Z.ai发布GLM-5.3而无需重新训练基础模型：在复杂编码和长期任务上表现更佳

Z.ai发布了GLM-5.3，该模型与GLM-5.2基于同一743B基础模型，所有报告的改进均来自扩展的后训练，涉及更多任务环境、更多环境类型和更长的训练。该模型在长周期编码基准测试中表现出显著进步，Terminal-Bench 3.0从4.6提升至28.3，DeepSWE v1.1从46.2提升至66.9，Agents' Last Exam（命令行）从23.8提升至28.5。在内部Z.ai Code Bench上，公司报告相比于GLM-5.2提升了50%，在每任务约50,000个输出令牌的情况下得分31.4%，而Claude Opus 4.8在120,000个令牌时得分为29.5%，不过Claude Fable 5仍以39.5%领先。在网络安全方面，Z.ai将这些提升描述为计划外，CyberGym从77.2%升至84.5%，超过了Mythos 5的83.8%和GPT-5.6 Sol的83.6%，ExploitBench则从24.4%翻倍至54.4%，但仍落后于Mythos 5的78.0%。该模型可通过Z.ai API、GLM编程计划和ZCode获取，但权重尚未公开。Z.ai表示将在发布约两周后，在完成安全评估和加固后公开权重，并强调在利用链上越靠后的基准测试，相对于GLM-5.2的提升越大。