争议从哪里来

据社区讨论，有用户指出 ZCode 会在登录状态下将本地仓库数据上传。官方在回应中将问题归因于 ZCode 的”代码库索引”功能——该功能用于在本地生成仓库索引，以支持会话检查点恢复、历史版本回退及 Repo Wiki（代码仓库知识库）等能力。

官方说明，Repo Wiki 在生成 Wiki 页面（知识库页面）时，可能会触发仓库数据上传；Wiki 页面在云端生成后，相关上传数据会立即销毁、不会保存。由于该功能上线初期处于默认开启状态，部分用户并未主动启用也被纳入上传链路，这正是社区质疑”偷传代码”的直接由来。

官方回应与补偿

智谱 ZCode 于 9 月 18 日通过官方群组发布情况说明，向受影响用户致歉，并将问题定性为功能设计层面的越界，而非恶意收集数据。官方表示相关问题目前已经修复。

针对外界对数据安全与产品信任的关注，官方给出两条透明化路径：一是近期开源 ZCode 代码库，让外部可以直接检视实现细节；二是邀请第三方评估人员对系统运行情况进行审查，并持续公开产品审查进展。

此外，ZCode 宣布为全体用户额外提供一次周额度重置，相关额度自 9 月 18 日起发放，补偿覆盖全部用户而非仅限受影响用户。

两条不同的技术路线

海外头部本周的重心在架构与智能体。OpenAI 把 GPT-6 Astra 定位成能直接操作电脑的智能体，Anthropic 则靠 Claude Fable 5.1 在专业任务上继续拉开身位。国产头部则明确表态”架构没动”，提升全部来自强化学习与长程任务环境。智谱官方博客里有一句话很实在：模型能力的提升正在从”模型”转移到”环境”——难点不再是让模型更聪明，而是给它搭出足够接近真实工作的测试环境。

开源权重：一条新分水岭

谁把权重真正放出来、以什么协议放出，正在成为区分模型开放程度的分水岭：

– DeepSeek 的 V4.1-Flash 用 MIT 协议直接放出权重； – Meta 的 Muse Glimmer 采用 Apache-2.0 协议； – 智谱 则选择延后两周、做完安全加固再开源。

三家都开源，但节奏与顾虑完全不同。智谱的谨慎有出处：GLM-5.3 那 2436 个漏洞发现记录，让同一项能力交到谁手里、结果差得很远。这也说明，开源不再只是”放不放权重”的二元题，而是”以何种安全姿态放出”的工程与治理题。

差距究竟在哪里

在中文场景与开源生态两块，国产模型已具备对等实力。SuperCLUE 中文榜前十被国产模型包揽，LMArena 与国际模型大致”五五开”即是证据。但在另两个维度上，海外头部仍然领先：

– 让人愿意投票：盲测偏好测的是”聊得舒不舒服”； – 端到端把活干完：Agent 能力测的是”活干没干完”。

GPT-6 Astra 的盲测反差、Anthropic 约 16 分的领先，都在说明这两套尺子量出来的东西并不相同。

跨榜单的交叉观察

把单个模型在不同榜单上的名次摆在一起，能看出明显的”偏科”：

– DeepSeek V4.1-Flash：在 SuperCLUE 上排国产第 2，中文能力没得说；到了 LMArena 公司榜却只排第 11（1450.77 分），连前 10 都没进。中文评测与国际盲测之间的落差，在它身上体现得最明显。 – OpenAI Astra：在自家评测体系里全面领先，LMArena 上却比 GPT-5.5 低 29 分——盲测与 Agent 能力是两套不同的尺子。 – 智谱 GLM-5.3：LMArena 第 5、SuperCLUE 第 3，两张榜都稳，是这一周表现最均衡的国产模型。

开源权重榜本身也印证了国产的站位。在 LMArena 开源模型榜单中，智谱 GLM-5.3 以约 1477.5 的 Arena 评分位居第一，月之暗面 Kimi K3 约 1471.9 居第二，GLM-5.3-Flash 约 1471.6 居第三，DeepSeek V4.1-Flash 约 1450.8 紧随其后——开源前五中，国产模型占据多席。

