GLM-5.3 解析：功能、基準測試、定價 & 存取

TL;DR GLM-5.3 是 Z.ai 最新的旗艦 AI 模型，於 2026 年 8 月 14 日發佈，重點聚焦於軟體工程、自主代理、長時程任務與資安。

不同於傳統的模型升級，GLM-5.3 與 GLM-5.2 保持相同的底層基座模型。Z.ai 表示主要收益來自於大規模的後訓練，使用真實世界的專家工作流程，而非單純擴大模型規模。

重點結果相當顯著。Z.ai 報告在其內部 Code Bench 上，相較 GLM-5.2 的程式碼表現提升 50%；公開基準方面，DeepSWE v1.1 得分 66.9，較 GLM-5.2 的 46.2 提升，Agents’ Last Exam（CLI）達到 28.5，較 23.8 提升。資安方面，GLM-5.3 在 CyberGym 上取得 84.5%，略高於 Anthropic 的 Mythos 5 的 83.8%，而 ExploitBench 從 24.4% 提升至 54.4%。

Key Takeaways

• GLM-5.3 與 GLM-5.2 使用相同的基座模型；所有改進來自於在長時程環境上的大規模後訓練。
• 程式碼表現大幅躍升：Terminal-Bench 3.0 從 4.6 → 28.3；DeepSWE v1.1 從 46.2 → 66.9；在 Z.ai 內部 Code Bench 約提升 50%，且 token 效率更高。
• 湧現的資安能力： CyberGym 84.5%（SOTA），ExploitBench 提升逾倍（24.4% → 54.4%）。在 269 個專案中實際發現 2,436 個弱點（1,097 個為中至高嚴重等級）。
• 規格：僅文字、1M 上下文、最多 128K 輸出 token、始終開啟的思考模式，提供低/高/最大努力等級。
• 可用性：現已於 GLM Coding Plan 與 ZCode 上線；API 與類 MIT 開放權重將在發佈後約 2 週於安全審查後提供。
• 對代理型工程、長時程編碼與防禦性安全研究具有強大定位。
• CometAPI 透過單一相容 OpenAI 的 API 提供更廣泛 GLM 系列（及 500+ 模型）的便捷且折扣的存取——在等待原生 GLM-5.3 端點期間尤為理想。

What Is GLM-5.3?

GLM-5.3 是 Z.ai（原 Zhipu AI）於 2026 年 8 月發佈的最新旗艦大型語言模型。它屬於 GLM（General Language Model）家族，從早期的 ChatGLM 演進為一系列強大的開放權重模型，針對編碼、推理與代理型工作流程進行了優化。

不同於完整的前訓練革新，GLM-5.3 建立在與前代 GLM-5.2 完全相同的基座模型上（大型 Mixture-of-Experts 架構，總參數約 743–7440 億，每個 token 啟用約 400 億）。所有性能提升來自極端擴大的後訓練：多數倍的長時程任務環境、更多元的環境、以及在強化學習（RL）與相關技術上投入顯著更多算力。

Z.ai 表示 其目標是超越「vibe coding」，邁向真正的「代理型工程」——模型不只是產生孤立的程式片段，而是能承擔實質、跨數日的專業工作單元。訓練環境現在包含真實的生產情境（例如：診斷 ML 訓練堆疊中的瓶頸、實作最佳化、執行實驗，並在保持正確性的前提下交付可量化的端到端加速）。

從 GLM-5.2 延續並擴大的核心技術棧包括：

• 用於高效長上下文處理的 IndexShare
• 用於長時程任務 RL 的 SAO（含壓縮）
• 用於大規模訓練的 slime（開源非同步 RL 框架）

該模型僅支援文字（輸入/輸出皆為文字），提供穩固的 100 萬 token 上下文視窗，並允許最多 128K 輸出 token。思考模式始終啟用，並可調整努力等級：low、high 與 max（預設且建議於編碼使用 max）。不再支援關閉思考。

Core Features of GLM-5.3

• 前沿的編碼與代理能力：專為複雜軟體工程、終端操作、多步驟代理任務與可跨時/日的長時程工作流程設計。
• 1M 無損上下文：對專案級程式碼庫、文件與多檔推理具有強勁保留力。
• 多種思考模式：始終開啟的推理，可透過低/高/最大努力在深度與延遲/成本間取得平衡。
• 串流、函式呼叫、結構化輸出與上下文快取：面向生產的代理工具支援。
• 新興的資安強項：強勁的白箱弱點發掘能力，並持續提升多階段利用規劃（主要面向防禦用途）。
• token 效率提升：在等同或更高的表現下，較 GLM-5.2 以更少的輸出 token 取得更好結果。
• 開放權重路線圖：在發佈後約 2 週，於完成針對新資安能力的安全評估與強化後，以寬鬆授權（延續 GLM-5.x 的 MIT 範式）釋出權重。

