发布日期：2026年8月19日 | 话题：AI模型 · GLM-5.3 · 智谱AI · API接入 · 编程模型

智谱AI于2026年8月14日发布GLM-5.3，并于2026年8月19日正式开放API。这是GLM-5系列的首个后训练强化版本：基础模型与GLM-5.2共用同一底座（7530亿参数，来源：Artificial Analysis，2026年8月），所有能力提升完全来自后训练，不依赖参数扩容。在Artificial Analysis综合智能指数评测中，GLM-5.3（max档）以60分在181个参测模型中排名第8（数据来源：Artificial Analysis，2026年8月19日），与Claude Fable 5、GPT-5.6 Sol等闭源旗舰处于同一智能区间。编程方面，DeepSWE v1.1得分从GLM-5.2的46.2升至66.9（+44.8%），Terminal-Bench 3.0从4.6跳至28.3；网络安全方面CyberGym得分84.5%，超过Mythos 5（83.8%）和GPT-5.6 Sol（83.6%）。本文覆盖GLM-5.3的核心变化、API接入配置（含迁移注意事项）、定价与场景选型建议。

核心变化：三个方向的集中突破

变化一：编程能力全面跃升

GLM-5.3在三项编程与Agent基准上均有显著提升：

基准测试

GLM-5.2

GLM-5.3

提升幅度

DeepSWE v1.1（代码修复）

46.2

66.9

+44.8%

Terminal-Bench 3.0（终端Agent）

4.6

28.3

+6倍

Agents' Last Exam（综合Agent）

23.8

28.5

+19.7%

（数据来源：Z.ai官方文档，2026年8月）

Terminal-Bench 3.0的跳跃幅度最为显著——从4.6到28.3意味着GLM-5.3在终端Agent任务上从几乎不可用升级到具备实用价值。Z.ai Code Bench评测显示，GLM-5.3（max档）在完成编码任务时每任务输出约75K token，而GLM-5.2需要约96K token——效率提升的同时完成率也更高。智谱官方将编程能力提升幅度描述为"50%"（来源：智谱AI官方，2026年8月14日）。

GLM-5.3已接入ZCode（zcode.z.ai）代码工具和AutoClaw（autoglm.zhipuai.cn）办公Agent，是两款产品的当前主力模型。

变化二：网络安全能力对标顶尖闭源模型

CyberGym综合得分84.5%，超过Mythos 5（83.8%）和GPT-5.6 Sol（83.6%），在参测模型中排名第一（来源：Z.ai官方文档，2026年8月）。

具体数据：

基准

GLM-5.2

GLM-5.3

对比模型

CyberGym

77.2%

84.5%

Mythos 5: 83.8% / GPT-5.6 Sol: 83.6%

ExploitBench

24.4%

54.4%

Mythos 5: 78.0%

ExploitGym 2h

29任务

105任务

Mythos 5: 181任务

智谱同步建立了Z.ai Security Disclosure Ledger公开漏洞披露记录，已完成269个真实代码库扫描，发现2,436个漏洞（其中中高危1,097个，最早漏洞存在约40年）。ExploitBench得分相较GLM-5.2超过翻倍，但与Mythos 5仍有差距（54.4% vs 78.0%），网络安全场景仍以辅助审查为主，不建议无监督自主漏洞利用。

变化三：思考模式强制开启，不可关闭

这是从GLM-5.2迁移到GLM-5.3时最需要注意的变化。

GLM-5.3的thinking.type只支持"enabled"，不再接受"disabled"值。如果沿用GLM-5.2的配置直接切换模型ID，会导致请求失败。同时新增了reasoning_effort参数，支持三档调整：

档位

适用场景

Token消耗

low

简单问答、快速响应

最低

high

标准编码、推理任务

中等

max

复杂Agent、深度推理

最高（默认）

默认档位为max，适合复杂任务但成本最高。高频简单调用建议显式设置reasoning_effort: "low"以控制成本。

API 接入：快速上手

GLM-5.3支持三种接入协议，适配不同技术栈：

端点信息：

协议

Base URL

OpenAI Chat Completion

https://open.bigmodel.cn/api/paas/v4

OpenAI Response

https://open.bigmodel.cn/api/v1

Anthropic Message

https://open.bigmodel.cn/api/anthropic

OpenAI SDK 快速接入示例：

from openai import OpenAI

client = OpenAI(
    api_key="your-bigmodel-api-key",
    base_url="https://open.bigmodel.cn/api/paas/v4"
)

response = client.chat.completions.create(
    model="glm-5.3",
    messages=[{"role": "user", "content": "审查这段代码并找出潜在的安全漏洞"}],
    extra_body={
        "thinking": {"type": "enabled"},
        "reasoning_effort": "high"  # low / high / max
    }
)
print(response.choices[0].message.content)

从 GLM-5.2 迁移的改动清单：

  1. 将model改为"glm-5.3"

  2. 将thinking.type: "disabled"改为"enabled"（否则请求失败）

  3. 按场景设置reasoning_effort档位，避免默认max在简单任务上浪费成本

  4. 支持上下文缓存（Context Caching），长会话场景可显著降低成本

定价与成本

Artificial Analysis基准评测中，GLM-5.3的输入价格约¥10/百万token，优于参测模型中位数（约¥12.6/百万token，数据来源：Artificial Analysis，2026年8月19日）。智谱官方声明API定价与GLM-5.2保持一致，非高峰时段（含周末全天）仅消耗标准积分的50%——相当于夜间和周末调用成本减半。

