GLM-5.3更强却未刷屏，股价反跌3.6%

8月14日，智谱发布新一代旗舰模型GLM-5.3。8月19日，API正式开放调用，定价与GLM-5.2持平。从测试结果看，GLM-5.3进步明显，在Artificial Analysis最新综合智能指数中拿到60分，进入全球前沿模型区间，与Claude Fable 5、GPT-5.6 Sol等闭源旗舰处在同一档，并与Kimi K3并列开源模型第一。

但模型能力提升，并没有延续与前代的市场热度。4月GLM-5.1发布时，智谱收盘上涨11.5%；6月GLM-5.2发布，股价又涨了32.8%。但GLM-5.3模型发布当天，智谱股价下跌3.6%。模型发布后的行业讨论度，也远不如此前几次旗舰亮相。模型明明更强了，为什么没有再次成为市场焦点？

这种反差并不意味着GLM-5.3没有变强，而是说明在国产模型密集迭代、能力差距快速收窄的当下，模型跑分领先已经很难让市场兴奋。对智谱来说，更重要的问题是，更强的模型还能带来多大的差异化优势？这种优势又能不能继续转化成产品和收入？

后训练：把已有能力“练深”

GLM-5.3最值得关注的变化，是通过扩大后训练规模，取得了较为明显的成绩提升。简单理解，智谱没有重新训练一个更大的基座模型，而是让现有模型在更复杂、更接近真实工作的环境里反复训练，把已有能力继续“练深”。

大模型研究员曾小健告诉「AIX财经」，预训练更多是在增加模型“读过的东西”，后训练则是在增加模型“做过的事情”。模型不只是继续学习知识，还要进入真实环境做任务、拿到反馈，再根据结果调整自己的做法。

支撑起这轮后训练的，是此前打造的一套训练方式。IndexShare主要降低长上下文的计算成本；SAO让一条任务完成后就可以进入训练，不必等整批任务全部结束；slime框架则把模型执行任务和根据结果更新模型两个环节拆开运行，减少不同任务耗时差异带来的算力闲置。

曾小健举例，假设100个Agent任务里，有80个十分钟就能完成，有15个需要半小时，最后5个却要跑两个小时。传统训练方式会要求这一批任务全部结束后才能进入下一步，先完成的任务也只能干等着最慢的那5个，昂贵的GPU就会闲着。新的框架不再等所有任务一起“交卷”，这样可以减少等待时间，提高算力利用率。

训练效率提高之后，还得有足够多的“题”给模型练。GLM-5.3搭了一套自动生成训练环境的流程。Research Agent负责从真实工作中寻找任务，再由Judge Agent亲自跑一遍，确认任务确实能完成；系统还会检查模型有没有利用评分漏洞抄近路。可以理解为让AI自己出题、试做和验题，再把合格的题目送进训练。

编程能力：从“会做题”到“能干活”

这一套方法的效果首先体现在编程能力上。从基准测试成绩来看，GLM-5.3提升比较明显的项目，大多和长程软件工程、终端操作和自动化任务有关。比如，强调长程软件工程的DeepSWE v1.1，从前代的46.2分提高到66.9分。说明GLM-5.3更能把一项复杂任务从头干到尾。它能够理解一个陌生项目，自己定位问题、调用工具、修改代码，再根据测试结果继续修正。

智谱自己的Code Bench也在强调这一点。这套测试直接把模型放进本地开发环境，任务设置不同难度，在最高难度下，GLM-5.3用平均约7.5万输出Token取得34.5%的成绩，GLM-5.2则需要约9.6万Token，成绩只有23.4%。

曾小健认为，完成率提高、Token消耗反而下降，比单纯的跑分上涨更值得关注，这说明模型学会了更有效地探索，而不是靠堆更长的思考时间换成绩。

独立开发者李然的体验也印证了这种变化。他认为，GLM-5.3相比GLM-5.2进步明显，ZCode的Goal Mode是他感受最深的功能。给定一个目标后，模型会持续推进、检查和验证，直到任务完成，长任务的可靠性比上一代更高。

网络安全：提升超一倍，已发现2436个真实漏洞

另一块提升更加显眼，是网络安全。在考验漏洞利用推理的ExploitBench中，GLM-5.3从前代的24.4%提高到54.4%，提升超过一倍。安全任务要求模型不仅读懂代码，还要继续判断漏洞藏在哪里、怎样触发，对代码理解、工具调用和长程规划的要求更高。

这项能力也已经进入真实项目。智谱官方提到，从GLM-5.2开始，智谱就联合国内多家安全机构，用模型持续寻找真实项目中的漏洞。到GLM-5.3发布时，经过专家复核、筛选和去重，累计发现2436个漏洞，覆盖269个项目，其中1097个属于中高危问题，部分漏洞已经存在数十年。

综合来看，GLM-5.3相对前代的变化在于：编程能力更接近完整工程任务，长任务的稳定性有所提升，网络安全能力的进步幅度尤其明显。

横向对比：第一不少，但差距未拉开

但一款模型有没有竞争优势，还得放到同期对手中看。我们选择阿里、月之暗面和深度求索的最新旗舰模型作为参照，一方面因为这几款模型都在近期迎来更新，另一方面，Coding、Agent和长程任务也是它们共同投入的重点方向。

单从成绩来看，GLM-5.3的确拿到了不少第一，其中网络安全的优势最明显；Coding和长程Agent也已经进入第一梯队，但和Kimi K3、DeepSeek V4 Pro相比，没有形成明显差距。

再看各家手里的牌。DeepSeek V4 Pro仍有综合能力和价格优势；Kimi K3在长程软件工程上与GLM-5.3几乎贴身竞争，同时拥有原生多模态，能力覆盖更完整；Qwen3.8-Max虽然部分跑分不占优，但背靠阿里生态，在企业工作流和应用落地上更有基础。

所以，GLM-5.3确实更强了，但还没有形成让同期国产旗舰模型短期难以追赶的优势。

为什么没刷屏？升级方向“专业”且与用户期待错位

那么，为什么GLM-5.3的能力提升没有带来同等规模的传播？

一个直接原因，是它选择的升级方向相对“专业”。这轮更新主要升级的两个方向，一个是编程能力，主要服务开发者；另一个是网络安全能力，受众主要是安全研究人员和企业客户。能力都实用，但受众也相对集中。

这和GLM-5.3发布前的用户期待存在错位。此前智谱创始人唐杰在X上征集用户对新模型的期待，视觉、多模态能力是呼声较高的方向。原因并不难理解，现在越来越多的Agent任务已经不只是处理文字。做网页要看截图，改UI要理解设计稿，分析报告可能包含图表和PDF，甚至写代码时也经常需要根据页面效果继续调整。

李然提到，不少开发任务其实很难完全用语言描述清楚，尤其是页面设计和创意编码。有了视觉能力后，模型能直接“看结果”，就不用反复把需求翻译成文字。在他的实际使用中，GLM-5.3目前还缺少视觉能力，这在一定程度上限制了它在更广泛场景中的适用性。