智谱发布GLM-5.3：编程能力接近Claude Fable 5，安全测试发现40年前漏洞

GLM-5.3 的发布最引人注目之处在于，它没有更换基座模型，而是通过极致的后训练 Scaling 将编程能力提升了 50%。智谱官方技术博客指出，此次升级的主要原因是后训练 Scaling，并称在 GLM-5.2 完全相同基座上高效推进强化学习，可能远未开发出该基座的智能上界。

参数量方面，GLM-5.3 与 GLM-5.2 相当，约为 7000 亿，而同期 Kimi K3 和 Qwen3.8-Max 已迈向万亿参数。APPSO 的报道强调，GLM-5.3 用不到一半的参数实现了与 Kimi K3 2.8T 级别大模型相当的智能，这被视为后训练 Scaling 的胜利。

然而，这些提升数据均来自智谱自身体感评测或内部基准，未经独立验证。极客公园的报道也仅转述了智谱的说法，未提供第三方测试结果。因此，50% 的提升幅度和基准排名应视为智谱的单方面宣称。

GLM-5.3 的另一个重点是网络安全。智谱联合清华、南开等机构进行了红队测试，累计发现漏洞 2404 个（初筛去重后），其中 1088 个为中高危，覆盖 220 个项目。The Decoder 的报道则称，GLM-5.3 帮助安全团队在 269 个项目中找到 2436 个漏洞，最古老的可追溯到约 40 年前。

在 ExploitGym 测试中，GLM-5.3 在 6 小时内完成了 130 道题（共 898 道），表现与 Claude Mythos 5 持平。量子位的实测显示，GLM-5.3 在 AegisDesk 项目中找出了全部 12 类漏洞，并自行修复，最终 54 项回归测试全部通过。

值得注意的是，漏洞发现的具体方法和验证过程并未完全披露，例如 2404 与 2436 两个数字的差异可能源于统计口径不同。此外，量子位的实测属于媒体测试，并非独立第三方评估，其结论应谨慎对待。

APPSO 的实测发现，在 Claude Code 中使用 GLM-5.3 时，若开启自动审批命令，会频繁遇到错误提示「auto mode cannot determine the safety of Bash right now.」，即自动模式无法判断 Bash 命令的安全性。这可能是 Claude Code 自身的机制，但第三方模型尚未适配。

相比之下，在智谱自家的 ZCode 中，GLM-5.3 能像 Codex 一样使用工具、截图识屏并持续优化，但运行时间更长。例如，一个行星撞地球的模拟在 Claude Code 中不超过 1 小时，而在 ZCode 中超过 1 小时仍在测试。

生态兼容性问题可能影响用户体验，但智谱已上线 Zcode 和 AutoClaw，并开放给 GLM Coding Plan 用户。第三方平台如 WorkBuddy、QwenWork、TraeWork 也已开放抢先体验，但 API 要等到下周二才开放。

智谱宣布 GLM-5.3 的权重将在两周内开源，并同步开源了后训练框架 Slime，支持 GLM、Qwen、DeepSeek 部分模型及 Llama 3。Slime 从 GLM 4.5 开始就被智谱用于后训练，此次开源有望降低后训练门槛。

然而，模型竞争已进入白热化。APPSO 指出，GLM-5.3 发布仅 20 天，就有更强的 Kimi K3 出现，而 Kimi 又 20 天后被 DeepSeek 超越，模型「保质期」被压缩至约 20 天。这种快速迭代对用户和开发者都构成挑战。

尽管 GLM-5.3 在编程和网络安全上表现突出，但面对 Kimi K3、DeepSeek V4、Grok 4.6 等竞品，其优势能维持多久仍是未知数。智谱的 API 定价尚未更新，仍显示 GLM-5.2 版本，但预计不会有太大变化。

量子位的实测展示了 GLM-5.3 在复杂任务上的能力：28 分钟完成《指环王》基准，40 分钟交付一个带后端、数据库和权限的模拟游戏，并在无 GPU 环境下主动区分 VERIFIED、INFERRED 和 UNVERIFIED。这些表现体现了模型在工程交付和风险认知上的进步。

但 APPSO 的实测则显示，GLM-5.3 在 3D 生成任务中表现不一。例如，人体血液循环仿真系统被做成了粗糙的「火柴人」，内部器官堆在一起；而水母湖场景则效果惊艳，但提示词相当长。这说明模型的表现高度依赖提示词质量。

综合来看，GLM-5.3 在编程和安全上确实有显著提升，但实际效果受工具、提示词和场景影响较大。用户需根据具体需求评估其适用性，而非盲目相信基准测试。