財評｜建銀國際：智譜GLM-5.3發布 實現內生智能躍升

撰文：陳咏嫻
（建銀國際研究部人工智能行業分析師）

2026年8月14日，智譜（Z.ai，2513 HK）正式發布下一代基礎模型GLM-5.3。GLM-5.3沿用與GLM-5.2相同的7440億參數混合專家（MoE）基礎架構（約400億激活參數），其性能躍升完全源於後訓練規模擴展、先進的强化學習(RL，採用升級後的Slime框架和Sao算法）以及思維鏈（CoT）token質量的提升。

官方基準測試及開發者社區的初步反饋證實，GLM-5.3在長程編程、智能體編排和網絡防禦任務上達到了開源領域最先進（SOTA）水平。更重要的是，此次發布的表現超出管理層7月中旬的表述——當時其將GLM-5.3定位為下一代基礎模型推出前的一次小幅迭代。叠加DeepSeek於2026年8月17日起全面上調API價格，GLM-5.3通過證明「智能前沿」具備強勁定價能力，重塑了中國AI競爭格局。

後訓練規模擴展優於單純增加參數。管理層此前預計GLM-5.3只會是一次溫和迭代。然而，後訓練優化使其在內部編程基準測試（Z.ai Code Bench）上的表現較GLM-5.2大幅提升約50%，並在Terminal-Bench 3.0（28.3%，GLM-5.2為4.6%）和Agents' Last Exam（28.5%）等公開基準上達到開源SOTA水平。這一內生能力躍升表明，模型無需進行規模龐大且成本高昂的預訓練，也能實現前沿突破。競爭護城河由此轉向數據飛輪質量、強化學習環境、評估基礎設施和後訓練執行能力。

更高的token效率釋放利潤率擴張空間。 開發者的早期反饋證實，GLM-5.3在真實世界的長程編程任務中取得顯著提升。與依賴冗長「思考循環」（過度推理）來掩蓋輸出不穩定性的國內同業不同，GLM-5.3經過優化的CoT顯著减少了輸出token消耗。在「高」思考強度下，GLM-5.3在Z.ai Code Bench上以每項任務約5萬token取得31.4%的準確率，優於Claude Opus 4.8最高設置下的29.5%（約12萬token）。輸出token消耗不足其一半，可直接帶來更低的推理延遲、更低的服務成本，以及企業API商業化更高的毛利率。

涌現的網絡防禦能力開闢第三條商業化路徑。 擴大後訓練規模意外釋放了白盒代碼審查、漏洞發現和漏洞利用鏈構建方面的安全能力。在CyberGym上，GLM-5.3得分為84.5%（GLM-5.2爲54.2%）。發布前，智譜與領先的安全研究團隊合作，在269個開源項目中成功識別出2,436個現實漏洞（其中約1,100個為中高危漏洞）。除編程和辦公生産力外，網絡安全正成為智譜的第三大商業化支柱，在威脅檢測與任務軌跡收集之間形成閉環數據飛輪。

與CSP無縫兼容，助力快速部署。由於GLM-5.3保留了GLM-5.2的基礎結構參數，企業在雲服務提供商（CSP）基礎設施上的部署阻力極小。發布當日，主要雲平台即完成適配，並在其模型即服務（MaaS）平臺上綫GLM-5.3。企業客戶無需升級硬件，即可通過兼容OpenAI的端點或現有雲端GPU集群即時訪問或微調GLM-5.3，從而顯著加快企業客戶導入和年度經常性收入（ARR）轉化。

DeepSeek漲價後，競爭格局重塑。 DeepSeek近期將API價格上調50%至500%，縮小了其性價比優勢，並使高峰時段費率與智譜GLM系列趨同（DeepSeek V4 Pro高峰輸出價格：每百萬token人民幣27元；GLM-5.2/5.3：每百萬token人民幣28元）。隨着DeepSeek的相對成本護城河基本消失，加之GLM-5.3僅以三分之一的部署體量便在關鍵智能體操作基準上超越月之暗面的2.8萬億參數Kimi K3，智譜有望成為智能體編排和編程工作流的默認企業級選擇。

智譜的競爭護城河仍由其專有強化學習架構（Slime/Sao）和自我強化的數據飛輪提供結構性支撐。隨着市場重心從單純追求參數規模轉向後訓練效率和智能體執行能力，智譜的內生能力提升進一步鞏固了其品類領導地位。叠加對CSP基礎設施的即時兼容性，智譜有望充分把握企業智能化轉型的結構性浪潮。

（題為編者所擬。文章為作者之個人意見，不代表本報立場）