今天（8月19日），智谱正式开放了 GLM-5.3 的 API，定价和 GLM-5.2 保持一致，主打复杂编码、防御性网络安全和长程任务。知乎关注 ChatGLM 的朋友应该对这个名字不陌生——它 8 月 14 日就发布了，但这一周发生的事，比"新模型上线"本身有意思得多：跑分涨了六倍、开源权重却推迟两周、红队挖出两千多个漏洞、Coding 用户还在吐槽服务掉线。
与其再复述一遍通稿，不如把智谱没重点讲的几个地方拆开看看，顺便回答一个实在问题：要不要换订阅、怎么换成本最低。
这一周到底发生了什么
先把时间线捋一遍，很多判断要放回时间线里才看得清：
8月14日，GLM-5.3 发布。它和 GLM-5.2 用的是同一个基座，没有重新预训练，所有提升都来自后训练——官方说法是喂的不再是传统编程题，而是"即使由经验丰富的工程师完成也需要数天"的完整长程任务。知乎
同一天宣布：完整权重推迟约两周开放，预计落在 8 月 28 日前后。理由是模型在训练中展现出超出预期的网络安全能力，需要评估开放权重的风险。一个长期靠开放权重吸引开发者的国产模型，第一次因为"太会找漏洞"踩了刹车。36氪
8月17日前后，PhanRouter、万界方舟等生态陆续接入；程序员鱼皮等开发者开始在同一工具链下做横向实测。知乎
8月18日，Z.ai Coding Plan 向 Lite/Pro/Max 全档用户开放，支持 Claude Code、Goose、Codex 接入。同一天，知乎上出现 GLM Coding Max 用户"一天下来每轮对话都在重连"的吐槽。
8月19日（今天），API 正式开放，定价与 5.2 持平；Artificial Analysis 竞技场开分，GLM-5.3 与 Kimi K3 并列 60 分，成为挤进 T1 阵营的仅有的两个国产模型。微博微博
跑分：哪些能信，哪些要打个问号
先看官方自测的几个关键数字：Terminal-Bench 3.0 从 4.6 涨到 28.3，这就是"涨六倍"说法的来源；DeepSWE v1.1 从 46.2 到 66.9；安全侧 CyberGym 从 77.2% 到 84.5%，ExploitBench 从 24.4% 到 54.4%。微博数字确实吓人，但有三个细节值得挤一挤水分。
第一，"六倍"有地板效应。4.6 分本身接近地板，从地板起跳，倍数天然好看。真正该问的是 28.3 能排到什么位置，而不是涨了几倍。知乎
第二，官方那张基准表，几乎每一行都是智谱自己跑的。据 explainx.ai 统计，约 19 行基准里只有 2 行有具名的第三方执行方。这里有个容易混的点："公开基准"只说明题目是公开的，不代表这次跑分是第三方独立跑的。在真正的第三方公开榜上，截至 8 月 17 日的快照里 GLM-5.3 还没进榜，榜首是 Claude Opus 5 的 42.7%。知乎拿智谱自测的 28.3 去和公开榜的 42.7% 比，是两个不同源的数据，直接比不成立。
第三，智谱自建的 Z.ai Code Bench 上 GLM-5.3 拿 34.5%、对面 Claude Opus 是 29.5%，看起来赢了，但两边算力预算不一样——智谱每题约 50K token，对面约 120K，而且这套评测的数据集和评测包都没公开。知乎一套别人跑不了的评测，数字只能当参考。
那相对独立的第三方坐标是什么？目前最有参考价值的是 Artificial Analysis 竞技场：GLM-5.3 拿到 60 分，和 Kimi K3 并列，国产模型里只有这两个挤进了 T1，咬住了 GPT-5.6 和 Claude Opus 5。微博另外在 Design Arena 上它以 1351 Elo 排总榜第三，是设计任务上第二强的开放权重模型。知乎要判断 GLM-5.3 现在站在哪个位置，看这两个榜，比看官方表格靠谱。
社区实测和服务吐槽，都是真的
