大家好，我是冷逸。

出来了最新的AA（Artificial Analysis）榜单, 前十当中出现了三个国产模型, 特别是, Kimi K3到达了全球第四、国产第一的位置, GLM-5.3也到达了全球第四、国产第一的位置, 它们仅次于Claude Fable 5、Opus 5、GPT-5.6 Sol和Grok 4.6。

除了分数不要去管它, 另外有一个细微的情节或许众多的人都未曾留意到。在排名前十的模型当中, 唯有GLM−5.3的参数数量并非以T级别计算, 仅仅只有744B（激活40B）。

看过榜单以及参数之后, 你或许会更倾向于关心, 它在实际使用当中, 究竟可不可以? 我打算依据这几天的真实感受, 借助四个具体的Case跟大家谈一谈, 还有这个参数规模背后所蕴含的故事。

实测体感与真实case

1）安全审查

我曾进行开源, 有一个Markdown编辑器, 在几乎没有做任何安全审查的情况下, 就把它传到了GitHub。那时没有过多去想, 然而真的要是把它进行部署并且上线, 其中存在的问题就非常大了。

我将一份代码完整抛至GLM - 5.3那儿, 它一下子便协助我找出了六个存在问题之处。

看到它针对每个问题作出的描述, 这让我看了之后后背发凉, 并非是那种含义模糊不清的“可能存在风险”, 而是精确地指明问题究竟出在何处, 以及会被以怎样的方式加以利用。

最后, 它随手给出了两条方案, 一条是将DOMPurify集成以及SRI直接写入HTML, 另一条是重新编写一版经过加固的代理脚本, 随后问了我一句「要不要做」。这还用得着问吗, 肯定得做。

提议大伙的实际项目, 于上线真实状况之前, 非常有必要让GLM - 5.3先行扫描一回。

这并非玩笑, 近来黑灰产极为嚣张, 已有诸多政企网站被波及, 一次疏忽引出的代价, 或许要比你所设想的更为巨大了。

就GLM - 5.3于安全攻防层面所具备的实力而言, 可不是我独自一人产生的那种错误感觉 , 在针对CyberGym的此项测试之中 , 模型是要从白盒源代码着手 , 借助触发程序故障去识别以及验证漏洞 , GLM - 5.3的得分是84.5% , 这一成绩超过了Mythos 5的83.8% , 同时超出了GPT - 5.6 Sol的83.6%。

2）Skill开发

从事Skill开发工作, 我始终认为这是最能够检验一个模型Agentic能力的情景。在我周围, 有不少朋友进行Skill开发时, 基本上只认可Opus 4.8/5、GPT-5.6 Sol这二者。

这回儿俺尝试着放在GLM - 5.3上面进行操作, 经过若干回合的对话之后, 迅速就打造出了一项特定用于编写GitHub「README.md」的Skill, 其思维脉络极为顺畅。

第一步，先让它给我推荐一批优秀的GitHub仓库。

接下来的这一步, 要去提取那些十分优秀的README所具备的共同特性, 进而把它们沉淀成为一份有着明确要求与标准的规范。

第三步, 依据这份规范, 产生一个专门撰写「README.md」的Skill。

而后, 我依旧选用先前那个Markdown编辑器来练手, 借助这个全新的Skill重新创写了一份README。

（上下滑动，查看全图）

这是原来的README。

（上下滑动，查看全图）

两者改动对照情况。

能够瞧见, 借助Skill予以撰写的README.md, 瞬间就显得专业, 并且高级程度提升了不止一级档次。

这个Skill我后面再打磨打磨，到时候开源给大家。

3）3D游戏

结合最近爆火的《牛来》，我想了个略抽象的Prompt：

依照“图1.png”里的剧情情形以及人物主要部分, 结合近来火爆的《牛来》热点现象, 运用Three.js打造出一个3D互交游戏, 演绎现代样式的“牛头不对马嘴”, 故事必定要够新颖, 得有独特性。

这一个提示词, 事实上是同时在考查三件事情, 分别是3D建模能力, 一口气写出长代码且程序不崩溃的工程质量, 以及创意自身。这三关相互叠加在一起, 是非常能够看出模型的真正功底的。

