GLM-5.3 将内部代码基准测试完成率提升约 50%

关键要点

  • 智谱的 GLM-5.3-Flash 通过重新设计架构并优化强化学习,使其在内部 Code Bench 测试中的任务完成表现较 GLM-5.2 提升约 50%。
  • 根据 OpenRouter 数据,GLM-5.3 Flash 在 7 天内的 Token 调用量达 15 万亿次,使用量增长 13%;GLM-5.3 在 30 天内实现了 19.1 万亿次调用,增长 54%。
  • 智谱 2026 年上半年营收达 9.54 亿元,同比增长 399.7%;API 营收达 8.25 亿元,同比增长 2,736%,并将单位 Token 推理成本降低了 80%。

智谱于 8 月发布 GLM-5.3-Flash,采用重新设计的基础架构和训练方案。该模型总参数量为 320B,每个 Token 激活 18B 参数。与 GLM-5.2 相比,其 GLM-5.3 系统在内部 Code Bench 上的端到端任务完成性能也提升了约 50%。此次更新反映出大模型开发更广泛的转变:从静态问答转向 Coding、Agent 和 Computer Use 任务,模型在这些任务中会与环境交互、执行工作流,并从任务反馈中学习。

GLM-5.3 引入稀疏注意力与线性注意力架构

GLM-5.3-Flash 采用 45 层网络结构,将稀疏注意力与线性注意力相结合。它还引入了 Manifold-Constrained Hyper-Connections,并使用 30 万亿 Token 多模态预训练数据。

根据官方披露,与 GLM-5.3 相比,新架构将注意力计算量减少了约三分之二,并将 KV Cache 大小降低了约 77%,同时保持了强劲的 Coding 和 Agent 能力。

智谱的技术积累可追溯至 2022 年,当时它与清华团队合作开源了 GLM-130B,这是一款拥有 1300 亿参数的中英双语预训练模型。GLM-130B 论文记录了大规模训练期间出现的 Loss Spike 和训练发散等问题,以及用于稳定训练的技术方法。团队还研究了 INT4 量化,使一款 1000 亿参数的模型能够在 4 张 RTX 3090 GPU 上运行。

GLM-5.3 通过强化学习处理长时程任务

GLM-5.3 延续了 GLM-5.2 的基础,并将主要能力提升方向放在长时程任务环境和强化学习上。其训练系统研究 Agent 从实际工作中提取的任务,自动构建可执行环境,并使用 Judge Agent 检查任务是否能够完成。系统还通过验证者和多层检查来识别奖励漏洞。

训练任务已扩展至机器学习基础设施优化。模型会分析计算集群、存储系统、代码和实验结果,识别性能瓶颈、完成优化,并验证实际效果。

智谱披露,与 GLM-5.2 相比,GLM-5.3 在内部 Code Bench 上的端到端任务完成性能提升了约 50%。通过异步调度和 Rollout 优化,长时程 Coding RL 训练吞吐量提升了 2.3 倍以上。

这种训练方法需要能够运行、复现和重置的环境,同时支持大规模并行训练。编程和数学任务的奖励可以采用单元测试、编译结果和答案验证。金融、法律和研究领域的开放式任务则需要 Rubric、生成式奖励模型、过程奖励和多层验证,同时还要应对 Reward Hacking,例如修改测试或绕过检查。

GLM-5.3 将技术效率与 API 商业化相结合

在 11 月初的统计快照中,GLM-5.3-Flash 在 OpenRouter 上过去 7 天的调用量约为 15 万亿 Token,排名全平台第二,较上一统计周期增长 13%。过去 30 天的调用量约为 55.1 万亿 Token,与此前 30 天大致持平。

GLM-5.3 在过去 7 天和过去 30 天的统计中均排名第十。其过去 30 天的调用量约为 19.1 万亿 Token,较上一统计周期增长 54%。发布后的第二个月,其使用量高于第一个月。

文章称,GLM-5.3 在 OpenRouter 上的标价约为 DeepSeek V4.1 Flash 1017 的 7 至 9 倍,而 Token 使用量约为后者的十一分之一。这些数据不能直接说明模型能力存在差异,但显示出中国模型在定价和使用量方面的不同组合。

智谱的财务数据也显示其商业模式发生了转变。2026 年上半年,智谱营收达到 9.54 亿元,同比增长 399.7%。开放平台和 API 收入达到 8.25 亿元,同比增长约 2736%,占总营收的 86.5%。

智谱还披露,公司已实现 10 万片国产芯片规模的模型推理,并通过系统优化,将 Token 单位推理成本较年初降低约 80%。文章称,根据 Epoch AI 的观察,GLM-5.3-Flash 开放权重约 20 天后,智谱自有份额占该模型 OpenRouter Token 使用量的比例从 88% 降至 22%。

GLM-5.3 构建基于环境的 Agent 训练模式

文章描述了训练数据的转变:从静态文本标注和人工评估,转向可执行环境、验证者和专家轨迹。例如,一个金融 Agent 会在包含多份财务报告、数据冲突和业务约束的工作区中工作,完成对账、计算、分析和交付,再由系统验证结果。

这种方法要求数据服务提供商将业务知识与软件工程、沙盒构建、奖励设计以及某些情况下的强化学习实验相结合。文章指出,Environment as a Service 可能成为一种商业模式,客户购买的是环境、验证者和有效学习信号,而不只是数据量。

GLM-5.3 的技术报告已经展示了自动生成任务环境和部分验证系统的流程。文章称,人们的价值将越来越集中于真实业务中的长尾案例、企业私有场景、复杂行业知识,以及对自动生成环境的质量评估。