這些特性使 GLM-5.3 成為打造編碼代理、自主工程系統與安全研究工具的強勢競爭者。

GLM-5.3 Benchmark Improvements: GLM-5.3 vs GLM-5.2

評估 GLM-5.3 最有用的方式，是查看 Z.ai 提供的前後對照基準。

來源 x

What the Benchmark Data Actually Says

首先，相較於 GLM-5.2 的升級相當全面。Z.ai 的對照表中，GLM-5.3 在每一項都更好。相對變化最大的出現在基線較低但難度高的任務，例如 Terminal-Bench 3.0、ExploitGym 與 ExploitBench。這與 Z.ai 的說法一致：更先進的長時程環境將能力推升至更高難度曲線。

其次，GLM-5.3 具競爭力，但並非在所有領域都領先。它在 CyberGym（84.5）、AutomationBench（48.2）與 GDPval-AA v2（1769 Elo）領先全表；在 Agents’ Last Exam CLI 上與 GPT-5.6 Sol 幾乎持平，28.5 對 28.6。然而，GPT-5.6 Sol 在 Terminal-Bench 3.0 得分 34.6、DeepSWE 72.7，Fable 5 則為 33.7 與 69.7。在 ExploitBench 上，兩者皆領先 GLM-5.3 逾 20 分。

第三，框架與預算細節很重要。Z.ai 在不同基準上的設定各異：上下文從 30 萬到 100 萬 token、最大輸出從 64K 到 163,840 token、逾時最長達 10 小時。數個測試使用 Claude Code 2.1.207 作為代理框架。ExploitGym 的時間預算也依各模型吞吐量進行標準化。這些選擇都有記錄，但意味著分數衡量的是模型加框架的系統，而非抽象的智力本身。

How to Access GLM-5.3

在發佈時，存取仍在逐步開放中。

Z.ai 的官方文件目前表示：

“The GLM-5.3 API is coming soon.”

同時，GLM-5.3 已提供給 GLM Coding Plan 使用者。

Z.ai 的 Coding Plan 文件 表示該服務支援 GLM-5.3 與其他 GLM 模型，並可搭配 Claude Code、Cline、OpenCode 及相關工具的編碼環境使用。

官方的 ZCode 文件也描述了透過 Z.ai 與 BigModel 帳戶整合 GLM-5.3。

GLM-5.3 Pricing

定價是開發者需要留意的一環。

在本文發佈時，因 API 仍標示為「即將推出」，Z.ai 尚未在官方 GLM-5.3 API 文件中公佈一般的 GLM-5.3 API 定價。

目前開發者可透過 GLM Coding Plan 存取該模型。

Z.ai 現行方案頁面標示以下起始價格：

*價格與促銷可能變動；購買前請查核 Z.ai 即時定價頁面。

重要的是，以上為「編碼訂閱價格」，並不等同於每 token 計價的 API 定價。

一旦一般 GLM-5.3 API 可用，開發者應比較：

• 輸入 token 成本
• 輸出 token 成本
• 推理 token 成本
• 快取輸入定價
• 上下文視窗定價
• 速率限制
• 工具呼叫成本
• 批次定價
• 企業條款

而非僅比較訂閱價格。

---

GLM-5.3 Comparison Table: Which Model Fits Which Workload?

這並非通用排名。正確的生產指標是你自身任務上每個可接受結果的成本，包含重試、延遲、工具失敗與人工修正。

Should You Use GLM-5.3?