模型权重预计于发布后一周开源（来源：智谱AI官方，2026年8月19日），开源后支持本地部署，可进一步降低持续调用成本。

成本注意事项：

  • 默认reasoning_effort: "max"会产生较长的思考链输出，约为GLM-5.2标准输出的2.4倍冗长度（Artificial Analysis数据）。对成本敏感的场景建议先用low或high档测试效果再决定档位

  • 上下文缓存命中可大幅降低输入成本，长会话和RAG场景值得优先开启

  • 速度：74 tokens/s，TTFT 2.05秒（181模型中速度排名第71）；对实时交互要求高的场景需提前压测

场景选型：什么任务用GLM-5.3，什么时候考虑其他选择

适合用GLM-5.3的场景：

  • 代码审查与漏洞扫描：CyberGym 84.5%排名第一，可替代部分人工安全审查流程

  • 中等复杂度编程任务：DeepSWE 66.9，成本低于Kimi K3，适合作为主力编码模型

  • 终端Agent任务：Terminal-Bench 3.0从4.6跳至28.3，具备实用价值

  • 成本敏感的高频调用：定价低于Kimi K3约3倍以上，适合日用量大的团队

需要考虑其他模型的场景：

  • 图像/多模态输入：GLM-5.3当前版本仅支持文本，如需处理截图、图表，选Kimi K3（原生多模态）

  • 超长上下文真实利用：两者均支持1M token，但Kimi K3的BrowseComp和长文本推理评分更高

  • 最高动态代码逻辑精度：GLM-5.3在复杂算法题上仍落后Claude/GPT约8分

  • ExploitBench满分要求：54.4%与Mythos 5的78.0%仍有差距，高风险渗透测试场景不适合

对于需要在GLM-5.3、Kimi K3、DeepSeek V4等多个国产模型之间分层调用的团队，七牛云Token Plan（qiniu.com/ai/plan）支持统一订阅接入，一个API Key按需切换25个主流国产模型，免去多账户分别管理账单的成本。

开发者资源汇总

资源

地址

BigModel API文档（glm-5.3接入）

docs.bigmodel.cn/cn/guide/models/text/glm-5.3

Z.ai API文档

docs.z.ai/guides/llm/glm-5.3

GLM Coding Plan（编程场景订阅）

bigmodel.cn/glm-coding

ZCode在线代码工具

zcode.z.ai/cn

AutoClaw办公Agent

autoglm.zhipuai.cn

Z.ai在线体验

chat.z.ai

智谱清言App

chatglm.cn

官方发布Blog

z.ai/blog/glm-5.3

FAQ

GLM-5.3的思考模式强制开启，成本会比GLM-5.2高很多吗？

取决于reasoning_effort档位。设置为low时，思考链较短，成本接近GLM-5.2；设置为max（默认）时，冗长度约为普通模型的2.4倍（Artificial Analysis数据），成本相应增加。建议按任务类型显式设置档位：简单问答用low，编码用high，复杂Agent用max，不要让所有请求都走默认max档。

GLM-5.3和Kimi K3应该怎么选？

两个模型当前价格区间差距在3倍以上，核心差异在于：GLM-5.3擅长网络安全审查（CyberGym第一）、成本效益更高、适合高频标准编码；Kimi K3擅长超长上下文真实利用、多模态输入（支持图片）、前端编码。最实用的策略是分层调用：高频编码和安全审查用GLM-5.3，需要多模态或超长上下文的复杂任务用Kimi K3。

GLM-5.3什么时候开源，能本地部署吗？

智谱官方在API上线当日（2026年8月19日）表示模型权重将于"下周五开源"，遵循Kimi K3 License或智谱类似协议。开源后可通过HuggingFace获取权重进行本地部署。7530亿参数规模在推理资源需求上低于Kimi K3的2.8T，本地部署的门槛相对更低。

旧代码从GLM-5.2切换时会报什么错误？

最常见的报错是将thinking.type设为"disabled"——GLM-5.3不接受此值，请求会直接失败。检查所有调用点的thinking配置，统一改为"enabled"；同时建议在测试环境验证reasoning_effort各档位的输出质量和成本，再推广到生产。

总结

GLM-5.3（智谱AI，2026年8月14日发布，8月19日API上线）在编程和网络安全两个方向实现了可量化的跃升：DeepSWE v1.1从46.2升至66.9，Terminal-Bench 3.0从4.6升至28.3，CyberGym 84.5%在所有参测模型中排名第一。定价与GLM-5.2保持一致，夜间和周末非高峰时段成本减半。接入方面，最重要的迁移注意事项是thinking.type必须改为"enabled"，并按场景显式设置reasoning_effort档位避免默认max产生不必要成本。模型权重计划于近期开源，本地部署门槛低于同级别2.8T参数模型。

本文数据来源：Z.ai官方GLM-5.3文档（docs.z.ai，2026年8月）、BigModel开放平台文档（docs.bigmodel.cn，2026年8月）、Artificial Analysis基准测试（2026年8月19日，181个模型对比）、智谱AI官方发布（2026年8月14日）、DoNews报道《智谱GLM-5.3 API正式上线》（2026年8月19日）。

延伸阅读