智譜 GLM-5.3 開放權重：程式碼能力 50% 大躍進、ExploitGym 暴增三倍，挑戰閉源頂級模型

編按：本文綜合整理自 HuggingFace 模型卡、Z.ai 官方技術報告 與 Hacker News 討論串，並加入 Siami 編輯部觀點與數據解讀。官方公布的 benchmark 數字有待第三方獨立重現。

智譜（Z.ai）於 2026 年 8 月 28 日開放下載 GLM-5.3 的模型權重，這是繼 GLM-5.2 之後以「後訓練（post-training）」為核心突破的開放權重旗艦版本。官方強調，這次所有改進都來自後訓練階段，底層基礎模型與 GLM-5.2 完全相同。

GLM-5.3 強化了什麼：程式碼與網路攻擊能力

GLM-5.3 在兩個領域的進步最為顯著：

• 程式碼能力：在 Z.ai 自家的 Code Bench 上比 GLM-5.2 進步 50%。在 Terminal Bench 3.0、Agents’ Last Exam 等公開基準上，達到開放權重模型中的最高水準（open-source SOTA）。
• 新興的網路攻擊能力：隨著後訓練規模放大，模型在資安相關任務的表現成長速度超出預期。在 CyberGym 漏洞發現基準上，GLM-5.3 達到 state of the art；在 exploit benchmarks 上，對比 GLM-5.2 有倍數級提升。

官方釋出的 benchmark 表格顯示，GLM-5.3 在多項與程式代理相關的任務上，已逼近閉源頂級模型：

值得注意的兩個指標是：

1. ExploitGym 從 39 暴增到 130（6 小時預算），成長三倍以上。這意味模型在自動化漏洞利用鏈上取得重大進展，從資安研究角度看，這是「emergent capability」級別的變化。
2. CyberGym 84.5 分超越所有其他開放權重對手，在所有公開權重的模型中排名第一。

部署生態：六大框架同步支援

GLM-5.3 從第一天就支援多個主流推理框架，官方文件列出六種部署方案：

• SGLang：附 cookbook 教學
• vLLM：附 recipes 指南
• TokenSpeed：輕量推理引擎
• Transformers：HuggingFace 原生支援
• KTransformers：適合資源受限場景
• Unsloth：附微調指南

此外，針對華為昇騰（Ascend NPU） 平台，官方文件明確列出 vLLM-Ascend、xLLM 與 SGLang 三種適配方案。這呼應了中國 AI 生態在脫離 NVIDIA CUDA 依賴的方向：模型、推理框架、硬體三方共同設計。

值得注意的是，OpenRouter 平台上 DeepInfra 已成為第一個提供 GLM-5.3 第三方託管的供應商，這意味著開發者可以透過 OpenRouter 統一 API 直接調用，不需要自行部署。

數據解讀：官方成績亮眼，但不能直接橫比

GLM-5.3 的 benchmark 數字雖然驚人，但若要當作「GLM-5.3 全面勝過其他開放權重模型」的結論，仍須留意以下幾點：

1. 不同模型的推理預算不同。GLM-5.3 在 Terminal Bench 3.0 評測時使用 Claude Code 2.1.207 框架，400K 上下文、128K 最大輸出、最高 600 個 agent turn、10 小時 timeout，採 avg@3。Kimi K3 的評測條件不盡相同。
2. 腳手架選擇會影響結果。SWE-bench Verified、ExploitGym、HLE w/ Tools 都使用 Claude Code 2.1.207 當作 agent harness，這意味著 GLM-5.3 在「搭配 Claude Code」的場景下表現最佳，使用其他框架未必能重現同樣數字。
3. 官方使用「單一重現 Pass@1」評估漏洞相關任務，並在 869 個任務上以「per-model tokens per second rate」做了時間校正。GLM-5.3 的 TPS 是 115，Kimi K3 是 40，Qwen3.8 Max 是 47，這個校正方式對 GLM-5.3 較為有利。
4. 缺乏第三方獨立重現。這些數字全部來自模型團隊自家公布的結果，目前沒有大規模第三方 benchmark 機構（除 Artificial Analysis 外）對 GLM-5.3 做完整重現測試。
5. GPT-5.6 Sol 與 Fable 5 在多項指標仍領先。例如 ExploitGym（6h）293 分、Fable 5 的 247 分，GLM-5.3 的 130 分雖是開放權重最高，但與頂級閉源模型仍有 2-3 倍差距。