最终效果，有点“牛来”。

把整体情况综合起来看, GLM - 5.3所具备的3D生成能力是没得挑的, 基本上与Kimi K3处于同等的水平, 不仅如此, 二者还依靠自身能力一下共同把国产模型提升到了世界级的高水准。

4）写作能力

写作，是我最近测下来的意外之喜。

我的提示词很简单粗暴：

用豆瓣长评腔评价《牛来》。

《牛来了，电影死了，我们都笑了》

当影厅散场之际, 里面响起了掌声, 并非那种出于礼貌性的, 而是呈现为狂欢式的。我身处第五排的位置, 看着字幕滚动完毕, 及保洁阿姨进来催促人们离场, 这时突然察觉到: 我已然有很多年未曾在电影院聆听到掌声。上一回去有的时候还是某部制作优良的什么影片来着——你瞧, 我就连其具体名字都给忘掉。

先说结论：《牛来》作为电影，零分。作为事件，满分。

这是一个仅有两个人的剧组, 有一头进入到梦境里的牛, 其建模是灾难级别的, 叙事如同梦游一般。要是说塔可夫斯基像那凝视水面的长镜头, 那《牛来》则是一头牛径直走进水面, 溅你一身水。布努埃尔用剃刀割开眼球, 以此宣告超现实主义的降临；《牛来》却什么都不割——它根本就不知道眼球在何处, 然而它横冲直撞的模样, 意外到达了同一个地方。这并非是解构, 因为解构得先懂得结构才行。这是纯粹的出于无知的勇气, 如同电影诞生之初那“老子不管反正就要”呀。

“拍”有着原始冲动, 工业花了一百年将这种冲动彻底阉割干净, 《牛来》把它又捡了回来, 还嚼得那般津津有味。

你会指责我超限度细致解读, 给毫无价值之物增添多余荣耀, 我清楚, 可请明鉴, 我向来从未谈过它具备优点, 我所表达的意思是, 它身处应然之境。

那些“正确”的电影, 我们看过太多。算法晓得你要哭, 第二幕便下起刀子；美术清楚你要截图, 每一帧都预留着水印位置。精修得无比完美的看多了, 人就会失明。而《牛来》, 粗糙得近乎赤诚: 它不迎合你, 不算计你, 甚至不理解你。在人人都表演“懂观众”的时代, 一个全然不懂观众的事物, 反倒成了唯一的真实。

因此, 那些观众, 他们驱车三十公里前来, 所购买的并非是票, 而是赎罪券, 是要为我们曾经, 用十倍票价去供奉那无数精致的无聊, 实施赎罪之举。

有部名为《房间》的影片来自美国, 而我们这边有《牛来》。托米·韦索耗费六百万美元拍出一部被奉为邪典圣物的作品；我们的《牛来》上映九天票房达到七千三, 遭受嘲讽后, 几天之后单日票房反而冲高到三十五万。“烂片拯救票房”这种事情, 其本身就是最为超现实的剧情, 比影片里那场牛梦还要超现实得多。

评分说明如下, 是五星。其中一分给予牛, 一分给予梦, 一分给予两人剧组那种明明知道不可以去做却还是去做的莽撞, 一分给予影院经理在紧急加场时脸上所呈现的神情, 最后一分给予所有那些笑着散场, 又在深夜写下“其实我们笑的是自己”的伪善之人, 这其中还包括我。

牛来了。

它不是来拍电影的，是来给电影收尸的。

结果，葬礼变成了派对。（by glm-5.3）

论文腔。

它的笔力, 真真切切地把我给惊喜到了, 腔调把握得精准无误, 行文具备相当的水准, 全然不是那种平平淡淡接住的所谓「理工味」。这是一个以聚焦Coding为主打的模型, 然而文科方面居然也未曾有所欠缺, 这大概又属于后训练那一套功夫所产生的溢出红利了。

小小的模型，大大的智能

AA榜单里, 60分以上的模型, 总共有6个, 在这6个模型当中, GLM - 5.3是参数量最小的那一个, 它只有744B（激活40B）。

和它同处头部的，都是些什么来头？

在GLM - 5.3之前以及之后排列着的那些选手, 其整体规模通常是它的两倍，多的情况甚至达到十几倍那般。那么, 关于智能水平的状况呢? 它们相互之间仅仅相差两三分而已。

