GLM-5.3：Z.ai 将后训练推向编码与安全能力，权重发布先经过两周加固

2026 年 8 月 14 日，Z.ai 发布 GLM-5.3 官方说明。这次更新最值得关注的并不只是又一个版本号：官方称 GLM-5.3 与 GLM-5.2 使用相同基础模型，能力提升主要来自继续扩大后训练的环境、任务多样性与计算投入。与此同时，Z.ai 披露模型在漏洞发现相关评测上的能力提升，并决定将开放权重的时间推迟约两周，以完成安全评估和加固。

这是一篇公开资料整理：文中的模型分数、漏洞数量和能力描述均为 Z.ai 的发布与评测口径，不等同于独立第三方复现，也不提供漏洞利用操作。

同一基础模型，重点放在后训练与任务环境

Z.ai 的发布页把 GLM-5.3 的变化概括为后训练扩展：在 GLM-5.2 已有的长上下文、长程任务训练栈之上，增加更多可执行环境、更丰富的任务类型和更多训练计算。官方特别强调，这一轮不是更换基础模型，而是继续放大后训练对编码与长期 Agent 任务的影响。官方发布说明 将这类环境描述为接近真实工程和研究工作：任务包含多步依赖、可验证结果与隐藏状态，而不仅是一次性的代码题。

这对 Agent 使用者有现实启发。长程任务的瓶颈常常不是“能不能写出一段代码”，而是能否在多轮计划、工具调用、调试和验收之间保持目标一致。模型训练环境越接近这种闭环，越可能提升端到端交付；但这仍不能替代团队自身的权限控制、测试和人工复核。

编码与 Agent 分数应按厂商评测条件阅读

Z.ai 报告 GLM-5.3 在多项编码和 Agent 基准上相较 GLM-5.2 有提高，例如 Terminal-Bench 3.0、DeepSWE 与 Agents' Last Exam。发布页同时公开了部分评测设置：例如 Terminal-Bench 3.0 使用 Claude Code harness、固定上下文与输出上限、隔离容器及官方独立验证器；不同基准的超时、轮数和聚合方式并不相同。官方评测脚注 因此比单个总分更值得阅读。

这意味着“领先”只能在对应基准、harness、推理档位和预算之内解释。它不能直接推出某个团队的仓库修复速度、成本、稳定性或安全性也会等比例提升。对打算试用 API 的团队，更可靠的路径是选取自己的非敏感任务，固定模型版本、工具权限、上下文长度和验收脚本，再对照现有工作流做小规模评估。

网络安全能力上升，公开权重被延后

Z.ai 在发布中称，随着后训练规模扩大，GLM-5.3 在漏洞发现及更深层安全评测上的表现增长明显。官方报告 CyberGym 为 84.5%，并同时披露了 ExploitBench、ExploitGym 等评测结果；这些都是厂商报告的受控评测数据，不能被理解为对任意真实系统的攻击能力承诺或独立安全审计结论。Z.ai 的安全能力说明与评测表 也列出模型比较和具体测试条件。

*图：Z.ai 官方发布页的网络安全评测图。它呈现的是厂商在给定配置和基准上的报告结果，而不是独立实测或可直接迁移到真实目标的能力证明。*

比数字本身更值得注意的是发布治理动作：官方表示，GLM-5.3 权重将在发布约两周后才公开，以便先完成安全评估和加固。对于开放权重模型，这种时间差并不能消除后续的滥用风险，但至少把“API 可用”与“任何人可下载并自行部署权重”两个阶段明确分开。Z.ai 还建立了 Security Disclosure Ledger 记录经审查后逐步公开的漏洞发现；台账是厂商披露机制的一部分，不应被解读为全部发现都已独立确认。

API 接入有迁移边界，不等同于权重可用

GLM-5.3 的官方说明列出 low、high、max 三档推理力度，并称不再支持关闭 thinking；对于旧调用，若仍传入 thinking.type: "disabled"，需要按开发者文档迁移为启用 thinking 并设置对应的 reasoning_effort，否则请求会失败。官方还表示 Coding Plan 用户已可使用该模型，但这与将来公开权重、以及在本地运行所需的硬件和安全评估是不同问题。

因此，当前最稳妥的判断是：GLM-5.3 是一次值得跟踪的后训练与长程 Agent 能力更新，且安全能力变化已影响到发布节奏；但其各项领先分数仍需按官方条件阅读，开放权重尚未在发布当日可得。对普通开发团队，先评估 API 场景里的可靠性、成本和权限边界，再决定是否等待权重或调整既有工作流，比追逐“最强”标签更有操作价值。