Z.ai 發布了旗艦模型 GLM-5.3，該模型基於 743B 參數的基礎架構，透過先進的後訓練技術，在自主編碼和網路安全任務中達到了最優表現。與前代 GLM-5.2 相比，GLM-5.3 在 Z.ai Code Bench 上的表現提升了 50%，並在 Terminal-Bench 3.0 和 Agents’ Last Exam 等公開基準測試中領先，證明了後訓練增強的效能可與模型擴展相媲美。

此次發布突顯了 GLM-5.3 執行複雜漏洞（包括零日漏洞和核心漏洞）的能力，並能掃描開源軟體以發現關鍵 CVE。其表現使其成為 Anthropic 的 Claude 和 OpenAI 等先驅模型在代理編碼領域的有力競爭對手，為在軟體工程和網路安全防禦中部署強大的 AI 代理提供了具成本效益的路徑。所有效能提升皆來自後訓練技術，而非參數數量的增加。

事件背景

後訓練（Post-training）是指在基礎模型預訓練完成後，透過對齊、微調等技術進一步優化模型在特定任務（如編碼或推理）上的表現，這通常比單純增加模型參數規模更具成本效益。

社群觀察

社群成員對該模型在安全研究場景（如適應核心漏洞）中的無縫執行印象深刻，但也有人指出它仍略遜於 Sol 和 Fable 等競爭對手。討論還強調了 API 相對於訂閱制的成本效益，並預測在權重發布後本地量化運行的潛力。