#AI
智谱 GLM-5.3 靠后训练登顶 Agent 榜
智谱 8 月 14 日发布 **GLM-5.3**,和上一代 GLM-5.2 共用同一个 7430 亿参数基座，官方直言「扩展后训练就是我们做的一切」。结果相当亮眼：Terminal Bench 3.0 从 4.
6 分暴涨到 28.3 分拿下开源第一，DeepSWE 的 66.9 分超过 DeepSeek V4 Pro 的 62.7,CyberGym 以 84.5% 登顶全球，压过 Claude 和 GPT 的旗舰。
💡 为什么值得看同一 7430 亿基座，只加后训练便多项 benchmark 反超 DeepSeek V4 Pro,揭示国产模型自进化两条路线的关键分歧。
查证
来源与可信度
强
· GLM-5.3 在多项基准上登顶：Terminal Bench 3.0 从 5.2 的 4.6 分升至 28.3 分拿下开源第一，DeepSWE 得 66.9 分超过 DeepSeek V4 Pro 的 62.7,CyberGym 以 84.5% 登顶全球。
[1][2]
孤证
· 智谱官方性能图显示，GLM-5.3 在编程、终端操作、Agent 任务、网络安全等八项对比中赢过 DeepSeek V4 Pro 七项。
[1]
强
· GLM-5.3 与 DeepSeek V4 Pro 代表两条不同的自进化路线：智谱通过「环境合成流水线」让模型在训练阶段自我进化，DeepSeek 则借 DeepSeek Harness 把自进化搬到推理阶段的插件生态。
[1][2]
延伸阅读
Nathan Lambert 直接回应「中国模型靠蒸馏赶上美国」的普遍怀疑，给出释放节奏、benchmaxxing、数据产业等更宏观的解释，是理解国产模型持续追平前沿的关键补充视角。
智谱的「AI 研究员出题 + AI 判卷员筛题」双 Agent 机制，以及 slime 训练框架练习/考试环境对齐到千万分之一，是理解自进化路线技术落地的抓手。