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：

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。

为什么 Terminal-Bench 3.0 值得关注？

在所提供的对比表中，Terminal-Bench 3.0 从 4.6% 提升至 28.3%，是幅度最显著的一项。这个基准测试与编程智能体尤其相关，因为模型需要在命令行环境中操作工具、检查当前状态、修改文件，并在多个阶段之间持续推进，而不是只输出一段孤立的代码。

因此，现有证据支持“GLM-5.3 在这项测试中明显强于 GLM-5.2”的表述，但这并不等于它一定能在所有真实代码仓库或开发流程中保持同样的领先幅度。

编程智能体：重点从短提示转向持续执行

GLM-5.3 的主要使用场景，是围绕较大规模项目持续完成规划、实现、调试和迭代。Z.ai 的模型总览为其列出 100 万 token 上下文窗口，并明确强调长程、复杂任务能力。

这使它区别于只针对短代码请求进行小幅更新的模型。Z.ai 称，GLM-5.3 在 Terminal-Bench 3.0 和 Agents’ Last Exam（CLI）等长程智能体评测中达到开源模型领先水平；在自有 Code Bench 上，它较 GLM-5.2 提升 50%。

对开发者而言，实际意义在于：模型理论上可以保留并利用更多项目上下文，同时跨越更多步骤推进任务。不过，基准分数并不能直接证明模型在特定开发环境中的可靠性、成本、响应延迟或工具执行质量。准备迁移的团队仍应使用自有代码仓库和代表性工作流进行测试，不能假定测试成绩会原样转化为生产表现。

网络安全能力也有所增强

Z.ai 表示，GLM-5.3 在 CyberGym 漏洞发现基准测试中取得了目前为止的最佳成绩；在漏洞利用方面，其表现也超过 GLM-5.2 的两倍。

第三方对比表显示，CyberGym 从 77.2% 提升至 84.5%，ExploitBench 则从 24.4% 上升至 54.4%。由于官方材料没有独立复现这些具体数字，因此它们目前更适合作为发布阶段的报道数据，而非已经定论的行业基准结果。

这部分变化有两层意义。首先，它表明模型的智能体能力可能不仅体现在编写应用代码上，也延伸到了识别漏洞和分析安全缺陷。其次，更强的漏洞发现与利用能力也意味着更严格的安全评估不可或缺：这类能力可以服务于防御性安全研究，但如果缺乏适当的访问控制和使用规范，也可能增加滥用风险。

技术上改了什么？Z.ai 将重点归于扩展后训练

Z.ai 将 GLM-5.3 的提升主要归因于规模化的后训练。按照公司的解释，团队扩大了训练期间使用的任务环境，使其更接近真实世界中持续数日的软件工程和研究流程，而不是只围绕短小、封闭的编程练习进行训练。

换句话说，Z.ai 对这次升级的描述重点是训练过程与任务环境的变化，而不只是扩大上下文窗口，或公布一个全新的基础架构。这样的解释也与长程、智能体评测中出现较大幅度提升相吻合：后训练过程被用于强化模型的规划、工具使用、错误恢复，以及在长期任务中继续推进的能力。

当然，这仍然是 Z.ai 对性能提升来源的解释。究竟有多少增益能够跨模型、智能体框架、提示词和不同软件项目泛化，还需要独立测试来判断。

现在能用吗？权重何时发布？

目前，GLM-5.3 已通过 Z.ai 的 GLM Coding Plan 提供，相关计划列出的 Max、Pro 和 Lite 方案均支持该模型；它也已在 ZCode 开发环境中上线。

在所提供的证据中，模型权重尚未公开。一份第三方报告称，Z.ai 计划在 2026 年 8 月 14 日发布后约两周、完成额外安全评估后推出权重。按这一说法，时间大致指向 2026 年 8 月下旬，但这不是已经确认的发布日期。

对于正在考虑采用 GLM-5.3 的开发者，当前需要区分“可以使用”和“能够复现”。用户可以通过 Z.ai 支持的编程产品体验模型，但在相关权重正式发布前，外部团队还无法仅凭本地部署完整复现发布阶段的详细测试结果。

结论：一次面向编程智能体的定向升级

GLM-5.3 更像是一次针对编程智能体的定向升级，而不是简单的型号迭代。Z.ai 报告称，它在内部代码基准上提升 50%，在长程智能体评测中表现更强，同时相较 GLM-5.2 在网络安全测试中取得明显进步。

需要保留的最大疑问，是证据仍然存在层次差异：Z.ai 官方资料确认了能力提升的方向，而具体公开测试对比和“约两周后发布权重”的时间表主要来自第三方报道，仍等待更广泛的独立验证。

