智谱宣布正式发布 GLM-5.3。且 GLM Coding Plan 全员额度在今天 13:00 重置，所有用户后台「用量统计」可见使用额度回满。

与 GLM-5.2 相比，GLM-5.3 基座模型没变，但通过极致的后训练 Scaling 大大提高了模型的智能上界：数十倍的长程任务环境、更丰富多样的环境类型、超长的后训练时间。

公告称，充分的模型后训练涌现出超出预期的模型能力。相比前代，GLM-5.3 的新能力包括：

• 更强的编程能力。GLM-5.3是编程能力最强的开源模型，在内部自建体感评测中较GLM-5.2提升50%，在包括Terminal Bench 3.0、Agents' Last Exam (CLI)在内的公开基准测试中取得开源第一。
• 网络安全能力。在白盒代码审查与漏洞发现等安全任务中，GLM-5.3的表现持平Mythos 5，展现出面向网络安全防御场景的强大潜力。
• 后训练Scaling。上述全部提升都来自后训练。基于IndexShare、SAO、以及持续演进的新一代Slime框架，在与GLM-5.2完全相同基座上高效推进强化学习，“可能我们还远未开发出这个基座的智能上界”。
• 开源。团队计划将在发布两周后开放模型权重，此前完成安全评估与模型加固。

在多项主流基准测试中GLM-5.3是当前排名最高的开源模型，编程与智能体能力接近Claude Fable 5，编程体感超过其他国产模型。

在衡量模型于真实终端环境中完成复杂任务的Terminal-Bench 3.0上，GLM-5.3得分从4.6提升至28.3；在聚焦长程软件工程与持续代码修改能力的DeepSWE v1.1上，得分从46.2提升至66.9；在覆盖多类真实专业场景、强调跨工具协作与长程任务的Agents' Last Exam上，得分从23.8提升至28.5。在覆盖44种职业、考察真实高价值知识工作的GDPval-AA v2中得分1769，展现基于编程能力涌现的专业任务执行能力。

此外，模型在网络安全领域的表现也超出预期。

在CyberGym测试中，模型从白盒源代码出发，通过触发程序故障来识别和验证漏洞。GLM-5.3得分为84.5%，高于GLM-5.2的77.2%，也略高于Mythos 5的83.8%和GPT-5.6 Sol的83.6%。

在更考验深度推理能力的ExploitBench中，模型需要进一步理解真实漏洞的成因，并完成相应的利用。GLM-5.3得分为54.4%，是GLM-5.2（24.4%）的两倍多，但仍低于Mythos 5的78.0%和GPT-5.6 Sol的76.5%。

ExploitGym考察模型在限定时间内能够完成多少漏洞利用任务，按吞吐量对预算进行归一化后，GLM-5.3在两小时内完成105项任务，六小时内完成130项，相对于GLM-5.2分别完成29项和39项提升巨大。Mythos 5仍然领先，两个时间段分别完成181项和247项。

三个基准呈现出相同的趋势：越接近漏洞利用链的前端，GLM-5.3相较GLM-5.2的提升越明显；越深入完整利用，模型与Mythos 5等闭源前沿模型之间的差距也越大。换句话说，GLM-5.3进步最快的方向，正是当前仍需要重点追赶的方向。

智谱方面表示，其针对 GLM-5.3 构建了迄今为止最稳健的风险审查系统。

“人工智能发展不应该是某个国家的独奏，而应当是全球合作的交响。随着 GLM-5.3 的发布及开源，安全防御能力将不再是少数机构的特权，而是全球开发者都能平等获得和共同完善的公共能力。”