Z.ai推出GLM-5.3大模型无需重训基座大幅提升任务表现

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

1099

2026年8月14日，大模型厂商Z.ai正式推出新一代通用大模型GLM-5.3。该版本完全复用GLM-5.2的基座模型参数，全部性能提升均来自后训练环节的技术优化，无需重新训练基座即可在复杂编码、长周期任务两大核心场景实现显著效果升级，为大模型行业降本迭代探索了全新可行路径。

过去三年，大模型的性能跃升几乎都绑定基座参数规模的扩张和全量重训，单轮基座训练的算力成本普遍突破千万级，头部厂商年投入甚至达到百亿级别，高成本已经成为制约大模型快速迭代的核心瓶颈。

2025年全年，全球10亿参数以上大模型的迭代次数同比下降18%，核心原因就是全量重训的成本过高。不少厂商为了抢性能排名，不断刷高参数规模，却忽略了存量基座的潜力挖掘——行业调研显示，目前市场上主流通用基座的后训练优化空间仅释放了不到30%，大量算力都投入到了边际效益不断降低的基座重训环节。

此次Z.ai推出的GLM-5.3没有对GLM-5.2的基座参数做任何调整，全部优化都集中在后训练环节：通过优化对齐数据的筛选逻辑、调整多任务训练的权重分配、重构推理阶段的长上下文记忆链路，实现了复杂编码任务通过率较上一代提升37%，长周期多步任务完成度提升42%的效果，而整体迭代成本仅为全量重训的17%。

值得注意的是，此次升级后GLM-5.3在128K上下文窗口下的信息留存率仍然保持在94%以上，没有因为后训练优化牺牲通用对话、知识问答等基础能力。

GLM-5.3的发布也打破了行业此前“性能提升必须重训基座”的固有认知，未来大模型的迭代很可能走向分层路径：头部厂商负责打造成熟的通用基座并长期维护，中小厂商、垂直场景开发者可以通过后训练优化的方式，基于成熟基座快速定制符合自身需求的模型版本，整个行业的迭代门槛和成本都将大幅下降。

有业内技术人士指出，成熟基座的后训练挖潜空间至少可以支持3-4次的版本迭代，相当于将基座的生命周期拉长2-3倍，未来大模型的竞争重点也将从参数规模转向后训练的优化效率。

大语言模型 AI编码 Z.ai GLM-5.3 后训练优化

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。