对选型意味着什么

对关注大模型选型的中国用户而言，这组信号有两点实用价值：其一，若场景以中文、长文档、国产开源生态为主，国产模型在能力与成本上已可放心作为主力；其二，若场景强依赖”像人一样愿意聊”的盲测体验或”完整把长任务干完”的 Agent 能力，海外头部仍有一段身位优势，需按真实工作负载而非单一榜单分数做判断。

结语

模型江湖瞬息万变。9 月这一周的榜单真正值得记下的，不是谁又涨了几分，而是竞争维度正在悄然切换：从”谁的基座更强”，转向”谁把后训练练得更透、谁把权重更负责任地开源”。开源权重，正在成为继参数规模之后，衡量一家模型公司的新分水岭。

智谱于 9 月 13 日宣布完成约 50 亿美元（约 335.4 亿元人民币）融资，其中六成将明确投向下一代 GLM 基础模型与”完全自训练”体系及算力基础设施。这笔资金让这家今年 1 月才登陆港交所的中国大模型公司，在持续升级的”耐力赛”中获得跨多个研发周期调度算力的底气。

一笔”折价配售 + 零息转股”的组合拳

智谱（02513.HK）本轮融资由两部分独立构成，彼此不互为前提。其一是约 20 亿美元的股份配售：以每股 714 港元配售最多 2196.5 万股新 H 股，较 9 月 11 日 793 港元的收市价折让约 9.96%，所得净额约 156.64 亿港元。其二是约 30 亿美元的零息可转债券：以本金 100.5% 发行，初始转股价 892.5 港元（较 793 港元溢价约 12.55%），2027 年到期，本金规模 201.4 亿元人民币，所得净额约 236.1 亿港元。两项合计净额约 392.74 亿港元。

这种”折价配售 + 零息溢价转股”的结构在 AI 公司融资中并不常见。零息设计意味着公司不承担常规票息支出，而溢价转股价把即期股权摊薄压到最低——智谱用更低的当期成本，换来了更大的资金体量。

资金去哪儿了

据港交所公告，募资净额按以下比例分配：

“完全自训练”（Fully Self Training）是本轮研发的重点方向。智谱将其描述为：下一代 GLM 在上一代 GLM 构建的环境中训练，形成递归式自我改进循环（Recursive Self-Improvement，RSI），具体覆盖自动化生成与筛选训练数据、构建可执行可验证的任务环境、提升长程推理与自我验证能力，以及推进国产芯片适配、算子开发和算力调度。

什么是”完全自训练”？

完全自训练指由下一代模型在上一代模型搭建的环境里完成训练，逐步建立递归式自我改进循环。它让模型参与更完整的训练与改进过程，而非单纯依赖人工标注数据，是智谱试图把”模型竞争力”转化为”持续迭代能力”的核心赌注。

商业化已跑出陡峭曲线

支撑这笔融资的，是智谱快速改善的财务表现。2026 年上半年，公司营收达 9.54 亿元，同比增长近 400%，已超过去年全年收入；其中 MaaS（模型即服务）开放平台及 API 服务收入 8.25 亿元，同比增长约 2736%，贡献当期 86.5% 的营收，业务毛利率由负转正至 24.6%。截至 8 月底，智谱按月度收入年化计算的 ARR（年度经常性收入）达到 16 亿美元，较 7 月上旬的 10 亿美元增长 60%。

模型侧，GLM 系列在 2 月至 8 月先后推出 GLM-5、GLM-5.1、GLM-5.2 和 GLM-5.3，保持约每两个月一次的重要升级节奏。

智谱为何采用”折价配售 + 零息转股”结构？

折价配售可快速募得大额权益资金，零息可转债则不产生票息负担且转股前不摊薄股权，溢价转股价更体现投资者对增长的预期。两者结合，让智谱在亟需算力的阶段以更低当期成本拿到约 50 亿美元弹药。