好评这边：程序员鱼皮把 GLM-5.3、DeepSeek V4 Pro、Kimi K3 放进同一个 DeepSeek Harness，完全相同的提示词、完全不做人工干预，让它们各做一个 3D 跑酷游戏和一个全栈 AI 绘图工具。结果是 GLM-5.3 两个任务的完成度都明显领先——游戏有多关卡、多技能、剧情还原，绘图工具甚至把 draw.io 的编辑能力深度融合进了自己的界面。知乎另外有运维背景的博主把自己生产环境的主 agent 从 GPT-5.6 换成了 GLM-5.3，JavaGuide 也用它从零做了款 agent 游戏。
差评这边同样真实：有 GLM Coding Max 用户在知乎吐槽，ZCode 里"一天下来每轮对话都在重连"，怀疑和 DeepSeek 调价后用户涌入有关。知乎对订阅用户来说，这个信号和能力跑分一样重要——模型强是一回事，服务供给跟不跟得上是另一回事。
关于那 2436 个漏洞，也要说清楚口径：智谱联合清华 NISL、南开及绿盟、奇安信、腾讯玄武等十余家安全团队做红队测试，在 269 个真实开源项目里找出 2436 个去重漏洞，平均潜伏 26.6 年，最早的一处写于 1981 年，其中最扎眼的是 1983 年 DNS 协议里的缺陷，智谱称可把服务器压力放大近 8 万倍。36氪但注意两点：一是发布时只有 53 个拿到 CVE 编号，其余还在协同披露禁令期；二是中文材料里的"1097 个中高危"，对应的其实是英文口径里危急加高危的总和，看数据分布比看形容词稳妥。知乎
至于"GLM-5.3 在 Cursor 里发现严重漏洞"这条，目前既无 CVE 也无 Cursor 官方确认，只能当单方说法。知乎
两个直接影响决策的事
权重推迟两周，而且会"加固"。 8 月 28 日前后放出的将是把安全约束训进权重本身的版本，最敏感的网络安全能力走"可信访问"，只对验证用户开放。知乎这对等权重做本地部署的人是实打实的成本。反对延期的声音也有道理：API 当天就开了，真想拿它找漏洞的人只需要愿意付 token 钱，风险并没有跟着权重晚两周。
怎么判断这两周是真评估还是公关缓冲？有个现成的验证办法：对比 API 版本和两周后放出的权重在安全类任务上的能力画像，如果基本一致，那这两周更像姿态。这个方法可以先收藏，月底见分晓。
服务稳定性还在被检验。 今天的 API 开放和 Coding Plan 全档放开叠加，如果重连类吐槽持续超过一周，那能力分再高也要打折。
成本账和分人群建议
先说价格：GLM Coding Plan 分 $18/$72/$160 三档月费，年付更省；API 定价与 GLM-5.2 持平，有快讯称与 Kimi K3 同级但价格更低。知乎微博另外几个用起来会碰到的变化：GLM-5.3 的思考关不掉了，只能在三档强度里选（默认拉满），上下文窗口 1M token，单次输出上限 128K，只吃文字不看图。
分人群说：
如果你是 Claude Code/Codex 订阅用户：值得用最低档尝鲜，接入成本几乎为零。但验证方法有讲究——编程基准测不到读老仓库、守项目代码风格这些真实工作里最耗人的环节，行内的老办法是拿自己项目最近的历史提交让它跑，别看别人的榜。知乎也别把全部任务迁过来，至少等月底权重和服务稳定性这两个变量落地。
如果你是 API 用户：定价没涨，agent 类、长程任务可以直接试，注意思考不可关闭带来的 token 消耗变化。
如果你是本地部署党：别急。等 8 月 28 日前后权重落地，先验证加固版和 API 版的能力差距，再决定值不值得部署。
最后留三个值得持续盯的信号：一是 8 月 28 日前后权重开放及 API/权重能力对比；二是 ZCode 和 Coding Plan 的服务稳定性，看吐槽是否消退；三是智谱能不能把"安全"讲成第三条商业化曲线——发布日股价先涨 9% 再跌 9% 收跌 3.6%，市场暂时还在观望。
一句话总结：GLM-5.3 用"同一个基座、只改后训练"挤进了第一梯队，这件事本身比分数更有意义；但它的分数大半是自拍，第三方坐标目前只有一个 AA 竞技场。值得试，别急着全换。
