答案已發布16 來源
GLM-5.3 點解突然變強？智譜押注後訓練，瞄準可自主做事嘅 AI 編程代理
智譜 AI 發布 GLM 5.3，模型規模維持 7430 億參數；公司稱，相比 GLM 5.2 約 50% 的編程提升主要來自後訓練，而非擴大基礎模型。 GLM 5.3 在 Terminal Bench 3.0 得分 28.3，較 GLM 5.2 的 4.6 高；在 DeepSWE 1.1 得分 66.9，較上一代的 46.2 高。
發布者使用 GPT-5.6 Luna 編輯圖片由 GPT Image 1.5 生成
研究答案
重點
- 智譜 AI 發布 GLM 5.3，模型規模維持 7430 億參數；公司稱，相比 GLM 5.2 約 50% 的編程提升主要來自後訓練，而非擴大基礎模型。
- GLM 5.3 在 Terminal Bench 3.0 得分 28.3，較 GLM 5.2 的 4.6 高；在 DeepSWE 1.1 得分 66.9，較上一代的 46.2 高。
- 智譜將 GLM 5.3 定位為能夠處理較長軟件工程流程、使用工具及操作軟件的 AI 代理，並稱模型具備發現潛在漏洞的能力；但實際可靠性仍須獨立測試。
AI 提示
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Chinese AI startup Zhipu AI announce about its next-generation open-source foundation model GLM-5.3, including its 743-billion-para. Article summary: Zhipu AI announced GLM-5.3, a 743-billion-parameter open-weights foundation model positioned as a major capability upgrade achieved primarily through post-training rather than a larger base model. The company says it sub. 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,
智譜 AI 宣布推出 GLM-5.3，一個擁有 7430 億參數、以編程、軟件工程及 AI 代理任務為重點的 open-weights 基礎模型。今次升級最值得留意嘅地方，唔係參數量再膨脹，而係智譜聲稱沿用 GLM-5.2 的同一規模，主要透過後訓練（post-training）提升模型處理長流程編程及工具操作的能力。
智譜公布的重點數字包括：GLM-5.3 在自家 Z.ai Code Bench 的編程表現較 GLM-5.2 提升約 50%；Terminal-Bench 3.0 得分 28.3；DeepSWE 1.1 得分 66.9。呢組數據顯示，模型目標唔只係幫你生成一段程式碼，而係嘗試完成涉及多個步驟的工程工作。不過，相關結果目前主要屬於公司公布的數據，仍要靠獨立重測及實際使用先可以判斷其可靠程度。
真正的變化：後訓練，而唔係加大模型
GLM-5.3 報稱維持 7430 億參數規模，智譜將今次發布包裝成一次以後訓練為核心的能力升級。換句話講，公司想展示的並非「模型越大就一定越強」，而係透過更有效的訓練方法，令同一個基礎模型更適合特定工作。
Studio Global AI
繼續你的研究
此頁麵包含一個有來源支援的答案，您可以在 Studio Global 內繼續。
人們還問
「GLM-5.3 點解突然變強？智譜押注後訓練，瞄準可自主做事嘅 AI 編程代理」的簡短答案是什麼？
智譜 AI 發布 GLM 5.3，模型規模維持 7430 億參數；公司稱，相比 GLM 5.2 約 50% 的編程提升主要來自後訓練，而非擴大基礎模型。
首先要驗證的關鍵點是什麼？
智譜 AI 發布 GLM 5.3，模型規模維持 7430 億參數；公司稱，相比 GLM 5.2 約 50% 的編程提升主要來自後訓練，而非擴大基礎模型。 GLM 5.3 在 Terminal Bench 3.0 得分 28.3，較 GLM 5.2 的 4.6 高；在 DeepSWE 1.1 得分 66.9，較上一代的 46.2 高。
接下來在實務上我該做什麼？
智譜將 GLM 5.3 定位為能夠處理較長軟件工程流程、使用工具及操作軟件的 AI 代理，並稱模型具備發現潛在漏洞的能力；但實際可靠性仍須獨立測試。