传媒：AI产业研究系列｜模型跟踪-智谱/GLM-5.3：后训练Scaling驱动能力跃升

智谱GLM-5.3模型通过后训练技术实现能力跃升，延续GLM-5.2架构与参数规模，主要提升来自后训练，包括长程任务环境扩充、环境类型丰富化及后训练时间延长，并基于强化学习框架推进。这种技术路径使得模型在多项公开基准中位列开源第一，展现出强大的技术实力。

AI模型赛道未来发展趋势呈现多元化发展态势，后训练技术成为重要方向。通过持续优化和扩展模型能力，后训练技术能够显著提升模型在特定任务上的表现。同时，模型生态建设也日益重要，多层次产品入口的逐步形成有助于商业化空间的释放，为行业发展注入新动力。

GLM-5.3模型在多项基准测试中表现突出，如在Terminal-Bench3.0上得分从4.6升至28.3，DeepSWE v1.1与Agents‘ Last Exam得分分别升至66.9和28.5。此外，其在编程与智能体能力方面接近Claude Fable 5，Z.aiCode Bench中High档准确率31.4%，每任务输出约5万tokens，优于Claude Opus 4.8。这些数据表明GLM-5.3在多项能力上均有显著提升。

当前AI模型市场竞争激烈，智谱GLM-5.3在多项基准测试中表现优异，展现出强大的技术实力。然而，市场竞争仍在加剧，各家企业都在不断推出新的模型和技术，以争夺市场份额。此外，算力不足也成为制约行业发展的重要因素，需要行业共同努力解决。

投资GLM-5.3模型需注意的技术迭代不及预期、行业竞争加剧、算力不足等风险。技术迭代不及预期可能导致模型竞争力下降；行业竞争加剧可能影响市场份额和盈利能力；算力不足则可能制约模型的进一步发展和应用。投资者需密切关注这些风险，谨慎决策。