一场关于”谁先耗尽弹药”的耐力赛

把视野拉到全球，智谱的融资节奏折射出大模型行业的共同处境：前沿模型的竞争已从”谁模型更强”转向”谁能在更长周期里持续投入”。与 OpenAI、Anthropic 动辄千亿美元量级的累计融资相比，中国大模型公司的资金池仍显单薄，但智谱 1 月港股 IPO（所得 48.96 亿港元已悉数动用）、7 月配售 1978 万股净筹 313.75 亿港元、再到本轮近 393 亿港元，三步累计形成的储备已足以支撑数个研发周期。

真正的看点不在”融了多少”，而在”完全自训练”能否跑通。一旦递归式自我改进循环成立，模型迭代将部分摆脱对人工数据的依赖，算力与工程能力的复利效应会显著放大。这恰是约 50 亿美元最该押注的方向。

50 亿美元能支撑智谱跑多远？

按公告口径，约 60% 投向模型与算力，可支撑智谱跨多个研发周期安排训练实验、人才与算力调度。对一家半年营收不足 10 亿元、却要参与全球前沿模型竞争的公司而言，这笔资金主要购买的是”不被弹药拖慢节奏”的时间窗口。

本文基于智谱港交所公告、2026 年中期财报，以及证券时报、智东西、新浪财经等公开报道综合整理。

两个月，年化收入从 3 亿到 10 亿美元

推动这轮跃升的关键节点是 7 月发布的旗舰模型 Kimi K3。知情人士称，月之暗面的年度经常性收入（ARR）在 8 月突破 10 亿美元，较 6 月的约 3 亿美元增长超过两倍。若年底目标兑现，意味着其年化收入将在半年时间内增长逾 6 倍。

需要厘清的是，年化收入并不等于已经到账的收入。ARR 是按照当前一段时间的收入速度外推一年得出的指标，用于衡量业务运行规模与未来收入潜力。月之暗面目前仍未上市，没有公开经过审计的完整财务数据，因此 10 亿美元与 20 亿美元都应视为知情人士披露的预期口径。

Kimi K3 之所以能迅速转化为商业需求，原因在于性能与成本的双重优势。这款模型拥有 2.8 万亿参数，在编程、复杂推理和长任务处理等测试中表现突出，并在部分第三方基准测试中跻身全球领先模型行列，使用成本却明显低于美国部分顶级竞品。

需求的热度一度超出供给能力。Kimi K3 发布后不久，月之暗面曾因算力不足暂停新的消费者订阅，当时公司表示模型上线后的用户请求量远超预期，现有计算集群接近承载极限。对一家仍在扩张期的公司而言，”需求超过算力供给”本身成为投资者判断其商业化潜力的信号。

从消费者订阅走向云端与企业客户

月之暗面的收入结构正在从单一的消费者订阅，向接口调用、企业服务与海外云平台托管扩展。对于拥有 2.8 万亿参数的 K3 而言，绝大多数企业并不具备自行部署如此规模模型的能力，云平台因此成为重要的商业化渠道。

据报道，公司正与微软、亚马逊和谷歌就 Kimi K3 的云端托管和收入分成进行谈判，希望从相关服务收入中获得最高约 30% 的分成。在企业侧，月之暗面近期组建了工程师团队，帮助亚信科技、金山云控股等客户部署其模型。早期公司主要在程序员与个体创业者中取得突破，如今正寻求规模更大的企业客户以支撑后续增长。

资本市场也在同步升温。月之暗面目前正以约 500 亿美元估值进行新一轮融资，这一估值与智谱目前的市值大致相当。有市场消息称，公司已秘密向香港交易所提交首次公开募股申请，最快可能在今年完成上市。

中国大模型公司的收入座次

横向对比更能看出这轮增长的含金量。MiniMax 披露，今年 8 月其 ARR 达到 8 亿美元；智谱的年化收入在 7 月突破 10 亿美元后，同期进一步升至 16 亿美元。相比之下，月之暗面 8 月约 10 亿美元的体量，已经使其进入中国大模型公司的第一梯队，并成为智谱与 MiniMax 的直接竞争者。