若你的工作負載包含版本庫規模的編碼、自動化、長時間工具使用或防禦性安全，GLM-5.3 值得嚴肅評估。相較 GLM-5.2 的升級過於廣泛，不能僅以基準噪音解釋；而在 Z.ai 私有編碼測試上的 token 效率結果，重要性可能與原始分數同等。

它並非自動取代所有模型。Z.ai 自身的對照表顯示，在若干高難度的編碼與利用基準上，Fable 5 與 GPT-5.6 Sol 仍領先。GLM-5.2 目前仍較易自託管。互動式、延遲敏感的功能也可能更偏好更快、可選或可關閉推理的模型。

對多數企業而言，務實路徑是先透過託管 API 測試 GLM-5.3，在真實任務上比較，並進行選擇性路由。當你需要依用量計費、20% 的標示折扣，以及能在同一作業層取得替代模型時，CometAPI 尤其相關。在行動前請先查看即時目錄，因為本文反映的是發佈當天的產品狀態，可能快速變動。

The Bottom Line

GLM-5.3 是 2026 年 8 月最具代表性的開放權重 AI 發佈之一，因為它改變了「模型改進」的意涵。Z.ai 並未宣佈更大的模型，而是保留 GLM-5.2 的基座，並更大力度地在真實工程工作流程上進行後訓練。

結果令人印象深刻：

• 在 Z.ai 的 Code Bench 上，程式碼表現提升 50%
• DeepSWE v1.1 從 46.2 → 66.9
• Agents’ Last Exam 從 23.8 → 28.5
• ExploitBench 從 24.4 → 54.4
• CyberGym 達到 84.5%
• 1M-token 上下文
• 128K 最大輸出
• 更強的代理與工具使用能力

目前可透過 Z.ai 的 Coding Plan 存取該模型，而一般 API 仍在路上。開放權重預計在進一步的安全評估後釋出。對開發者而言，最大的機會不僅是問 GLM-5.3 是否在排行榜上勝過其他模型。

更好的問題是：

GLM-5.3 能否以更少的人為介入、更低的總成本與可接受的延遲，完成你真實的工程工作流程？

這才是重要的基準。

對已在嘗試 GLM 模型的團隊而言，CometAPI 透過既有的 GLM-5.2 API 整合提供了實用的起點。隨著 GLM-5.3 在第三方平台上線，統一的 API 方式可讓你更容易在不重建整個應用堆疊的情況下，將 GLM-5.3 與其他推理與編碼模型進行比較。

Explore GLM models on CometAPI

FAQs About GLM-5.3

What is GLM-5.3?

GLM-5.3 是 Z.ai 於 2026 年 8 月推出的推理模型，面向複雜編碼、長時程代理、自動化與資安。它使用與 GLM-5.2 相同的基座模型，性能提升歸因於在更多、且更困難的可執行環境上進行擴尺度後訓練。

Is GLM-5.3 better than GLM-5.2?

在 Z.ai 的 GLM-5.3 發佈對照表中，每個基準上都是。例子包括 Terminal-Bench 3.0 從 4.6 升至 28.3、DeepSWE 從 46.2 升至 66.9、AutomationBench 從 26.2 升至 48.2、ExploitBench 從 24.4 升至 54.4。

Is GLM-5.3 open source?

Z.ai 稱其為開放權重模型，但發佈日未提供權重。官方表示將在 8 月 14 日發佈後兩週釋出權重，待完成安全評估與強化。

Why is GLM-5.3 notable for cybersecurity?

Z.ai 報告在 CyberGym 得分 84.5、ExploitBench 54.4，並在標準化的 2 小時/6 小時預算下完成 ExploitGym 105/130 項任務。該模型相較 GLM-5.2 有大幅提升，但安全相關輸出仍需授權、沙盒化、專家審查與協調式揭露。

How can I access the GLM-5.3 API?

Z.ai 透過其 Coding Plan 與 ZCode 提供 GLM-5.3。CometAPI 列出模型 ID glm-5.3，並提供相容 OpenAI 的生產端點。

Does GLM-5.3 support a 1M-token context window?

Z.ai 在部分 GLM-5.3 基準中以 1M 上下文進行評估，且 GLM-5.3 與 GLM-5.2 共用基座模型，其主打特性即為 1M 上下文。

Does GLM-5.3 support vision or image input?

官方發佈文未確認視覺能力。CometAPI 目前列示為文字輸入與文字輸出，因此除非 Z.ai 或 API 提供方公佈多模態規格，開發者應將 GLM-5.3 視為僅文字。

Is GLM-5.3 the best model for coding?

它是 Z.ai 發佈對照中最強的模型之一，且相較 GLM-5.2 有大幅改善，但並非在每個編碼基準上居首。GPT-5.6 Sol 與 Fable 5 在 Terminal-Bench 3.0 與 DeepSWE 得分更高，因此最佳模型取決於工作負載、延遲、價格與可接受結果率。