摘要： 2026 年 8 月 14 日，Z.ai 端出 GLM-5.3，公告標題就把話挑明了：「前沿程式碼能力，與湧現的網路能力」。同一天，這則發布在 Hacker News 上累積超過 1,100 點，本週開源圈沒有比它更大的消息。官方替自己下的定調只有兩句：這是「最強的開源權重程式碼模型」；而網路能力的發展「比我們預期的更快」。
2026 年 8 月 14 日，Z.ai 端出 GLM-5.3，公告標題就把話挑明了：「前沿程式碼能力，與湧現的網路能力」。同一天，這則發布在 Hacker News 上累積超過 1,100 點，本週開源圈沒有比它更大的消息。官方替自己下的定調只有兩句：這是「最強的開源權重程式碼模型」；而網路能力的發展「比我們預期的更快」。
同一顆 GLM-5.2 基座，勝負全在後訓練
GLM-5.3 是一個 753B 參數的 MoE 模型，其中最耐人尋味的細節，是它把 GLM-5.2 的基座直接拿來用；模型卡寫得毫不含糊：「所有提升都來自後訓練」。也就是說，本次並非把預訓練規模再往上推，而是在既有權重上做完整的一輪後訓練疊代——推理、工具呼叫與長任務規劃全部重做。經濟上的含意也隨之浮現：假如一個世代的躍進可以不必再付一次預訓練的帳，前沿發布的邊際成本就會明顯下滑，而真正的核心資產會落到後訓練管線身上——資料、獎勵訊號與 agent 環境。模型提供 low、high、max 三段推理強度，預設為 max；官方多項評測拉到最高 100 萬 token 的上下文。
程式碼成績單：開源陣營的新高點
這份成績單的量級值得整段照列（以下皆為 GLM-5.3 對 GLM-5.2）：Terminal Bench 2.1 由 81.0 升至 88.2；Terminal Bench 3.0 由 4.6 升至 28.3；SWE-Marathon 從 19.4 翻倍至 42.5；DeepSWE v1.1 自 46.2 升至 66.9；FrontierSWE 由 67.5 升至 78.1。官方另外聲稱，在自家的 Z.ai Code Bench 上相較 5.2 有 50% 的提升。這些題目不是灌水的：Terminal Bench 檢驗的是終端機環境中的多步驟實作，SWE-Marathon 檢驗的是超長工程任務能不能一路推進，而這正是當前 agent 最容易斷線的地方。數字全由供應商自己報告，真實手感仍待社群複測；不過方向頗一致——長程工程任務的進步幅度，遠遠甩開短題。
網路能力：原廠自己拉警報
本次發布最不尋常的一點，在於原廠主動把攻擊面擺進標題。模型卡的數字是：CyberGym 拿下 84.5（GLM-5.2 為 77.2），號稱是漏洞發現任務的開源最高分；ExploitGym 兩小時題由 29 躍至 105，六小時題由 39 躍至 130；ExploitBench 自 24.4 升至 54.4，利用能力翻了一倍有餘。當開源權重模型把漏洞挖掘與利用推到這種水準，防禦方與平台方要傷的腦筋，已經不只是閉源 API 供應商的使用條款，而是每個下載權重的團隊都得正視的現實。
授權改變：MIT 換成自訂條款
GLM-5.2 當年走的是 MIT 授權；GLM-5.3 的權重一樣放上 Hugging Face，但授權改成自訂的專屬條款，不再是標準開源授權。Together、Novita、Fireworks、DeepInfra、Baseten 等推論供應商也都已上架，API 要取得並不困難；真正的問題出在自架時的商用條款，必須逐條讀完才能進生產。這是 5.2 到 5.3 之間最容易被漏看、卻會左右採購決策的一項變化。
開發者該注意什麼
三個觀察。第一，開源程式碼前沿的推進模式已經不同：基座不動，單靠後訓練就能拉出一個世代的距離，後訓練管線於是成為核心資產本身。第二，供應商自報的基準要打折看，但像 SWE-Marathon 翻倍這樣的量級很難歸給雜訊，值得直接用自己的工作負載實測。第三，雙用途能力正式被納入開源權重的討論範圍：紅隊、掃描與防禦工具之間的軍備競賽，會比模型排行榜更值得盯。