不过放在全球尺度上，中国人工智能开发商在收入规模上仍明显落后于美国的前沿实验室。OpenAI 与 Anthropic 凭借更早的企业级布局，年化收入仍高出数量级。

真正棘手的问题对所有玩家一视同仁：训练和运行前沿模型需要采购大量图形处理器、建设数据中心，并承担巨额电力与推理成本。收入快速增长并不自动等于高利润的商业模式，砸下去的基础设施投入最终能否产生足够回报，仍是投资者长期关注的悬案。

Kimi K3 已经明显改变了月之暗面的增长曲线。接下来的看点在于，这款模型能否持续保持技术领先，以及这波热度能否转化为稳定的企业合同、接口收入和海外云服务收入。

9 月 10 日，智谱通过 BigModel 开放平台宣布启动”智谱・杭州全城 Coding 计划”。该计划由智谱联合杭州市、上城区推出，定位为城市级 AI 编程普惠行动，官方称其为全国首创的城区级 AI 模型调用支持。

活动的目标写得很直接：降低人工智能编程工具的使用门槛，让创业者、开发者、企业研发团队和青年人才以更低成本用上国产大模型能力。活动时间为 9 月 10 日至 12 月 9 日。

个人用户：季卡减 44%，年卡减 51%

谁能申请，划分得很清楚——在杭工作人员，或杭州高校在校生。

减免标准分两档：购买季卡享受 44% 综合减免，购买年卡享受 51% 综合减免。限制条件是每人仅限享受 1 次，季卡和年卡二选一，不可重复购买；整体减免金额达到上限后不再发放。

按官方公布的规则，个人版 Coding 套餐的到手价如下：

• Lite 版季卡：354 元 / 季，减免后 198.24 元 / 季
• Pro 版季卡：1614 元 / 季，减免后 903.84 元 / 季
• Max 版季卡：3234 元 / 季，减免后 1811.04 元 / 季
• Lite 版年卡：1416 元 / 年，减免后 693.84 元 / 年
• Pro 版年卡：6456 元 / 年，减免后 3163.44 元 / 年
• Max 版年卡：12936 元 / 年，减免后 6338.64 元 / 年

也就是说，门槛最低的 Lite 年卡折后不到 700 元，相当于每月约 58 元。

季卡还是年卡，怎么选

规则里”每人仅限 1 次、二选一”这一条，是最容易踩坑的地方。

先用季卡试水，44% 的减免已经足够可观，适合还不确定这套编程工作流是否适合自己的人；但一旦买了季卡，年卡那 51% 的额度就作废了。反过来，如果已经熟悉相关模型的工作流、准备长期使用，直接上年卡更划算——Lite 年卡折后 693.84 元，比两张季卡还便宜。

考虑到减免总额有上限、额满即止，有意向的用户尽早提交申请更稳妥。

申请流程与资质材料

个人用户的流程并不复杂：

• 在 BigModel 平台完成个人实名认证
• 提交表单申请
• 平台进行资质审核
• 审核通过，收到短信通知
• 选购个人版套餐，直接享受减免后价格

资质审核标准是硬门槛：在杭工作人员需提供杭州市的社保参保证明；杭州高校在校生需提供学信网的在线验证报告，证明为杭州高校在校生。

企业用户：年卡减 55%，单家上限 100 万元

企业侧的力度更大，但范围更窄——只有杭州市上城区的企业主体可以申请。

企业用户购买年卡可享受 55% 综合减免，单家企业减免上限为 100 万元，且原则上仅支持购买年度套餐。团队版 Coding 套餐的对应价格是：

• 标准版：年卡原价 7176 元 / 席位 / 年，减免后 3229.2 元 / 席位 / 年
• 高级版：年卡原价 14376 元 / 席位 / 年，减免后 6469.2 元 / 席位 / 年

企业首批减免上限原则上不超过 100 万元 / 家。流程包括企业实名认证、提交表单、资质审核、商务沟通、签署合同协议，之后即可享受减免价。

值得注意的是，该计划同时支持从未购买过团队套餐的企业申请，以及已购买过团队套餐的企业新增席位——老客户不用为了拿补贴另开账号。

城市级补贴背后的产业逻辑

把 AI 编程工具的使用成本纳入地方补贴，在国内尚属首次。这类政策瞄准的并不是短期消费刺激，而是开发者习惯：编程订阅属于入口型产品，一旦形成工作流依赖，迁移成本极高。

