Z.ai 的 GLM-5.3 已跻身顶尖开源编程模型之列,其较小的同系列模型 GLM-5.3-Flash 截至 2026 年 11 月在 LiveBench 2.0 编程测试中获得 70.9 分,在开放权重模型中排名第三。完整版本 GLM-5.3 尚未列入 LiveBench 2.0,但 Z.ai 的模型卡显示,它在长周期软件工程任务上取得了显著进步,因此有望用于安全审查智能体和复杂代码库工作。GLM-5.3 采用定制的 GLM-5.3 License 发布,允许商业使用,但有一项条件:年收入超过 100 亿美元、经营模型即服务业务的公司,必须在商业部署前通过 Z.ai 的安全审查。
GLM-5.3 在长周期软件工程基准测试中的表现
GLM-5.3 在长周期编程任务上较前代 GLM-5.2 有了显著提升。Z.ai 的模型卡显示,DeepSWE v1.1 的分数从 46.2 升至 66.9,Terminal-Bench 2.1 从 81.0 升至 88.2,SWE-Marathon v1.1 从 19.4 升至 42.5。在其对比测试中,该模型的 CyberGym 得分也以 84.5 位居榜首,因此有望用于安全导向的代码审查和漏洞检测工作流程。这些提升完全来自后训练优化,因为 GLM-5.3 与 GLM-5.2 使用相同的基础模型。
架构和上下文窗口
GLM-5.3 保持 7530 亿参数的架构,并配备 100 万 token 的上下文窗口,支持原生多模态输入,包括文本、图像和视频。扩展后的上下文窗口可在单次请求中处理大型代码库、大量文档、终端输出和冗长的对话历史,这对代码库级重构和跨文件错误修复至关重要。较小的版本 GLM-5.3-Flash 已在 LiveBench 2.0 上提供,其编程得分为 70.9,在开放权重模型中排名第三,仅次于 DeepSeek V4.1 Flash-1017 的 80.4 分和 Mistral Large 4 的 79.4 分。
定价和托管 API 可用性
截至 2026 年 11 月 17 日,GLM-5.3 可通过 DeepInfra 的托管推理 API 使用,促销价格为每百万个输入 token 0.563 美元、每百万个输出 token 2.50 美元,标准标价分别为 0.90 美元和 4.00 美元。对于可接受较慢响应和偶尔不可用的工作负载,例如批量重构、测试生成和夜间智能体运行,该模型支持 DeepInfra 的 Flex 层,费率为标准费率的 0.8 倍。按标准层计算,输入 1 亿个 token、输出 2000 万个 token 的预估月度成本为 106.30 美元,尚未计入任何缓存输入节省。
商业部署的许可条件
GLM-5.3 采用定制的 GLM-5.3 License,条款与 MIT 许可证相似,但包含一项商业使用条件:年收入超过 100 亿美元、经营模型即服务业务的公司,必须通过 Z.ai 的安全审查,方可进行商业使用。相比之下,GLM-5.3-Flash 采用普通 MIT 许可证发布,没有此类限制。对于正在评估基于完整 GLM-5.3 还是较小的 Flash 版本构建产品的组织而言,这一区别至关重要。
与专有模型及其他开源模型的比较
在独立基准测试中,GLM-5.3-Flash 在 LiveBench 2.0 编程测试中获得 70.9 分,跻身前三的开放权重模型之列,但比领先的专有模型 Gemini 4 Carbon 的 91.0 分低约 20 分。在长周期智能体任务——即无人值守运行数小时的任务——中,GLM-5.3-Flash 在 LiveBench 2.0 上获得 20.7 分,在开放权重模型中处于中游。其性能特点更适合 GLM-5.3 用于有人监督的智能体循环、错误修复、重构和测试编写,而非完全自主运行数小时的任务。
关键事实
- GLM-5.3 采用 7530 亿参数架构,拥有 100 万 token 的上下文窗口,并使用定制的 GLM-5.3 License;年收入超过 100 亿美元的 MaaS 运营商须通过安全审查
- DeepSWE v1.1 得分从 GLM-5.2 的 46.2 提升至 GLM-5.3 的 66.9;Terminal-Bench 2.1 从 81.0 提升至 88.2;SWE-Marathon v1.1 从 19.4 提升至 42.5
- GLM-5.3-Flash 在 LiveBench 2.0 编程测试中获得 70.9 分(在开放权重模型中排名第三),长周期智能体任务得分为 20.7
- CyberGym 得分为 84.5,在 Z.ai 的对比测试中排名最高,使该模型有望用于安全导向的代码审查工作流程
- 截至 2026 年 11 月 17 日,DeepInfra 托管服务的价格为每百万个输入 token 0.563 美元、每百万个输出 token 2.50 美元,优惠幅度为 38%(标价分别为 0.90 美元和 4.00 美元)
- GLM-5.3 支持 Flex 层,费率为标准费率的 0.8 倍,适用于可延迟处理的工作负载,并接受 reasoning_effort 设置以减少输出 token 数量
常见问题
GLM-5.3 相较 GLM-5.2 有哪些主要改进?
GLM-5.3 保留了与 GLM-5.2 相同的 7530 亿参数基础模型,但通过强化后训练取得了显著进步。Z.ai 的模型卡显示,DeepSWE v1.1 的分数从 46.2 升至 66.9,Terminal-Bench 2.1 从 81.0 升至 88.2,SWE-Marathon v1.1 从 19.4 升至 42.5。该模型在 Z.ai 的对比测试中还以 84.5 分取得 CyberGym 最高分,适合用于安全导向的代码审查智能体。这些改进涵盖函数级编程任务以及长周期、代码库规模的软件工程工作。
GLM-5.3 商业使用有哪些许可限制?
GLM-5.3 采用定制的 GLM-5.3 License 发布,允许商业和内部使用,但有一项条件:年收入超过 100 亿美元、经营模型即服务业务的公司,必须在商业部署前通过 Z.ai 的安全审查。相比之下,较小的版本 GLM-5.3-Flash 采用普通 MIT 许可证,没有此类限制。组织在决定将 GLM-5.3 部署到生产环境之前,应确认其预期用途是否属于 MaaS 定义范围,以及是否达到相关收入门槛。
与其他开放权重模型相比,GLM-5.3 在独立基准测试中的表现如何?
GLM-5.3 尚未列入 LiveBench 2.0,但其较小的同系列模型 GLM-5.3-Flash 截至 2026 年 11 月 6 日在 LiveBench 2.0 编程测试中获得 70.9 分,在开放权重模型中排名第三,仅次于 DeepSeek V4.1 Flash-1017 的 80.4 分和 Mistral Large 4 的 79.4 分。在长周期智能体任务中,GLM-5.3-Flash 得分为 20.7,在开放权重模型中处于中游。它与领先的专有模型 Gemini 4 Carbon 相比,编程得分相差约 20 分(Gemini 4 Carbon 为 91.0),长周期智能体任务得分则相差 60 多分。这表明 GLM-5.3 已能胜任有人监督的编程工作流程,但尚不适合完全自主运行数小时的任务。