智谱GLM-5.3发布：不换底座硬拉50%，编程追上Claude

参数没涨，性能暴涨50%

8月14日，智谱发布GLM-5.3。参数还是7400亿，没换底座，但性能硬生生拉高了50%——这个"不卷参数卷后训练"的路子，有点意思。

此前传闻的万亿参数升级没出现，那张牌被留给了GLM-5.5。GLM-5.3的打法很明确：用更长的后训练时间，把模型能力逼出来。

三个数据看懂这次升级

智谱放出的benchmark数据很硬核，挑三个最关键的看：

• Terminal-Bench 3.0：从4.6蹿到28.3。这个测试衡量模型在真实终端环境完成任务的能力，翻了6倍。
• DeepSWE v1.1：从46.2涨到66.9。专注长程软件工程和持续代码修改，涨了20个百分点。
• Z.ai Code Bench：High档位准确率31.4%，超过Claude Opus 4.8的29.5%，而且每任务只输出5万tokens，Opus要12万。

翻译成人话：GLM-5.3能用更少的token、更短的路径，干完同样复杂的编程任务。

编程能力追上Claude了？

智谱自己说"编程能力接近Claude Fable 5"。Fable是Anthropic的高端编程模型，GLM-5.3能追到这个水平，在国产模型里确实是头一份。

不过要客观看："接近"不是"超越"，而且Fable 5本身也在迭代。GLM-5.3的真正优势在于——它是开源的，模型权重两周内就会放出。

对开发者来说，有个接近闭源顶级水平的开源模型可用，这才是实打实的好处。

怎么用？

GLM-5.3已经上线智谱官方工具：

• ZCode：智谱的编程工具，类似Cursor
• AutoClaw：效率工具，类似AI助手

第三方平台也接入了：TraeWork、TraeCode、扣子、WorkBuddy、CodeBuddy、Qoder、QwenWork、CatPaw、JoyCode、OpenCode等。

API很快上线，完整模型权重两周内开源（MIT协议）。

这波升级意味着什么

GLM-5.3的发布，其实释放了一个信号：国产大模型开始从"卷参数"转向"卷后训练"。

参数量是有边际效应的，万亿参数的训练成本和推理成本都是天文数字。智谱这波证明：把后训练做深，7400亿参数也能逼近闭源顶级水平。

对开发者来说，这是好事——模型更聪明了，但调用成本没涨。

今天13:00，智谱GLM Coding Plan的全员额度已经重置，后台用量统计都能看到额度回满。想尝鲜的可以去试试。