Z.ai发布GLM-5.3：不重训基座模型，强化复杂编码与长周期任务能力

复用基座、强化后训练：GLM-5.3的技术路径

Z.ai近日发布大语言模型GLM-5.3，其核心创新在于未对基座模型进行任何重训练。该模型沿用与GLM-5.2完全相同的743B参数量基座模型，所有性能提升均源自更系统、更大规模的后训练（post-training）：包括引入更多样化的任务环境、覆盖更广的环境类型，以及显著延长训练周期。Z.ai强调，这种‘缩放式后训练’（scaled post-training）是本次升级的唯一技术动因。

编码能力显著跃升，长周期任务表现突出

在多项编程基准测试中，GLM-5.3展现出对复杂、长周期任务的更强适应性。Terminal-Bench 3.0（侧重终端交互与多步CLI任务）得分从GLM-5.2的4.6大幅跃升至28.3；DeepSWE v1.1（面向软件工程全流程）从46.2提升至66.9；Agents’ Last Exam（CLI专项）从23.8升至28.5。在Z.ai自研的Z.ai Code Bench内部评测中，整体性能较前代提升50%。值得注意的是，在输出长度达约50,000 token的任务中，GLM-5.3达成31.4%的完成率；而Claude Opus 4.8在120,000 token下为29.5%，Claude Fable 5当前仍以39.5%保持领先。Z.ai指出，其私有基准设计旨在降低数据污染风险，但在公开评测套件（如GPT-5.6 Sol和Fable 5参与的 harder coding benchmarks）中，GLM-5.3目前仍略逊于部分闭源前沿模型。

网络安全能力意外突破，链式攻击推理能力增强

Z.ai特别指出，GLM-5.3在网络安全领域的进步属‘非预期成果’。团队原计划仅通过注入漏洞发现数据提升单点缺陷推理能力，但随着后训练规模扩大，模型展现出持续增强的端到端攻击链规划能力。CyberGym（基于白盒源码的漏洞发现与验证评测）得分从77.2%升至84.5%，小幅超越Mythos 5（83.8%）和GPT-5.6 Sol（83.6%）。ExploitBench（要求根因分析并生成可运行利用代码）得分则从24.4%翻倍至54.4%，但仍低于Mythos 5的78.0%。在ExploitGym压力测试中，GLM-5.3两小时内完成105项任务、六小时内完成130项，远超GLM-5.2的29/39；Mythos 5则为181/247。整体趋势明确：评测越深入攻击链下游（如从发现到利用），GLM-5.3相较前代的增益越显著，与闭源前沿模型的差距也同步拉大。

当前可用性与适用场景

GLM-5.3已通过Z.ai API、GLM Coding Plan及ZCode工具上线可用，但模型权重尚未公开。Z.ai表示，权重将在发布后约两周正式开源，前提是完成全部安全评估与加固流程。当前可立即采用的主体包括初创公司及中型市场工程团队（通过Coding Plan或API接入）；而受数据驻留要求或供应商审核流程约束的大型企业，则建议等待权重发布后再做部署决策。安全厂商与托管安全服务提供商（MSSP）被列为获益最显著、同时政策合规风险暴露度最高的用户群体。典型适用行业涵盖开发者工具、云基础设施、应用安全、金融科技与电商工程，以及提供内核、浏览器引擎或网络协议栈的软硬件供应商；典型应用场景包括代码仓库级重构、长周期CLI智能体、CI失败归因分析、白盒漏洞挖掘、崩溃根因分析及安全代码审查。

编者观点

对于中国AI研发企业而言，GLM-5.3的实践提示了一条高性价比的模型迭代路径：在基座模型趋于收敛的阶段，聚焦高质量、结构化、长周期的后训练数据构建与策略优化，可能比盲目扩大基座参数或重训更具落地效率与成本优势。