智谱 GLM-5.3 发布：编程能力最强开源模型，Terminal-Bench 得分暴涨 5 倍

IT之家 8 月 14 日消息，智谱今日正式发布 GLM-5.3，与 GLM-5.2 相比，基座模型没变，但通过后训练 Scaling 大大提高了模型的智能上界：数十倍的长程任务环境、更丰富多样的环境类型、超长的后训练时间。

更强的编程能力。GLM-5.3 是编程能力最强的开源模型，在内部自建体感评测中较 GLM-5.2 提升 50%，在包括 Terminal Bench 3.0、Agents' Last Exam (CLI) 在内的公开基准测试中取得开源第一。

网络安全能力。在白盒代码审查与漏洞发现等安全任务中，GLM-5.3 的表现持平 Mythos 5，展现出面向网络安全防御场景的强大潜力。

后训练 Scaling。上述全部提升都来自后训练。基于 IndexShare、SAO、以及持续演进的新一代 Slime 框架，智谱在与 GLM-5.2 完全相同基座上高效推进强化学习，可能智谱还远未开发出这个基座的智能上界。

开源。智谱将在发布两周后开放模型权重，此前完成安全评估与模型加固。

智谱表示，在多项主流基准测试中 GLM-5.3 是当前排名最高的开源模型，编程与智能体能力接近 Claude Fable 5，编程体感超过其他国产模型。

在衡量模型于真实终端环境中完成复杂任务的 Terminal-Bench 3.0 上，GLM-5.3 得分从 4.6 提升至 28.3；

在聚焦长程软件工程与持续代码修改能力的 DeepSWE v1.1 上，得分从 46.2 提升至 66.9；

在覆盖多类真实专业场景、强调跨工具协作与长程任务的 Agents' Last Exam 上，得分从 23.8 提升至 28.5；

在覆盖 44 种职业、考察真实高价值知识工作的 GDPval-AA v2 中得分 1,769，展现基于编程能力涌现的专业任务执行能力。

智谱自研的 Z.ai Code Bench 评估模型在真实编程场景中的综合体感。模型会被置于复杂的本地开发环境，并在不同思考档位下执行端到端任务，更接近开发者实际使用 Coding Agent 时的体验。

测试结果显示，GLM-5.3 在效果和 Token 利用率之间取得了更好的平衡。在 High 档位下，GLM-5.3 达到 31.4% 的准确率，超过 Claude Opus 4.8 最高档位的 29.5%，每项任务平均输出约 5 万 tokens，而 Opus 4.8 需要约 12 万 tokens，意味着 GLM-5.3 可以用更短的执行路径完成任务。

即日起上线智谱官方编程工具 ZCode、效率工具 AutoClaw，上线 GLM Coding Plan 全量用户及开放订阅。TraeWork / TraeCode / 扣子、WorkBuddy / CodeBuddy、Qoder / QwenWork、CatPaw、JoyCode、OpenCode 等编码平台开放抢先体验。

API 很快上线，完整模型权重将在两周内开源，此前需完成必要的安全加固，尽可能限制其潜在攻击能力，保留其防御价值。

IT之家从智谱公告获悉，今天 13:00，GLM Coding Plan 全员额度重置，所有用户后台「用量统计」可见使用额度回满。