暑期这波国产大模型混战，总算打完了。8月中旬开始，Kimi、智谱、通义、DeepSeek轮番发新版，记分牌上最后一块拼图这周才补上：8月18日第三方评测机构Artificial Analysis（下称AA）把GLM-5.3收进榜单，8月20日第三方编程榜单DeepSWE也更新了统一复测数据。知乎DeepSeek则顺手调了价——8月23日起，API周末不再区分峰谷，全天按低谷价计费。微博
分数齐了，价格定了。对用智谱清言的人来说，这是个整理自己AI工具箱的好时机。但先别急着下结论，三套分数是三把不同的尺子，社区口径也没打架完毕，我帮你捋一遍。
一、三套分数，三把尺子
先看官方口径。智谱自己披露：GLM-5.3的基座模型和5.2完全一样，提升全部来自后训练强化学习。微博最扎眼的三组数字：DeepSWE从46.2涨到66.9，Terminal-Bench 3.0从4.6冲到28.3，Agents’ Last Exam（CLI）从23.8提到28.5。知乎涨幅大到有AI博主直接在微博上问「分数是怎么翻6倍的」——Terminal-Bench里的任务是实打实的难，所以大家更想看第三方复测。微博
官方还提了一项涌现能力：网络安全。官方口径是，在代码审查、漏洞发现这类防御场景中，5.3开始展现出潜力，并随发布放出了安全基准对比图。微博
第三方复测基本坐实了这次提升。AA当前版本v4.1.1的Intelligence Index（8月22日截图的14模型对比）：Claude Opus 5以63分居首，GPT-5.6 Sol和Grok 4.6都是61分，Kimi K3和GLM-5.3同积60分——K3排第4，GLM-5.3排第5，再往下是58分的Qwen3.8和53分的DeepSeek V4 Pro。知乎国产模型里，是「唯二挤进第一阵营」的格局。
AA还有一个单独的Agentic Index，专测工具调用、规划和长程任务执行，更接近我们说的「干活」。这个榜上GLM-5.3拿59分，与Opus 5、Grok 4.6并列前三，领先Kimi K3（54分）和DeepSeek V4 Pro（50分）一个身位。知乎
DeepSWE（Datacurve）则完全不看自报分，所有模型在mini-swe-agent统一环境里跑：113个任务、91个仓库、5种语言。第一梯队是74%–69%：Claude Opus 5、GPT-5.6 Sol、Fable 5、GLM-5.3、Kimi K3。GLM-5.3以69%±3%和K3（69%±5%）同档，而上一代GLM-5.2在同一口径下只有44%——提升方向和官方口径一致。知乎
这里要提醒三件事，不然容易被标题带偏：
三套数字（官方66.9、AA 60、DeepSWE 69%）来自不同基准、不同评分体系，互相之间不能比大小；
AA分数绑定版本，v4.1.1更新后分数会变，别把今天的截图当永久结论；
最实在的数字是成本：DeepSWE单任务平均成本，GLM-5.3约28元，是第一梯队五款里最低的；Kimi K3约33元，其余三款都在56元以上。
二、社区口碑吵什么、认什么
分数是一回事，上手是另一回事。翻了一圈最近一周的讨论，两个共识比较清楚：
第一，「干活」是真变强了。改代码、跑文档、多步骤长任务这类场景，是第三方榜单和实测评价方向最一致的地方。AA的Agentic Index上5.3拿59分、排第2，就是这份共识的量化注脚。
第二，短板也一样清楚。一个是世界知识：知乎上高赞回答说得挺直白，这个模型「干活很强，但需要世界知识时会弱」，好消息是瞎编概率比Opus 5低（Opus知识题分数高，但有「敢答题」的嫌疑）。知乎另一个是慢：有实测用户吐槽5.3的思考时间明显长，「很慢，但效果顶级」，习惯秒问秒答的人会有点难受。知乎
争议最大的是「追平Kimi K3」这个说法。有人觉得K3已经发布超过一个月、打磨更久，「含金量更高」。微博我的判断是：两者综合同档，但GLM-5.3在Agentic榜上领先一个身位，K3在通用对话的稳定性上口碑更成熟，没必要争单一胜负。
还有一个容易忽略的背景：DeepSeek V4 Pro这次口碑平平（AA只有53分）。DeepSeek还在8月17日宣布涨价，高峰时段输出价涨到27元/百万token。微博8月23日又调整为周末全天低谷价。微博对普通用户来说，「随便抓一个国产头部模型又便宜又好」的窗口期在慢慢收窄，按场景挑比按价格挑更靠谱。
三、三种人，三种做法
如果你主力是干活——写长文、做报告、写代码、处理文档，那GLM-5.3值得当主力：Agentic榜第2，第一梯队里成本最低（在DeepSWE的成绩-单任务平均成本散点图上，5.3落在第一梯队分数带，成本明显低于同档的K3）。知乎开发者不用等，GLM Coding Plan已经全量跑5.3，API也早在8月19日开放、定价和5.2持平。
如果你用AI主要是查资料、问事实、整理背景——留一个备胎。世界知识不是5.3的强项，更合理的分工是：别的工具负责「找料」，GLM负责「把料做成成品」。
如果你在观望、等开源——官方计划8月28日放出完整权重，放出前要先做完安全评估和模型加固，截至8月23日还没放。知乎私有化部署可以等权重落地和第三方复测再评估，日常使用用现有的免费、低价渠道先上手就够了。App端更不用等：智谱清言已经上线5.3，社区里已经有人晒出App内「GLM-5.3 正式上线清言」的卡片截图。
最后留三个继续观察的信号。一是AA榜单版本更新后排名会不会变。二是GLM-5.5什么时候端上来——有测评人直言，「真要看综合实力，还得看5.5」。知乎三是生态侧的接入动向：荣耀笔记本和平板上的YOYO Claw已经接了5.3。微博
记分牌上谁第一，其实没那么重要。重要的是这轮大战打完，你清楚自己的哪件活，该交给哪个工具。
