智谱发布GLM-5.3开源大模型后训练升级登顶编程能力榜

AI创作导航管理员 LV5 大神连续登录30天萌新

1 个月前

风向

1241

2026年8月14日，智谱正式发布开源大模型GLM-5.3，该版本未调整基座模型结构，全部性能提升来自后训练阶段Scaling技术优化。内部评测显示其编程体感较前代GLM-5.2提升约50%，多项公开基准测试得分大幅跃升，登顶当前开源编程能力榜首，整体表现接近海外头部模型Claude Fable 5。

在大模型行业普遍将迭代重心放在基座参数扩容、架构换新的当下，智谱这次的产品更新踩中了一条少有人走的路径：没有更换此前GLM-5系列的底座结构，全部性能增益都来自后训练环节的优化。

据官方披露，GLM-5.3的后训练环节做了三个维度的大幅升级：首先是训练环境规模达到前代的数十倍，覆盖了更多长程复杂任务场景；其次是拓展了任务环境的类型，新增了大量真实编程、智能体调度的实操场景；同时还大幅拉长了后训练的总时长。这套组合拳最终实现了相同基座下智能上界的显著抬升，也验证了后训练Scaling路线的可行性。

无论是内部体感评测还是公开基准测试，GLM-5.3的表现都超出行业预期。内部测试数据显示，其编程体感较GLM-5.2提升约50%，开发者用其完成代码生成、debug、复杂项目开发的效率明显提高。

公开基准测试的提升幅度更为亮眼，这些测试覆盖了终端操作、软件工程、智能体任务等多个核心编程相关场景：Terminal-Bench 3.0得分从4.6跃升至28.3，DeepSWE v1.1从46.2升至66.9，Agents' Last Exam从23.8提升至28.5，GDPval-AA v2更是达到1769分。目前其编程与智能体能力已接近海外头部模型Claude Fable 5，实际使用体感超过所有国产同类开源模型，正式拿下“最强开源编程模型”的头衔。

此前行业普遍认为，基座模型的参数规模、架构设计基本决定了大模型的能力上限，后训练更多只是做领域适配的“微调”工作。但GLM-5.3的发布打破了这一认知：只要后训练的数据集质量、环境复杂度、训练时长达标，相同基座也能释放出远超预期的性能。

这条路线的验证也给整个行业带来了新的启示：不用盲目追求更大参数的基座，深挖后训练环节的潜力，也能实现性能的大幅跃升，同时还能大幅降低迭代成本，加快大模型落地的效率。

开源大模型大语言模型人工智能智谱 GLM-5.3

本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。