智譜發佈 GLM-5.3：不換底座、只煉後訓，開源編程王座易主

中國AI初創公司智譜AI近日正式發布旗下最新開源模型GLM-5.3，引發業界高度關注。這款模型的最大亮點在於其基座模型本身完全未經變動，所有性能提升均來自後訓練階段的Scaling策略，展現出不同於傳統「換基座」升級路徑的技術思維。根據官方說明，團隊在後訓練階段投入了數十倍規模的長程任務環境，並引入更豐富的任務類型，加上超長後訓練時間，成功在相同基座下大幅抬升模型的智能上界。這意味著GLM-5.3並未透過更換或擴充基礎模型架構來取得進步，而是透過強化後訓練數據與訓練流程，將既有模型的潛力徹底釋放。其中，GLM-5.3的程式碼生成與編程能力表現尤為突出。

據官方公開數據，相關指標提升約50%，一舉超越此前所有開源模型，成為當前編程能力最強的開源選擇。這項成果不僅刷新了開源模型在程式設計領域的標竿，也讓智譜AI在與國際開源社群的競爭中佔據領先位置。除了編程領域，GLM-5.3在公開基準測試中也繳出亮眼成績。從數學推理、邏輯判斷到自然語言理解，多項指標均有顯著進步，展現出後訓練技術對模型潛力的顯著挖掘效果。智譜團隊強調，這種「不換底座，只煉後訓」的策略，證明後訓練階段的質與量，對模型最終表現的影響力可能超越基座模型本身的規模。業界分析指出，過往開源模型競爭主要聚焦於基座模型參數大小與預訓練數據規模，但GLM-5.

3的成功案例顯示，後訓練技術的Scaling同樣能帶來突破性進展。這種路線有助於降低模型迭代成本，因為開發者無需每次重新訓練龐大的基座模型，即可針對特定任務進行強化。智譜AI此次開源GLM-5.3，也進一步鞏固了其在開源社群的影響力。該模型不僅提供完整權重，還附帶詳細的訓練與微調指南，讓全球開發者能夠基於同一基座進行二次開發，甚至複製其後訓練流程。這對於推動AI民主化、降低研究門檻具有積極意義。對於開發者而言，GLM-5.3的出現意味著在程式碼生成、自動化測試、程式修復等場景中，有了一個更強而有力的開源選項。

尤其是那些依賴開源模型進行商業化部署的團隊，無需再昂貴的商業API，即可獲得接近頂尖閉源模型的編程能力。值得注意的是，GLM-5.3的發布時間點，正值全球開源大模型競爭白熱化階段。從Meta的Llama系列到中國的DeepSeek、Qwen等模型，各家都在爭奪開源生態的制高點。智譜AI選擇以「後訓練Scaling」作為差異化突破口，試圖在既有基座基礎上，以更高效的方式挖掘模型潛力。智譜團隊在技術文件中表示，未來將持續探索後訓練技術的極限，包括更長程的任務鏈、更多元的獎勵模型，以及自動化數據生成等方向。GLM-5.3只是這一策略的初步成果，後續版本有望在更多領域實現突破。總體而言，GLM-5.

3的發布不僅為開源模型社群注入強心針，也為業界提供了另一種模型升級的思考路徑：與其不斷追求更大的基座，不如在後訓練環節投入更多資源，打造真正「好用」的模型。對於開發者、研究人員以及企業用戶而言，這款模型的開源，無疑將加速AI在編程與其他專業領域的落地應用。