# Z.ai 釋出 GLM-5.3 開放權重，官方稱 Z.ai Code Bench 較 GLM-5.2 提升 50%

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 策展與摘要：EasyVibeCoding · 平台：X (Twitter) · 熱度：🔥🔥🔥🔥 · 日期：2026-08-30

> 原始來源：https://x.com/benjamin_c15838/status/2093970613882753072

## 證據與延伸閱讀

- [Z.ai 釋出 GLM-5.3 開放權重，官方稱 Z.ai Code Bench 較 GLM-5.2 提升 50%。](https://huggingface.co/zai-org/GLM-5.3) — 官方 Repository · 最後核對：2026-08-30 · 支持主張：新增可由 repository 取得的 GLM-5.3 模型配置、tokenizer templates、safetensors weights、usage instructions 與 license；同一模型卡也提供相對 GLM-5.2 的 50% Z.ai Code Bench improvement 及 Terminal Bench 3.0、Agents' Last Exam、CyberGym 的 vendor benchmark claims。
- [Cyan 轉述 Z.ai 發布 GLM-5.3 沿用舊基底](https://x.com/benjamin_c15838/status/2093970613882753072)

## 中文摘要

Z.ai 釋出 GLM-5.3 開放權重，官方稱 Z.ai Code Bench 較 GLM-5.2 提升 50%。

**核心更新** Cyan 轉述 Z.ai 發布 GLM-5.3，模型沿用 GLM-5.2 的 base model，官方表示所有增益都來自 post-training。使用者可從官方 [GLM-5.3 repository](https://huggingface.co/zai-org/GLM-5.3) 取得模型配置、tokenizer 模板、safetensors 權重、使用說明與授權條款，並下載、修改及在本地使用。

**能力宣稱** repository 指出 GLM-5.3 強化複雜 coding 與長跨度任務，並列出以下 vendor benchmark claims：

- 相較 GLM-5.2，Z.ai Code Bench 提升 50%。
- 在 Terminal Bench 3.0 與 Agents' Last Exam 達到 open-source state-of-the-art 結果。
- CyberGym 的 vulnerability-discovery 結果達到 state-of-the-art；官方還稱 cyber 能力在 post-training 期間成長速度超出預期，且越接近 exploitation chain 後段，增益越大。

**限制與風險** 上述 benchmark、state-of-the-art 與 50% improvement 都是 Z.ai 的 model-card claims，來源未提供測試流程、基準細節或獨立重現結果，因此不能直接視為已證實的普遍優勢。來源也未交代本地推論的硬體需求、效能或相容性；實際導入前，應核對授權條款、後訓練變更與 exploitation-chain 風險，並在隔離環境測試 Agentic 程式開發與 cyber workflow。

## 標籤

LLM, 功能更新, 開源專案, GLM-5.3