对国产大模型厂商而言，编程订阅是与海外同类产品正面竞争的赛道。政府补贴叠加厂商让利，等于把试用门槛压到极低，用真实订单换取开发者的默认选择。对地方政府来说，这是在抢 AI 人才和 AI 创业项目的落地。

其他城市是否会跟进，或许是接下来一段时间更值得关注的看点。对身在杭州、符合条件的人来说，这一轮补贴的性价比确实不低——只是别忘了 12 月 9 日这个截止日期。

四大核心能力，评估优于通用模型

“风和”定位为气象服务业务的基座模型，具备四项核心能力：气象服务需求理解、气象服务内容生成、气象推理与决策、气象工具调用。模型能力评估结果显示，”风和”在服务需求理解、服务内容生成、气象推理与决策等方面均优于通用大模型。该模型已通过中央网信办备案，试运行稳定，达到业务准入要求。

面向公众，”风和”可提供个性化、智能化的气象信息查询、气象服务建议和气象风险预警。在行业侧，中国气象局公共气象服务中心基于人工智能”13N”整体布局，已搭建覆盖多领域的分行业、分场景精细化气象服务语料库，并研发上线气象智能体开发工具箱，构建国省协同开发、省市县乡四级共享应用的发展格局。

从”风清、风雷、风顺”到”风和”

据此前报道，”风和”由中国气象局公共气象服务中心联合雄安人工智能创新研究院、智谱等单位共同研发，于今年 7 月在 2026 世界人工智能大会气象专会上正式发布，全球开源计划同步启动。模型基于地球系统数据资源基座，训练了 5000 万 tokens 高质量气象服务语料，集成权威气象数据。

与面向气象系统内部的中国气象局”风清””风雷””风顺”等 AI 预报系统不同，”风和”直接面向公众和行业提供服务，解决通用大模型对气象服务需求理解不够精准、生成内容不够专业等痛点。

国际版已上线，服务全球预警

“风和”还深度融入联合国全民早期预警倡议。其国际版已上线，并融入中国气象智能预警方案”妈祖”，可为全球用户提供中英文智能问答、天气查询和风险分析服务。在浙江宁波，”风和”已入驻当地气象科技馆的科普机器人，成为模型在智能终端应用上的典型案例，可提供实时气象问答、个性化出行气象方案定制等服务。

随着 V1.0 完成业务准入，天气查询、灾害预警这类与日常生活息息相关的气象服务，正在迎来更专业的 AI 支撑。

主攻芯片设计、生命科学和金融服务

Friar 表示，OpenAI 目前重点布局芯片设计、生命科学和金融服务三个领域。随着企业越来越希望 AI 系统能够针对特定任务进行优化，公司也在探索更加行业化的解决方案。

与此同时，OpenAI 正在尝试按企业最终获得的业务成果，而不是模型的实际使用量来制定价格。企业客户对 AI 投资回报的要求越来越明确，这种模式成为 OpenAI 正在探索的方向。

这一转变背后是日益激烈的竞争：一方面，中国的开放权重模型持续发展；另一方面，Anthropic 等竞争对手也在争夺企业客户。AI 厂商需要证明产品能够带来可量化的商业价值。

9 个月完成自研芯片流片

Friar 透露，OpenAI 自身在使用 AI 开发芯片方面已经获得了积极经验。公司利用自研模型参与 Jalapeno 芯片的开发，并在 9 个月内完成了”流片”（tape out）。流片意味着芯片设计已经最终确定，并被送往晶圆厂进行实际生产。

这一案例也成为 OpenAI 向芯片设计行业推销 AI 能力的主要依据。

Luna 降价 80%，用量涨约 10 倍

开源和开放权重模型一直被广泛视为前沿模型的低成本替代方案。不过 Friar 表示，OpenAI 近期将旗下低成本 Luna 模型的价格下调了 80%，推动该模型的使用量增长了约 10 倍。

