智谱的推理算力供给却有限，低价很难长期维持。
但对开发者来说，价差足够大时，便宜就会成为换模型的理由。况且模型的切换成本并不高，开发者完全可以同时使用多款模型。
所以，编程场景已经证明智谱能够把模型能力变成收入，但接下来的考验，是能否把这批靠模型优势吸引来的用户留下来。
智谱的解法是往产品上走。单纯卖 API，开发者可以随时切换模型；但进入 Agent 之后，项目上下文、工具配置和工作流程会逐渐沉淀，迁移成本自然就高了。ZCode 和 AutoClaw 的作用，就是让智谱从模型供应商进一步进入真实工作流，在模型能力之外建立更长期的用户关系。
到了产品层，智谱面对的是两拨对手。一边是阿里、字节这样的大厂，手握用户、账号、数据和业务生态，可以把 AI 直接接进办公、云服务和消费场景；另一边是月之暗面、深度求索这样的模型公司，正在不断向上做产品。智谱既要和大厂拼入口，又要和同类公司抢开发者。
产品对智谱还有一层价值在于用户反馈。曾小健提到，GPU 可以买，开源框架可以复制，算法论文会扩散，但真实工作环境、任务分布、可靠的验证机制和用户反馈会成为更难复制的资产。沿着这个判断看，产品除了能积累订阅用户，还能让这些真实反馈进一步帮助它打造下一轮后训练的 「真题」。
模型能力带来用户，产品沉淀真实任务，真实任务再帮助模型继续提升，这套循环转起来，智谱才能把阶段性的模型优势沉淀得更久。
但只有编程一个场景还不够。GLM-5.3 新强化的网络安全已经表现出明显优势，也有机会打开企业需求，但还没有验证出能带来大规模、持续增长的 Token 调用。
智谱的 MaaS 业务已经证明市场愿意为模型能力付钱。2025 年，云端 MaaS 服务收入占总营收 26.3%；截至 2026 年 3 月，MaaS 平台 ARR 约 17 亿元，过去一年增长约 60 倍。与此同时，本地化部署收入仍占 73.7%。这说明 「中国版 Anthropic」 的故事已经有了商业基础，但距离主要依靠标准化 API 和产品持续放大收入，还有一段路要走。
7 月，唐杰提出 「摸高计划」，未来两年继续押注长程任务、自治智能体系统、完全自我训练和安全治理。智谱仍要继续把模型能力往上推，但商业上还需要找到第二个、第三个像编程一样的高频付费场景，把技术领先尽快转化为产品使用和收入增长。
GLM-5.3 证明智谱还能把模型做强，更难的考题是，如何把这种能力持续转化为产品和生意。
*应受访者要求，李然为化名。
