答案已发布16 来源
GLM-5.3 对比 GLM-5.2：Z.ai 新编程模型押注长程智能体与网络安全
GLM 5.3 配备 100 万 token 上下文窗口。Z.ai 称其在内部 Z.ai Code Bench 上较 GLM 5.2 提升 50%，但部分公开对比数据来自尚未独立验证的第三方报告。[2][32] Z.ai 将性能提升主要归因于扩大后训练规模，并引入更接近真实多日软件工程与研究流程的任务环境，而不是仅针对短代码提示进行优化。[2] 模型目前可通过 Z.ai 的 GLM Coding Plan 和 ZCode 使用；权重据第三方信息预计在 2026 年 8 月下旬、完成额外安全评估后发布，时间仍属暂定。[3][8][12][32]
研究答案
要点
- GLM 5.3 配备 100 万 token 上下文窗口。Z.ai 称其在内部 Z.ai Code Bench 上较 GLM 5.2 提升 50%，但部分公开对比数据来自尚未独立验证的第三方报告。[2][32]
- Z.ai 将性能提升主要归因于扩大后训练规模，并引入更接近真实多日软件工程与研究流程的任务环境，而不是仅针对短代码提示进行优化。[2]
- 模型目前可通过 Z.ai 的 GLM Coding Plan 和 ZCode 使用；权重据第三方信息预计在 2026 年 8 月下旬、完成额外安全评估后发布，时间仍属暂定。[3][8][12][32]
AI 提示
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Z.ai’s GLM-5.3, how does it compare with GLM-5.2 in coding, long-horizon tasks, cybersecurity, and benchmarks such as Z.ai Code Benc. Article summary: GLM-5.3 is Z.ai’s flagship coding-and-agent model, aimed at complex software engineering and long-horizon tasks. It has a 1M-token context window and is available through Z.ai’s GLM Coding Plan; its API availability was . Topic tags: general, documentation, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks,
GLM-5.3 是 Z.ai 面向编程与智能体任务推出的新模型，目标并不只是生成一段代码，而是处理复杂软件工程、深度调试，以及需要持续执行多个步骤的长期任务。Z.ai 为其提供了 100 万 token 的上下文窗口，并将其定位为比上一代 GLM-5.2 更擅长长程、复杂工作的模型。
这次升级的看点，也不只是传统代码测试中的分数变化。Z.ai 表示，GLM-5.3 在自有的 Z.ai Code Bench 上较 GLM-5.2 提升 50%，同时在 Terminal-Bench 3.0 和 Agents’ Last Exam（CLI）等公开评测中达到开源模型的领先水平。
GLM-5.3 与 GLM-5.2：已披露的测试变化
目前最明确的官方说法，是 GLM-5.3 在 Z.ai Code Bench 上实现 50% 的性能提升。至于公开基准测试，下面的具体数字来自第三方报告，官方材料在所提供的摘录中并未逐项复现全部分数：
| 基准测试 | GLM-5.2 | GLM-5.3 | 结果可能说明什么 |
|---|---|---|---|
| Terminal-Bench 3.0 | 4.6% | 28.3% | 处理更长链路的命令行任务能力明显增强 |
| DeepSWE v1.1 | 46.2% | 66.9% | 软件工程任务表现更强 |
| Agents’ Last Exam（CLI） | 23.8% | 28.5% | 工具调用和智能体式执行有所改善 |
| CyberGym | 77.2% | 84.5% | 漏洞发现能力提升 |
| ExploitBench | 24.4% | 54.4% | 报告分数超过 GLM-5.2 的两倍 |
这些数字应被视为“已报道结果”，而不是已经由独立机构确认的统一测量结果。详细对比来自第三方 X 帖子；Z.ai 官方文档确认了编程、长程任务和网络安全能力提升的大方向，但没有在提供的摘录中列出每一项具体数字。
Studio Global AI
继续你的研究
此页面包含一个有来源支持的答案，您可以在 Studio Global 内继续。
人们还问
“GLM-5.3 对比 GLM-5.2：Z.ai 新编程模型押注长程智能体与网络安全”的简短答案是什么？
GLM 5.3 配备 100 万 token 上下文窗口。Z.ai 称其在内部 Z.ai Code Bench 上较 GLM 5.2 提升 50%，但部分公开对比数据来自尚未独立验证的第三方报告。[2][32]
首先要验证的关键点是什么？
GLM 5.3 配备 100 万 token 上下文窗口。Z.ai 称其在内部 Z.ai Code Bench 上较 GLM 5.2 提升 50%，但部分公开对比数据来自尚未独立验证的第三方报告。[2][32] Z.ai 将性能提升主要归因于扩大后训练规模，并引入更接近真实多日软件工程与研究流程的任务环境，而不是仅针对短代码提示进行优化。[2]
接下来在实践中我应该做什么？
模型目前可通过 Z.ai 的 GLM Coding Plan 和 ZCode 使用；权重据第三方信息预计在 2026 年 8 月下旬、完成额外安全评估后发布，时间仍属暂定。[3][8][12][32]