在更多测试结果和模型权重发布之前，GLM-5.3 最适合被理解为一个值得关注、目前可通过产品使用的编程智能体升级版，而不是一个已经完全实现独立复现的开放模型。

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：

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。

为什么 Terminal-Bench 3.0 值得关注？

在所提供的对比表中，Terminal-Bench 3.0 从 4.6% 提升至 28.3%，是幅度最显著的一项。这个基准测试与编程智能体尤其相关，因为模型需要在命令行环境中操作工具、检查当前状态、修改文件，并在多个阶段之间持续推进，而不是只输出一段孤立的代码。

因此，现有证据支持“GLM-5.3 在这项测试中明显强于 GLM-5.2”的表述，但这并不等于它一定能在所有真实代码仓库或开发流程中保持同样的领先幅度。

编程智能体：重点从短提示转向持续执行

GLM-5.3 的主要使用场景，是围绕较大规模项目持续完成规划、实现、调试和迭代。Z.ai 的模型总览为其列出 100 万 token 上下文窗口，并明确强调长程、复杂任务能力。

这使它区别于只针对短代码请求进行小幅更新的模型。Z.ai 称，GLM-5.3 在 Terminal-Bench 3.0 和 Agents’ Last Exam（CLI）等长程智能体评测中达到开源模型领先水平；在自有 Code Bench 上，它较 GLM-5.2 提升 50%。

对开发者而言，实际意义在于：模型理论上可以保留并利用更多项目上下文，同时跨越更多步骤推进任务。不过，基准分数并不能直接证明模型在特定开发环境中的可靠性、成本、响应延迟或工具执行质量。准备迁移的团队仍应使用自有代码仓库和代表性工作流进行测试，不能假定测试成绩会原样转化为生产表现。

网络安全能力也有所增强

Z.ai 表示，GLM-5.3 在 CyberGym 漏洞发现基准测试中取得了目前为止的最佳成绩；在漏洞利用方面，其表现也超过 GLM-5.2 的两倍。

第三方对比表显示，CyberGym 从 77.2% 提升至 84.5%，ExploitBench 则从 24.4% 上升至 54.4%。由于官方材料没有独立复现这些具体数字，因此它们目前更适合作为发布阶段的报道数据，而非已经定论的行业基准结果。

这部分变化有两层意义。首先，它表明模型的智能体能力可能不仅体现在编写应用代码上，也延伸到了识别漏洞和分析安全缺陷。其次，更强的漏洞发现与利用能力也意味着更严格的安全评估不可或缺：这类能力可以服务于防御性安全研究，但如果缺乏适当的访问控制和使用规范，也可能增加滥用风险。

技术上改了什么？Z.ai 将重点归于扩展后训练

Z.ai 将 GLM-5.3 的提升主要归因于规模化的后训练。按照公司的解释，团队扩大了训练期间使用的任务环境，使其更接近真实世界中持续数日的软件工程和研究流程，而不是只围绕短小、封闭的编程练习进行训练。

换句话说，Z.ai 对这次升级的描述重点是训练过程与任务环境的变化，而不只是扩大上下文窗口，或公布一个全新的基础架构。这样的解释也与长程、智能体评测中出现较大幅度提升相吻合：后训练过程被用于强化模型的规划、工具使用、错误恢复，以及在长期任务中继续推进的能力。

当然，这仍然是 Z.ai 对性能提升来源的解释。究竟有多少增益能够跨模型、智能体框架、提示词和不同软件项目泛化，还需要独立测试来判断。

现在能用吗？权重何时发布？

目前，GLM-5.3 已通过 Z.ai 的 GLM Coding Plan 提供，相关计划列出的 Max、Pro 和 Lite 方案均支持该模型；它也已在 ZCode 开发环境中上线。

在所提供的证据中，模型权重尚未公开。一份第三方报告称，Z.ai 计划在 2026 年 8 月 14 日发布后约两周、完成额外安全评估后推出权重。按这一说法，时间大致指向 2026 年 8 月下旬，但这不是已经确认的发布日期。

对于正在考虑采用 GLM-5.3 的开发者，当前需要区分“可以使用”和“能够复现”。用户可以通过 Z.ai 支持的编程产品体验模型，但在相关权重正式发布前，外部团队还无法仅凭本地部署完整复现发布阶段的详细测试结果。

结论：一次面向编程智能体的定向升级

GLM-5.3 更像是一次针对编程智能体的定向升级，而不是简单的型号迭代。Z.ai 报告称，它在内部代码基准上提升 50%，在长程智能体评测中表现更强，同时相较 GLM-5.2 在网络安全测试中取得明显进步。

需要保留的最大疑问，是证据仍然存在层次差异：Z.ai 官方资料确认了能力提升的方向，而具体公开测试对比和“约两周后发布权重”的时间表主要来自第三方报道，仍等待更广泛的独立验证。

在更多测试结果和模型权重发布之前，GLM-5.3 最适合被理解为一个值得关注、目前可通过产品使用的编程智能体升级版，而不是一个已经完全实现独立复现的开放模型。