GLM-5.3 拓展 Coding 和 Agent 工作流的价值

文章将 GLM-5.3 定位于从 Coding 到 Agent,再到 Computer Use 的发展路径中。Coding 能够生成相对明确的训练反馈,因为代码可以运行和测试。Agent 系统需要进行多步决策、调用异构工具、维护外部状态并制定长期计划。Computer Use 还需要理解 GUI、进行视觉 Grounding,并在不断变化的软件界面中采取行动。

文章还将模型价值与已完成的工作挂钩,而非仅看 Token 消耗量。软件开发任务、可验证的分析报告和自动化业务流程,会通过任务成功率、人工交接比例和总交付成本进行评估。

Kimi K3.1 Pro 于 10 月发布,在 Kimi K3 的基础上增加了强化学习计算量,并优化了其 RL 框架、沙盒、Rollout 调度和环境质量检查。在 Artificial Analysis 的 Terminal-Bench 4.0 评测中,其得分达到 67%,接近当时最强的闭源模型。

MiniMax 的 M3.1 Flash 于 10 月发布,重点关注推理速度和成本。公司披露,与上一版本相比,其成本降低了约 70%。2026 年上半年,MiniMax 营收达到 1.166 亿美元,同比增长 283.1%;开放平台和企业服务收入达到 7390 万美元,占总营收的 63.4%。

GLM-5.3 助力中国大模型竞争

Artificial Analysis 于 10 月 27 日更新了其 Intelligence Index。新版本引入了更多私有评测和现实世界任务。Claude Opus 5.5 以 58 分领跑,Kimi K3.1 Pro 获得 46 分,已发布权重的模型 DeepSeek V4.1 Flash 和 GLM-5.3 均获得 32 分。

文章指出,OpenRouter 仅代表全球模型 API 市场的一部分,平台标价支出也不等于服务商的实际收入。不过,文章认为,中国模型正在成为全球智能服务的重要供应商,但其商业价值尚未与使用规模相匹配。

文章所述的中国模型生态还包括 DeepSeek、Kimi、智谱、MiniMax、Qwen 和 Hunyuan。Qwen3.8-Max 总参数量为 2.4 万亿,结合了百万级上下文、多模态能力和阿里云基础设施。腾讯于 8 月发布的 Hy4 预览版总参数量为 770B,激活参数量为 49B,专注于编程、办公和科学研究。腾讯还披露,通过分析和优化自有推理基础设施,该模型在内部实验中的端到端吞吐量提升了 31.8%。

文章报道称,2026 年上半年,智谱研发支出达到 21.31 亿元,期间亏损约 20.72 亿元。MiniMax 同期经调整净亏损达到 2.93 亿美元。这些数据反映出基础模型研究、强化学习环境、推理基础设施和商业部署仍需持续投入。

GLM-5.3 的技术与商业指标

  • GLM-5.3-Flash 于 8 月发布,采用重新设计的基础架构和训练方案。
  • GLM-5.3-Flash 总参数量为 320B,每个 Token 激活 18B 参数。
  • GLM-5.3-Flash 采用 45 层网络结构。
  • GLM-5.3-Flash 将稀疏注意力与线性注意力相结合。
  • GLM-5.3-Flash 引入了 Manifold-Constrained Hyper-Connections。
  • GLM-5.3-Flash 使用 30 万亿 Token 多模态预训练数据。
  • 与 GLM-5.3 相比,新架构将注意力计算量减少了约三分之二。
  • 与 GLM-5.3 相比,新架构将 KV Cache 大小降低了约 77%。
  • 与 GLM-5.2 相比,GLM-5.3 在内部 Code Bench 上的端到端任务完成性能提升了约 50%。
  • 通过异步调度和 Rollout 优化,长时程 Coding RL 训练吞吐量提升了 2.3 倍以上。
  • GLM-5.3-Flash 在 OpenRouter 上过去 7 天的调用量约为 15 万亿 Token,较上一统计周期增长 13%。
  • GLM-5.3 过去 30 天的调用量约为 19.1 万亿 Token,较上一统计周期增长 54%。
  • 2026 年上半年,智谱营收达到 9.54 亿元,同比增长 399.7%。
  • 2026 年上半年,智谱开放平台和 API 收入达到 8.25 亿元,同比增长约 2736%,占总营收的 86.5%。
  • 智谱通过系统优化,将 Token 单位推理成本较年初降低了约 80%。

常见问题

GLM-5.3 报告的主要性能提升是什么?

智谱披露,与 GLM-5.2 相比,GLM-5.3 在内部 Code Bench 上的端到端任务完成性能提升了约 50%。

GLM-5.3-Flash 使用什么架构?

GLM-5.3-Flash 总参数量为 320B,每个 Token 激活 18B 参数,采用 45 层网络结构,将稀疏注意力与线性注意力相结合,引入了 Manifold-Constrained Hyper-Connections,并使用 30 万亿 Token 多模态预训练数据。

GLM-5.3 在 OpenRouter 上表现如何?

在 11 月初的统计快照中,GLM-5.3-Flash 过去 7 天的调用量约为 15 万亿 Token,过去 30 天的调用量约为 55.1 万亿 Token。GLM-5.3 过去 30 天的调用量约为 19.1 万亿 Token,较上一统计周期增长 54%。

免责声明:本页面信息可能来自第三方,仅供参考,不代表 Gate 的观点或意见,亦不构成任何财务、投资或法律建议。数字资产交易风险较高,请勿仅依赖本页面信息作出决策。具体内容详见声明。
评论
0/400
暂无评论