GLM-5.3 权重正式开源：编程涨 50%、挖洞翻倍，但普通玩家先别冲动

一句话结论： 智谱把 GLM-5.3 的权重正式放上了 Hugging Face 和 ModelScope，编程能力官方口径提升 50%、网络安全能力直接翻倍，是目前开源权重里最能打的编程模型；但 750B 量级参数、756GB 的 FP8 权重，意味着绝大多数人还是乖乖走 API 或中转平台更划算。

8 月 28 日那天，Hacker News 上「GLM-5.3 is now open-weight」的帖子冲到了 800 多分。老张点开 Hugging Face 一看，发布不到一周，下载量已经逼近 10 万。说实话，这轮国产开源模型的节奏确实快——API 是 8 月 19 日先上的，权重因为这次模型网络安全能力太强，官方专门多做了两周安全评估才放行。这件事本身就很值得运维和安全圈的人关注。

📋 速览表

项目	内容
模型	GLM-5.3（智谱）
事件	2026-08-28 权重正式开源（Hugging Face / ModelScope）
架构	MoE，总参数约 750B，每 token 激活约 40B
权重格式	FP8，141 个 safetensors 分片，共约 756GB
上下文	1M，最大输出 128K
思考模式	强制开启，low / high / max 三档（默认 max）
License	自定义 GLM-5.3 License，允许商用、微调、二次分发
部署框架	SGLang、vLLM、Transformers、KTransformers、Unsloth、TokenSpeed，支持昇腾 NPU

发生了什么：API 先上，权重迟到两周

GLM-5.3 的 API 是 8 月 19 日在大模型开放平台全量上线的，当天就进了 GLM Coding Plan 的默认模型。但权重拖到 8 月 28 日才放出来。

为什么晚？官方说法是：这次模型在漏洞发现、漏洞利用上的能力提升超出预期，属于「涌现的网络安全能力」，所以团队在开源前专门做了额外的安全评估，花了大约两周。模型卡里也写明，GLM-5.3 用的是和 GLM-5.2 完全相同的基础模型——所有提升都来自后训练，这句话的含金量在于：基座没变，工程能力却大幅跃升。

编程能力：内部基准涨 50%，公开基准开源第一

老张从官方模型卡里挑了几个关键数字：

Terminal Bench 3.0：4.6 → 28.3，接近 6 倍提升，开源模型里第一；
DeepSWE v1.1：46.2 → 66.9；
Agents' Last Exam（CLI）：23.8 → 28.5，同样是开源 SOTA；
智谱内部 Z.ai Code Bench：官方口径比 GLM-5.2 提升 50%；Max 档准确率 34.5%，平均每任务输出 7.5 万 token——比 GLM-5.2 的 9.6 万 token 还更省；
第三方 Artificial Analysis 智能指数：GLM-5.3 拿到 60 分，和 Kimi K3 并列开源模型第一。

![[Codex/自媒体/图片/2026-09-03-glm-53-open-weights-01.png]]

有意思的是 token 效率这组数据：High 档下 GLM-5.3 用约 5 万 token 拿到 31.4% 准确率，超过了 Claude Opus 4.8 用约 12 万 token 拿到的 29.5%。当然，离 Claude Fable 5 的 39.5% 还有差距，这点官方也没藏着。

网络安全能力：这才是这次最大的看点

对运维和安全团队来说，GLM-5.3 真正值得关注的是它的网安能力：

CyberGym（漏洞发现）：84.5%，当前该基准最佳成绩；
ExploitBench（漏洞利用推理）：24.4% → 54.4%，直接翻倍还多；
ExploitGym：2 小时完成 105 项任务，GLM-5.2 只有 29 项。

![[Codex/自媒体/图片/2026-09-03-glm-53-open-weights-02.png]]

更关键的是真实场景数据：智谱联合国内多家安全团队，用模型在 269 个真实项目里发现了 2,436 个漏洞，其中 1,097 个中高危，藏得最深的一个在代码里潜伏了约 40 年。官方还建了一个持续更新的漏洞披露台账。

老张的判断：这套能力用在防守侧（代码审计、漏洞挖掘）价值巨大，但双刃剑属性也很明显——官方多压两周做安全评估、License 里加安全审查条款，都是同一个原因。

部署：门槛比你想的高

权重开出来了，但先看清楚规格再决定要不要自建：

权重直接以 FP8 精度发布，141 个分片，总文件约 756GB；
本地全量部署需要 TB 级显存的多卡集群（8×H200 级别起步，老张估算），单机玩家直接劝退；
支持 SGLang、vLLM、TokenSpeed、Transformers、KTransformers、Unsloth，昇腾平台有 vLLM-Ascend / xLLM / SGLang 适配；
API 价格与 GLM-5.2 持平，OpenRouter、SiliconFlow 等第三方平台已同步上架。

所以现实路径很清楚：中小团队和个人走官方 API、GLM Coding Plan 或中转平台；有合规或数据安全要求、且手里有 8 卡以上集群的团队，才值得认真考虑自建。

License 有一个条款要注意

GLM-5.3 用的是自定义 License，整体相当宽松：允许商用、允许微调、允许二次分发。但有一个特殊条款——如果你或关联公司做 MaaS 生意，且连续 12 个月总营收超过 100 亿美元，商业使用前必须通过 Z.AI 的安全审查。普通公司完全不用管这条，它防的显然是超大规模云厂商「拿开源权重做托管服务」。

迁移坑：思考不能关了

从 GLM-5.2 升级要注意一个破坏性变化：GLM-5.3 强制开启思考，不再支持 thinking.type: "disabled"，否则会直接报错。正确姿势是改成 enabled 并用 reasoning_effort 调档位：

{
  "model": "glm-5.3",
  "thinking": { "type": "enabled" },
  "reasoning_effort": "max"
}

简单任务设 low 省钱，复杂编程任务用默认的 max。另外本地部署时 clear_thinking 默认是 false，聊天场景记得显式传 true，否则历史推理内容会堆在上下文里。

🎯 老张建议

普通用户别折腾自建：756GB 的 FP8 权重意味着 TB 级显存集群，先走 API 或 Coding Plan 体验，成本差好几个数量级；
升级前先检查 thinking 参数：disabled 会直接报错，这是这次最容易踩的坑；
安全团队重点关注：开源权重 + 翻倍的漏洞发现能力，意味着防守方第一次能用上开源的顶级漏洞挖掘模型，建议在隔离环境里做代码审计 PoC。

💬 互动话题

你会为了数据安全自建 750B 级模型，还是继续用 API？
模型开源前因「能力太强」多审两周，你觉得这是负责任还是拖节奏？
你的团队已经在用 AI 做漏洞挖掘了吗？效果如何？

🔗 关注老张

公众号：老张聊运维小程序：观简国学个人博客：https://www.shanwaiyun.top/