她还指出，对企业而言，直接部署 OpenAI 的低成本模型，有可能比通过云服务商运行中国开源模型更加便宜。她的原话是：”如果你部署 Luna，并将其与智谱（Z.ai）的 GLM 5.3 在云端环境中的成本进行比较，我们的价格更低。”

Codex 用户 2500 万，企业收入增速跑赢大盘

在开发者侧，OpenAI 的编程工具 Codex 目前拥有 2500 万用户。

企业业务的增长更为明显。Friar 透露，今年 6 月至 7 月期间，OpenAI 企业业务收入增长了 32%，同期整体年化收入的增幅为 20%。到今年年中，企业业务和消费者业务收入已经大致达到各占一半的水平，比公司原本计划在年底实现这一目标提前了半年。

成果定价能走多远仍是未知数

按业务成果收费的模式在企业软件领域并非首次出现，成败关键在于如何公平地定义和衡量”成果”。OpenAI 目前尚未披露该模式的具体指标与价格档位。

对缺少深度 AI 工程团队的企业来说，把基础设施、维护等成本打包进可预测的单价确实有吸引力；但受数据合规与供应商锁定考量影响的金融、医疗等行业，可能仍倾向于把模型部署在自己的基础设施上。价格战已经打响，最终比拼的仍是单位成本之下能否交付可量化的业务结果。

据彭博报道，Ox Alpha 于 8 月 20 日前后以 “stealth”（隐身）为名低调上线 OpenRouter，成为该平台历史上规模最大的发布。它迅速冲上使用量排行榜首位，用量超过 DeepSeek 的两倍。Stripe 首席执行官 Patrick Collison（其公司正在收购 OpenRouter）评价这次匿名发布”非常出色”。

从定位看，Ox Alpha 是一款面向编程与智能体任务的推理模型，可同时处理文本、图像与视频输入，上下文窗口达到 1,048,576 个 token（约 100 万）。目前向所有用户免费开放一周，之后的定价尚未公布。

其代号取自近期国内上映的电影《牛来》（Niu Lai）。这种”先匿名、后认领”的发布方式，延续了阿里巴巴、小米今年以来的做法：先观察模型在真实场景中的表现，再决定是否正式公布。

本月早些时候，Z.AI 刚发布旗舰模型 GLM-5.3，称其在部分基准上已可媲美 Anthropic 的 Fable 5。在编程基准 DeepSWE 上，Ox Alpha 在完整 113 题跑分中完成 66 题、得分 58.4%，接近 Anthropic Claude Opus 4.8 的 59%。据 VentureBeat 数据，GLM-5.3 通过 Z.AI API 调用的价格为每百万输入 token 1.40 美元、输出 4.40 美元；其 GLM-5.3-Flash 权重已以 MIT 许可发布于 Hugging Face，总参数 3210 亿、激活参数 180 亿。

Z.AI 于 2026 年 1 月 8 日在港交所上市，并将于周一发布上市以来首份详细半年财报。开源权重意味着开发者既能基于模型自行构建应用，也能检视乃至移除其安全护栏。在多家美国对手收紧闭源模型的背景下，中国开源大模型正以更低的成本与开放权重参与全球竞争。

同基座、靠后训练拉开差距

GLM-5.3 总参数规模为 7430 亿，与 GLM-5.2 共享同一基座模型，所有能力提升都来自后训练 Scaling——可以理解为「课本没换，但换了更好的训练方法」。相较 GLM-5.2，其在编程能力上提升约 50%（基于智谱内部的 Z.ai Code Bench）。

在公开基准上，GLM-5.3 取得多项开源最佳：Terminal-Bench 3.0 得分 28.3，明显超过 Kimi K3 的 17.4，而 GLM-5.2 在该项仅 4.6；DeepSWE v1.1 软件工程基准得分 66.9（GLM-5.2 为 46.2，Kimi K3 为 67.5）。整体编程体感已逼近 Claude Fable 5 与 GPT-5.6 Sol 所处的第一梯队。

