GLM-5.3 来了，这次真打进第一梯队了

★ 设为星标 | 只讲人话，带你玩转AIGC。

这几天大模型圈是真的热闹。

前脚 Google 刚发布 Gemini 3.7 Flash，xAI 又拿出了 Grok 4.6，现在国产模型这边也马上跟上。

智谱正式发布 GLM-5.3。

如果说前一阶段国产模型最大的突破，是证明“国产模型也能做出全球顶级能力”，那么这一阶段竞争的重点已经变成：

谁能真正成为下一代 AI Agent 的核心模型。

所以 GLM-5.3 这次重点也非常明确：

Coding 和 Agent。

而从官方公布的 Benchmark 来看，GLM-5.3 已经不只是和国产模型竞争，而是在直接挑战 GPT、Claude、Grok 这些全球第一梯队模型。

Coding：GLM-5.3 已经进入全球第一梯队

这次 GLM-5.3 最大的提升，首先体现在 Coding 能力上。

因为未来 AI 编程并不是简单让模型写几行代码，而是需要它真正理解项目结构、操作开发环境、调试问题，甚至完成整个软件工程任务。

比如 Terminal Bench 2.1，这个测试主要考察 AI 能否像程序员一样使用终端完成真实开发任务，包括写代码、运行程序、解决环境问题。

GLM-5.3 在这个测试中拿到了 88.2 分。

相比上一代 GLM-5.2，有明显提升。

更重要的是，这个成绩已经超过了 DeepSeek V4 Pro、Qwen3.8-Max 和 Claude Opus 4.8，与 GPT-5.6 Sol、Kimi K3 基本处于同一水平。

另一个更接近真实软件开发场景的 DeepSWE 测试中，GLM-5.3 的提升更加明显。

这个测试不是简单让 AI 生成代码，而是让它理解真实项目代码库，并解决实际工程问题。

GLM-5.3 相比上一代提升超过 20 分，已经超过 DeepSeek V4 Pro 和 Claude Opus 4.8，距离 Kimi K3 也非常接近。

当然，它还没有做到全面领先。

例如在一些复杂软件工程任务中，Fable 5 依然保持优势。

所以更准确的评价是：

GLM-5.3 已经进入 Coding 第一梯队，但距离全面超越 GPT、Claude 这样的旗舰模型，还有一定差距。

Agent：这次最大的惊喜

如果说 Coding 是 GLM-5.3 的基本盘，那么 Agent 才是这次最大的亮点。

因为未来 AI 的竞争重点，已经不是简单回答问题，而是：

能不能理解目标，调用工具，并自主完成一整套任务。

这也是为什么最近所有顶级模型都在疯狂强化 Agent 能力。

在 AutomationBench 测试中，GLM-5.3 表现非常亮眼。

这个测试主要衡量 AI Agent 执行复杂工作流的能力，比如规划任务、调用工具、连续完成多个步骤。

GLM-5.3 在这个项目中拿到了当前最高成绩，超过了 Kimi K3、Fable 5 和 GPT-5.6 Sol。

而在 GDPval-AA v2 这个更接近真实企业工作的测试中，GLM-5.3 同样排名第一。

这个测试模拟的是企业里的真实知识工作，比如分析资料、整理报告、处理复杂任务。

换句话说：GLM-5.3 不只是会写代码，它开始具备“帮人完成工作”的能力。

甚至在 Agents' Last Exam 这个专门测试 Agent 推理和执行能力的项目里，GLM-5.3 与 GPT-5.6 Sol 几乎打平。

这说明至少在 Agent 方向，GLM-5.3 已经真正进入全球竞争范围。

和最近几个模型放在一起看

如果把最近发布的几个模型放在一起，会发现一个很有意思的变化。

DeepSeek V4 Pro 证明了国产模型已经可以进入全球竞争范围；

Gemini 3.7 Flash 证明 Google 正在快速提升 Flash 模型能力；

Grok 4.6 则直接冲到了 Agent 第一梯队。

而这一次 GLM-5.3 给出的信号是：国产模型不仅能追赶，在部分 Coding 和 Agent 场景中，已经开始领先。

当然，目前这些成绩主要来自官方 Benchmark，最终能力还需要等待第三方测试和真实使用反馈。

但至少可以确定：

GLM-5.3 已经不是“国产模型里的优秀选手”，而是真正坐到了全球第一梯队的牌桌上。

过去一年，大模型竞争的故事是：国外模型领先 → 国产模型追赶。

而现在，故事正在变成：所有模型一起加速，没有谁可以掉队。