在更具趣味的层面而言, 它与GLM - 5.2处于相同的底座基础, 其每一份程度的提升皆源自事后的训练。此句话并非由我所讲出, 乃是智谱官方博客的原本话语（“It uses the same base model as GLM - 5.2 — every gain comes from post - training”）。将其翻译为通俗易懂的语言就是: 同一副骨架、同一个天花板, 上一代仅发挥到53分, 这一代直接触及到了60。

即便是这般讲来, 除开所谓预训练之外, 后方面的训练同样也是能够将模型的智能水准予以提升拔高的, 而在现阶段的状况里边呀这个时刻智谱似乎存在有一种可能已然开启了一条与众不同新鲜的模型训练行进之道了。这也正是智谱的创始人唐杰教授提及宣称此次GLM - 5.3乃是一场特定方式的控制变量实验的如此表述的缘由所在了。

啥是预训练、后训练呢? 按照句沃垠 AI 群友的话来领会就是, 简单而言, 你记住了与你会用了是属于两个不同概念。预训练等同于给了你相当多的知识, 使得你记住。而后训练则是, 让你去学会把这些知识运用起来。

只是单纯讲些道理, 那是欠缺力度的, 我将它跟近期才发布的两个模型放置到一块儿，如此一来, 你便能够瞧见其中存在的差距了。

第一个, 是Kimi K3。它的分数同样为60分, 与GLM - 5.3持平, 然而其体量是2.8T, GLM - 5.3仅为它的四分之一。同样的分数, 却有着四分之一大的身板。

其二, DeepSeek-V4-Pro-08。它AA得分达五十和三, 较GLM-5有着七分的低出状况量, 参得全面的数量大概为一点六倍乘T程度, 是GLM-5的三倍之数。

要留意的是, 上一代的GLM - 5.2同样是53分。也就是说, GLM仅仅通过一代的迭代, 在同一衡量标准下, 将自身与一个体量为其三倍的对手, 拉开了7分的差距。

对用户，这意味着什么？

若讲60分算作结果, 那么智谱将力气用在了何处呢? 回答是: 坚定不移地钻研Coding以及Agentic能力。

官方博客当中, GLM - 5.3于自家Code Bench跟5.2相比较, 存在大约50%的提升程度, 并且自我宣称「当下最为强大的开源权重编程模型」。

甚至会有那种稍微带点「超出大纲范畴」意思的意外惊喜出现, 智谱表示过, 在将训练规模予以扩大的这个进程当中, 那模型有关网络安全方面的（针对漏洞发现这一类别）能力, 其显现出来的速度比原先预期的还要更快, 在像CyberGym这类网络安全基准测试里达成了开源状态下的最优表现。

能够将属于编程主打范畴的模型, 把能力延伸到安全领域, 这样一种「在练习过程中额外生出一身本领」的感受, 恰好属于后训练威力的又一侧面写照。

模型小小的, 智能大大的, 落到用户那一侧, 带来了两个实实在在的好处。

其一, 推理成本更低, 速度更快, 参数小带来同样算力能服务更多请求, 反映到API价格上是更便宜, 反映到响应延迟上是更快。

再者, 私有化部署的条件更为宽松。GLM系列向来开放权重，其拥有744B的总参数量以及40B的激活体量, 这表明企业在自身机房内搭建一套私有化部署时, 所需要的硬件规格要求以及成本支出, 相较于那些动不动就有2T、3T规模的巨大系统而言, 要友善许多，是这样的情况。

被确认了, GLM - 5.3的模型权重, 将会于下周五正式进行开源, 大家能够去期待一下。

在当下, 对于那些想要去进行体验的人而言, Z.ai、智谱清言APP、BigModel开放平台以及GLM Coding Plan, 目前均已然能够去开展体验了。其API的价格同前一代GLM - 5.2保持一致, 并未出现价格上涨的情况, 其中输入部分是8元每百万tokens（若缓存命中则为2元）, 输出则是28元每百万tokens。