另一個常被忽略的事實是：基準測試表現 ≠ 真實工作流表現。HN 留言指出，GLM-5.3 在「隨機硬問題」上的表現有 DS4Flash 缺乏的直覺，這是質性觀察而非量化指標。真正要看的是它在自家工作負載中的實際表現：

• 程式碼生成：能否在大型 codebase 內維持一致的風格？
• 漏洞研究：能否在多步驟攻擊鏈中保持正確的狀態追蹤？
• 工具調用：能否在 100+ 工具定義的環境中正確選擇？

為什麼這件事重要

GLM-5.3 的開放權重，與過去幾個月的開源旗艦（DeepSeek V4 Pro、Qwen3.8 Max、Kimi K3）共同標誌了一個趨勢：中國 AI 實驗室在「後訓練」這條路上，已經能與美國閉源頂級模型正面競爭。

具體來說，這次釋出的意義有三層：

第一層：技術層面，後訓練仍是 scaling law 主戰場。 GLM-5.3 用相同的基礎模型，靠後訓練在 ExploitGym 上達成三倍進步，這印證了 RLHF、constitutional AI、agentic post-training 等技術仍有巨大紅利。對於正在訓練下一代模型的團隊，GLM-5.3 的數據是「後訓練 scaling 尚未飽和」的最新證據。

第二層：地緣層面，中國 AI 開源生態正在形成一個閉環。 從晶片（昇騰）、框架（vLLM-Ascend/SGLang）、模型（GLM 系列）、到部署（華為雲、阿里雲），整條鏈都開始有開源選項。這與 OpenAI、Anthropic、Google 走閉源商業化的路線形成對比。在中美科技脫鉤持續加深的背景下，這條開源鏈的存在讓中國企業不必完全依賴美國 API 即可部署頂級模型。

第三層：產業層面，open-source SOTA 已逼近閉源 frontier。 GLM-5.3 在 ExploitGym 6h 預算拿到 130 分，雖然仍遠遜於 GPT-5.6 Sol 的 293 分，但已是「不需付費給美國公司」可取得的最強表現。對於資安研究、企業內部部署、學術研究等場景，這個數字足以讓 GLM-5.3 成為「首選開放權重模型」。

不過，「能下載」只是生態起點。開發者真正會關心的，是文件品質、社群回覆速度、量化方案、微調工具鏈、第三方框架相容性、以及授權條款的商用彈性。從這個角度看，GLM-5.3 與過去幾個月的 Qwen3.8 Max、Kimi K3、DeepSeek V4 Pro 一樣，仍處於「先讓大家試跑起來」的階段。

GLM-5.3 的核心命題，是以「後訓練 scaling」換取代理能力與資安能力的雙重突破；這項命題能否站穩，需要獨立重現、真實工作負載驗證、以及與閉源模型的長期比較來回答。

開發者接下來該看什麼

有意測試的團隊，可從以下幾個方向評估 GLM-5.3：

1. 授權檢查：先確認 glm-5.3 授權是否符合商用情境，包括衍生模型再發布、品牌使用、責任歸屬等條款。
2. 硬體需求評估：雖然 GLM-5.3 屬於 MoE 架構（FP8 量化），但部署時仍需足夠 VRAM 或統一記憶體。HN 上有用戶用 512GB DDR4 + Epyc 自建環境跑，也有人期待 Mac M5 Ultra 512GB。
3. 推理框架選擇：依部署環境選 SGLang、vLLM 或 KTransformers；若在中國環境，優先測試 vLLM-Ascend。
4. 量化策略：官方提供 FP8 版本，後續社區可能推出 INT4、AWQ、GGUF 等變體，需評估品質損失。
5. 第三方評測追蹤：觀察 Artificial Analysis、HELM、lm-eval-harness 等獨立 benchmark 是否納入 GLM-5.3，以及與閉源模型的對比數字。

技術細節方面，官方技術報告《GLM-5: from Vibe Coding to Agentic Engineering》（arXiv 編號 2602.15763）描述了完整的訓練方法與基礎設施。HN 留言中提到的「比 Kimi 容易執行」、「價格預期會明顯較低」等使用者體驗，需要等更多第三方託管商上線後才能驗證。