免费试用

GLM-5.3 现已上线 Bitdeer AI Model Studio，专为编码与网络防御打造

Evelyn Xiong

• 7 min read
GLM-5.3 现已上线 Bitdeer AI Model Studio，专为编码与网络防御打造

是否前沿人工智能领域的大多数进步都源于更大型的基础模型? Z.ai 刚刚证明了这并非唯一途径：GLM-5.3 使用与其前身 GLM-5.2 完全相同的基础模型，却依然实现了 GLM 系列历史上最大的编码和安全性能飞跃，且完全是通过经过扩展的后期训练实现的。对于运行长周期编码智能体或漏洞发现管道的工程和安全团队来说，这意味着无需等待新的基础模型周期，就能获得一个能力显著增强的模型。

今天，“为编码而生，为网络防御打造”的 GLM-5.3 在 Bitdeer AI Model Studio 上线。它将最强大的开源权重编码和智能体模型之一引入我们的无服务器推理平台，专为安全、可扩展的企业级 AI 构建。您无需配置或管理底层的 GPU 基础设施，通过单一 API 即可立即开始调用。

什么是 GLM-5.3？

GLM-5.3 是 Z.ai 在 GLM-5 系列中的发布的最新模型，它是一个混合专家模型 (MoE) 基础模型，总参数量为 7440 亿，每次前向传播激活约 400 亿参数，并使用稀疏注意力机制以实现高效的长上下文推理。关键在于，GLM-5.3 重用了与 GLM-5.2 完全相同的基础权重。每一项报告的能力提升均来自扩展的后期训练流水线，该流水线建立在更广泛的任务环境、更多的环境类型以及 Z.ai 的异步智能体强化学习框架之上。

这种方法将收益集中在两个领域：长周期编码和网络安全。Z.ai 称，GLM-5.3 是其迄今为止最强大的开源权重编码模型，在最困难、最智能化的基准测试中表现出最大的飞跃。此外，该模型的漏洞发现能力比团队预期的提升更多，GLM-5.3 开始能够跨越漏洞利用的多个阶段进行推理，并为完整的利用链形成连贯的计划。

关键规格

Property

Details

Model

Z.ai GLM-5.3

Architecture

Mixture-of-Experts (MoE) with sparse attention; same base model as GLM-5.2

Model size

744B total parameters · ~40B active parameters

Context length

1M tokens

Maximum output

128K tokens

Modalities

Text input, text output

Reasoning modes

Low, high, and max effort levels (max is default, recommended for complex coding)

Post-training

Scaled agentic post-training only; base model not retrained

Openness

Open-weight model; weights expected on Hugging Face roughly two weeks after launch, following an extended safety review

Compatible tooling

Z.ai API, GLM Coding Plan, ZCode, and coding agents such as Claude Code and OpenCode

为什么仅通过后期训练获得的提升至关重要

  • 新基础模型与更快的迭代。 重新训练基础模型既缓慢又昂贵。Z.ai 的结果表明，成熟的基础模型依然可以通过仅进行后期训练来吸收巨大的能力提升，这意味着更有意义的升级可以更快、更频繁地发布。
  • 通用编码能力与长周期执行。 许多模型可以很好地处理短小的编码任务，但在长时间、多步骤的智能体运行中性能会下降。GLM-5.3 的收益恰恰集中在这一点上，即在衡量持续性、多步骤执行的基准测试中，而非单次代码生成上。
  • 开放访问与双重用途风险。 GLM-5.3 的网络安全能力非常强大，以至于 Z.ai 推迟了其开源权重的发布，以完成其迄今为止最广泛的风险审查。这对企业来说是一个明确的信号，表明了该模型的实际能力，以及 Z.ai 对部署采取的严谨态度。

编码和智能体性能

Z.ai 称，在其内部 Z.ai 代码基准测试中，较 GLM-5.2 提升了 50%，并在多个公开的智能体基准测试中取得了开源领域的顶尖成果：

最大的飞跃出现在最长周期、最智能化的任务中，例如 Terminal-Bench 3.0，该测试衡量模型在多个步骤中链接 shell 命令、读取输出并从错误中恢复的能力。在公开排行榜上，GLM-5.3 在一些最困难的编码评估中落后于顶尖的闭源前沿模型，Z.ai 也坦诚其 50% 的核心数据来自内部基准测试，旨在减少污染风险，而非可独立复现的公开套件。

意外的网络安全成果

Z.ai 表示，他们添加了漏洞发现训练数据，本期望在单漏洞推理方面获得渐进式提升。然而，随着训练规模的扩大，能力不断累积，模型开始形成连贯的、多阶段的利用计划，而不仅仅是单步发现。通过与安全团队及研究小组合作，Z.ai 使用 GLM-5.3 在 269 个开源项目中发现了 2436 个漏洞，其中一些代码库的历史可追溯至大约 40 年前。在基准测试中：

基准测试

GLM-5.2

GLM-5.3

CyberGym

77.2%

84.5%

ExploitBench

24.4%

54.4%

CyberGym 分数超过了 Claude Mythos 5 (83.8%) 和 GPT-5.6 Sol (83.6%)，尽管差距很小，可能归因于运行间的偏差。ExploitBench（需要从根本原因推理到可工作的漏洞利用）的分数提升了一倍多，但仍落后于 Mythos 5 的 78.0%，这凸显了最深奥、最模糊的利用推理目前仍是前沿模型的强项。

应用场景

  • 长周期编码智能体。 需要在数十次工具调用中保持持续上下文和错误恢复的仓库级重构、CI 失败分类以及多步骤后端工程。
  • 应用和产品安全。 为发布内核、浏览器引擎、网络堆栈或其他安全敏感软件的团队提供安全代码审查、崩溃分类和白盒漏洞发现。
  • DevSecOps 流水线。 自动化的拉取请求审查，以及 CI 集成的静态和动态分析，在代码发布前标记可利用的模式。
  • 金融科技和电子商务工程。 维护复杂、多服务代码库的长期运行智能体，其中跨多个步骤的可靠性和指令遵循与原始代码质量同样重要。
  • MSSP 和安全供应商。 以原本需要大量分析师人手才能实现的规模，进行结构化的漏洞分类、关联和报告。

通过 API 在 Bitdeer AI 模型工作室运行 GLM-5.3

您可以在 Bitdeer AI Model Studio 上运行 GLM-5.3，而无需管理底层基础设施，从而降低了部署复杂性和实现价值的时间。作为 NVIDIA 优选云服务合作伙伴（Preferred NVIDIA Cloud Partner），并通过 ISO/IEC 27001:2022 与 SOC 2 Type I & Type II 认证，我们为生产级 Agentic 部署提供所需的安全、合规与高性能底座。

如何开始

  1. 登录 Bitdeer AI Model Studio。
  2. 在模型列表中找到 GLM-5.3。
  3. 生成 API 密钥并开始进行 API 调用。
curl -v --location 'https://api-inference.bitdeer.ai/v1/chat/completions' --data '{"model":"zai-org/GLM-5.3","messages":[{"role":"system","content":"You are a knowledgeable assistant. Provide concise and clear explanations to scientific questions."},{"role":"user","content":"Can you explain the theory of evolution in simple terms?"}],"max_tokens":200,"top_p":1.0,"temperature":1.0,"frequency_penalty":0.0,"presence_penalty":0.0,"seed":42,"stream":false}' --header 'Authorization: Bearer <API_KEY>'

结论

GLM-5.3 提醒我们，前沿进展并不总是需要一个新的基础模型，它可以通过教导现有模型进行更深入的推理和更长远的规划来实现。