2026年了，大模型圈还能有什么新鲜事？
智谱直接把GLM-5.3开源了。
最让人意外的是，这项目跟GLM-5.2用的是同一个底座。没换底座，全靠后训练硬生生把性能拔高了一截。
有意思的是，HuggingFace评论区有个老哥直接隔空喊话Sam Altman：
我还想问问Sam Altman，现在还觉得发布GPT-3太危险吗？都2026年了，到底在怕什么？
不换底座，后训练硬刚
老实讲，现在发个新模型，如果不换个更大的底座，大家通常是不买账的。
但GLM-5.3偏不信邪。
官方数据很直接：在内部的Z.ai Code Bench上，编码能力比5.2提升了50%。在Terminal Bench 3.0和Agents' Last Exam这些公开榜单上，直接拿下了开源SOTA。
更夸张的是它的网络攻防能力。
随着后训练规模扩大，GLM-5.3在CyberGym漏洞发现上直接登顶。在利用链的后半段，能力比5.2翻了一倍多。
个人觉得，这种把同一个底座榨干吃净的做法，比单纯堆参数秀肌肉要硬核得多。
安全锁与暴力破解
说到网络攻防能力，这就触及到了一个大厂都心照不宣的敏感地带。
美国那几家头部AI公司，在安全对齐上简直到了走火入魔的地步。稍微碰点网络安全、代码漏洞的擦边球，模型就直接装死拒答。
但GLM-5.3不一样。
有用户在评论区直言，它比美国公司的模型对cyber限制少得多。甚至在ExploitGym和ExploitBench的评测里，官方为了防作弊，特意搞了域名白名单和隔离容器。
这说明什么？说明这模型的破坏力确实到了需要严加防范的级别。
一边是美國大厂给模型戴上重重安全锁，连写个稍微复杂的爬虫都要警告你。另一边是中国开源模型在攻防测试里大杀四方。
这种反差，挺值得玩味的。
跑分没输过，账本算过吗？
别急着吹，反转来了。
能力确实强，但代价也不小。评论区有个做复杂数据分析的老哥，泼了一盆冷水。
他算了一笔账：中国模型包括Qwen3.8和之前的GLM 5.2，在跑复杂任务时存在严重的过度思考问题。
输出的token数量，是Opus和GPT模型的3到4倍。
这意味着什么？哪怕你的单价便宜，但架不住你费纸啊。实际算下来，总成本反而更高。
说实话，这点我不太认同某些唯跑分论的观点。企业是要算ROI的。你模型智力高20%，但token消耗多300%，这生意在商业落地时根本跑不通。
GLM-5.3虽然支持通过reasoning_effort参数控制思考预算，但这能不能真正解决过度思考的顽疾，还得看实际表现。
生态与未来的暗战
抛开技术争议，GLM-5.3的开源生态铺得挺广。
SGLang、vLLM、TokenSpeed全都支持，甚至还专门适配了昇腾NPU。第三方服务商DeepInfra也迅速跟进，上了OpenRouter。
有人问能不能上AWS Bedrock，有人想拿它做LoRA搞垂直领域赚大钱。还有人觉得它没带视觉能力是个硬伤，转头去夸GLM-5.3 Flash。
大模型的下半场，早就不是单纯比拼智力了。
拼的是部署成本，是生态适配，是能不能让开发者真正赚到钱。
GLM-5.3交出了一份后训练的满分答卷，但也把过度思考和安全边界的难题重新摆上了台面。
当开源模型在能力上逐渐逼近甚至超越闭源巨头时，我们到底需要的是一个绝对安全但处处受限的乖宝宝，还是一个能力爆表但需要人类自己把控边界的野马？
这个问题，恐怕比跑分更难解。
【锐评】：底座不换全靠后训练，跑分猛如虎但token烧得也猛，大模型终究要从拼智力走向拼算账了。
参考链接：
https://huggingface.co/zai-org/GLM-5.3