网络安全成意外亮点

更受关注的是能力的外溢。随着后训练规模放大，GLM-5.3 在网络安全方向涌现出了超出立项预期的能力：在 CyberGym 漏洞推理评测中得分 84.5%，高于 GLM-5.2 的 77.2%，也略高于 Mythos 5 的 83.8% 与 GPT-5.6 Sol 的 83.6%。

发布前两周，智谱联合安全团队开展测试，累计发现经去重后的潜在漏洞 2404 个，其中 1088 个为中高危。研究人员还借助该模型定位了一处潜伏 40 余年的 DNS 协议级风险——攻击者只需少量特殊请求，就能把服务器压力最高放大近 8 万倍，潜在影响超过 1000 万处公网 DNS 服务。

一个月，三家头部厂商集体迭代

GLM-5.3 并非孤例。就在此前一个月，月之暗面于 7 月 17 日发布总参数 2.8 万亿的 Kimi K3，DeepSeek 于 8 月 13 日上线总参数 1.6 万亿、每 token 激活约 490 亿的 V4 Pro。三家头部厂商在编程与复杂任务方向上集体逼近国际前沿。智谱表示，GLM-5.3 权重将在发布两周后开源，并计划接入 ZCode、Trae、Work、Qoder 等开发平台。

来源：智谱官方技术博客 z.ai / 中国基金报、证券时报等报道（2026-08-14）

8 月 14 日，智谱发布新一代旗舰模型 GLM-5.3。与上一个版本 GLM-5.2 相比，新模型的基座并没有更换，全部提升来自后训练阶段的强化学习——智谱称其为「后训练 Scaling」：依托 IndexShare、SAO 以及新一代 Slime 框架，在完全相同的基座上把训练时长、任务环境种类与长程任务规模都做了大幅扩展。用官方的话说，这个基座的智能上界还远未被开发完。

在内部体感评测中，GLM-5.3 的编程能力较前代提升约 50%，在多项公开基准上登顶开源模型第一。智谱将其定位为「为编程而生，为网络防御就绪」，并称其编程与智能体能力已接近 Claude Fable 5，编程体感超过其他国产模型。

基准分数：编程与安全双双跃升

具体来看，在衡量真实终端环境复杂任务完成的 Terminal-Bench 3.0 上，GLM-5.3 得分从 4.6 提升到 28.3；在长程软件工程与持续代码修改的 DeepSWE v1.1 上，从 46.2 提升到 66.9；在跨工具协作与长程任务的 Agents Last Exam 上，从 23.8 提升到 28.5；在覆盖 44 种职业真实知识工作的 GDPval-AA v2 中得分 1769，呈现出基于编程能力涌现出的专业任务执行力。

网络安全是这一版最突出的新增方向。在白盒代码审查与漏洞发现任务中，GLM-5.3 的表现与闭源标杆 Mythos 5 持平；在漏洞验证基准 CyberGym 中取得 84.5% 的成绩，高于 GLM-5.2 的 77.2%，也略高于 Mythos 5 的 83.8% 与 GPT-5.6 Sol 的 83.6%。在 Z.ai Code Bench 高档位端到端测试中，其准确率达到 31.4%，超过 Claude Opus 4.8 最高档位的 29.5%。

两周后开源，工具链同日上线

智谱表示，GLM-5.3 的全部提升都来自后训练，因此模型权重将在发布约两周后开放，前提是完成必要的安全评估与加固，以限制其潜在的攻击能力、保留防御价值。这是智谱（Z.ai）十三个月内发布的第七款旗舰模型。

与模型同步，智谱官方编程工具 ZCode、效率工具 AutoClaw 已于发布当日上线，GLM Coding Plan 面向全量用户开放订阅；Trae、扣子、WorkBuddy/CodeBuddy、Qoder、CatPaw、JoyCode、OpenCode 等多家编码平台也获得抢先体验资格。

来源：智谱官方公告（经 IT之家、澎湃新闻、新浪科技、AI Release Tracker 等转述与整理）