GLM-5.3 发布：基座没变，能力却暴涨——智谱用「后训练 Scaling」走出了第三条路
8 月 14 日，智谱发了 GLM-5.3。唐杰之前预告的"史诗级 plus"终于露面。
但看完技术报告，最意外的不是成绩，而是做法：GLM-5.3 的基座模型没变。
参数规模和 GLM-5.2 基本一致（约 7530 亿），能力提升全部来自后训练——智谱管这叫"后训练 Scaling"。一句话解释：课本没变，但换了更好的训练方法，学生成绩就上去了。
在大家都在卷参数（Kimi K3 直接干到 2.8 万亿）、卷价格（DeepSeek 当价格屠夫）的时候，智谱选了第三条路。
编程能力：两个榜单翻了六倍和 45%
GLM-5.3 最硬的数据在编程。
衡量真实终端环境任务完成的 Terminal-Bench 3.0：4.6 分 → 28.3 分，翻了六倍，开源模型第一。
考察长程软件工程能力的 DeepSWE v1.1：46.2 → 66.9，开源第一。
智谱自研的 Z.ai Code Bench 更有意思：High 档位 31.4% 的准确率，超过了 Claude Opus 4.8 最高档的 29.5%——而且每任务平均只输出约 5 万 tokens，Opus 4.8 是它的两倍多。能力更强，还更省。
当然 Max 档位下 GLM-5.3（34.5%）还是低于 Fable 5（39.5%）——“比肩"是真的，但还没到"超越”。
安全能力：顺手抓了 2436 个漏洞
编程之外的第二条主线是网络安全。
国际漏洞推理评测 CyberGym：84.5%，超过 Anthropic 的 Mythos 5（83.8%）和 GPT-5.6 Sol（83.6%）。
更考验深度推理的 ExploitBench（要理解真实漏洞成因并完成利用验证）：54.4%，是上一代 24.4% 的两倍多。
背后是真刀真枪的活：智谱联合清华、奇安信、腾讯玄武等十余家安全团队，对真实代码库做红队测试，累计在 269 个项目里识别出 2436 个漏洞，其中 1097 个中高危，覆盖系统内核、操作系统、浏览器引擎、互联网协议——部分威胁能让 Android、Windows、macOS 出现大范围崩溃。漏洞已陆续提交 CNNVD、CNVD 国家漏洞库。
这个数据对普通用户的意义：敢让 AI 写代码的前提，是 AI 自己先懂漏洞。
行业变局：海外降价，国产涨价
GLM-5.3 发布的时间点很微妙，正赶上全球大模型定价策略的剧烈转向。
海外在降价：8 月 4 日 OpenAI 把 GPT-5.6 Luna 的 API 价格下调约 80%（输入 $1 → $0.2）；谷歌 Gemini 3.7 Flash 限时五折；Anthropic 的 Claude Opus 5 定价只有 Fable 5 的一半。集体降价的动因，正是 Kimi K3、DeepSeek V4 带来的冲击。
国产在涨价：DeepSeek V4-Pro 高峰时段输出价格从 6 元涨到 27 元；Kimi K3 输出定价 100 元，比上代涨了 2-3 倍。机构统计，中国大模型平均 API 输出价格已从 2025 年一季度的 12.2 元涨到 2026 年二季度的 21.9 元。
从"以性价比换市场"走向"价值变现"——GLM-5.3 正好卡在这个节点。行业分析：若沿用 GLM-5.2 的定价（输入 8 元、输出 28 元/百万 token），它和 DeepSeek V4-Pro 高峰期的 9 元/27 元基本打平。国产旗舰的价格带，正在往同一个方向收拢。
横向对比：一个月内，国产三巨头各自亮牌
过去一个月，国产三巨头正好完成一轮关键迭代，路线截然不同：
Kimi K3（7 月 16 日）：卷参数。2.8 万亿参数、896 个专家激活 16 个，配 Kimi Delta Attention 架构，主攻编程、游戏/3D。输出定价 100 元/百万 token，第一次有国产模型直接站进美国旗舰的价位带（约等于 GPT-5.6 Terra 的定价）。未开源。
DeepSeek V4 Pro（8 月 13 日）：卷价格。1.6 万亿参数，MIT 开源，主打极致性价比——虽然首发后因性能争议被撤回，但"价格屠夫"的路线没有变，高峰时段输出 27 元/百万 token。
GLM-5.3（8 月 14 日）：卷后训练。7530 亿参数基座不变，靠后训练 Scaling 把编程和安全能力拉满，输出约 28 元/百万 token。
三个数字放在一起看很有意思：Kimi K3 输出 100 元、DeepSeek 高峰 27 元、GLM-5.3 约 28 元——除了 Kimi 坚定站旗舰价位，另外两家几乎打平。国产模型从"白菜价互卷"走向"旗舰价位收拢"，这轮价格战的阶段已经翻篇了。
除了性能路线，三个模型的"供应能力"差别也很大——也就是模型怎么交付给你、你能不能拿到权重、API 稳不稳：
-
开源程度：DeepSeek V4 全系 MIT 开源权重，可以私有化部署，这是它最大的供应优势；GLM 系列有开源传统（5.2 就是 MIT 开源），5.3 是否同步开源还没公布，但智谱的路线一贯是"开源 + 开放平台"双轨；Kimi K3 目前未开源，只能走 API 和 Kimi Code，想私有化部署的团队可以直接排除。
-
API 服务：三家都有官方 API（Kimi 平台、DeepSeek 开放平台、智谱 bigmodel/Z.ai），兼容 OpenAI SDK，工具链切换成本低。但 DeepSeek 刚经历了 V4-Pro 发布即撤回的事故——模型供应流程出了岔子，API 的模型指向也跟着变过。这件事提醒所有重度依赖方：旗舰模型的供应稳定性，本身就应该纳入选型评估。
-
安全与合规：智谱这次的红队数据（2436 个漏洞提交国家漏洞库）是国产模型里罕见的"供应方主动承担安全责任"的姿态；DeepSeek 主打开源透明；Kimi 的闭源路线在合规审计场景反而更简单（数据不出云）。
对开发者的实用建议：重度长上下文/游戏 3D 场景看 Kimi K3（缓存命中 2 元很香）；预算敏感、要开源权重、要私有化部署看 DeepSeek；编程 + 安全合规场景可以重点试 GLM-5.3。
怎么理解这件事
过去一个月，国产三巨头各自亮牌：Kimi K3 卷参数（2.8 万亿）、DeepSeek 卷价格（V4-Flash 极致性价比）、智谱卷后训练（基座不变能力暴涨）。
三条路没有对错，但 GLM-5.3 这条路最值得观察——因为它回答了一个行业都想知道的问题：预训练的智能上界，到底还有多少没被挖出来？ 智谱给出的答案是：远没到天花板。
对开发者来说，GLM-5.3 的编程能力和输出效率（同样的活，一半的 tokens）是实打实能省钱的；对安全从业者，那个 2436 个漏洞的红队数据，说明国产模型的安全能力已经从"能写代码"进化到"能审代码"。
当然也有悬念：后训练 Scaling 的红利还能挖多久、开源之后的安全管控扛不扛得住、以及在海外降价国产涨价的剪刀差里，智谱能不能用编程生态立住护城河。
你开始用 GLM-5.3 了吗？评论区聊聊。