GLM-5.3：智谱新一代开源旗舰模型（1M 上下文）API 集成与路由指南

GLM-5.3 是智谱迄今最强的开源编程模型，在 GLM-5.2 同一基座上通过扩展后训练实现了大幅提升。本指南覆盖 API 调用、DashScope 集成、推理力度设置、定价、基准测试背景，以及如何将 GLM-5.3 纳入多模型路由方案。

2026-08-19· TheRouter

GLM-5.3 是智谱 AI 在 2026 年 8 月 14 日发布的最新开源旗舰模型。它和 GLM-5.2 共享同一个基座，所有能力提升全部来自后训练阶段的扩展，涵盖更多样的执行环境、更长周期的工程任务和更大规模的强化学习计算。Z.ai 称 GLM-5.3 是目前最强的开源权重编程模型，尤其在长周期智能体任务和网络安全漏洞发现方面进步显著。

对于 API 开发者，GLM-5.3 目前可以通过 Z.ai 直连 API 和 GLM Coding Plan 使用，也于 8 月 18 日上架阿里云百炼 DashScope，模型 ID 为 ZHIPU/GLM-5.3。开源权重预计在发布后约两周公开，目前仍在安全评估阶段。

提示 GLM-5.3 尚未加入 TheRouter 的模型目录。路由通道上线后可通过 TheRouter 统一 API 调用。当前可直接使用 Z.ai 或 DashScope 端点。智谱 Provider 页面会显示最新可用路由。

从 GLM-5.2 到 GLM-5.3 变了什么

架构和基座模型没有变化。Z.ai 延续了为 GLM-5.2 搭建的后训练体系，新增了一批模拟真实多日工程工作的任务，包括诊断训练链路性能瓶颈、查阅代码库和内部文档、运行实验、实现优化方案并证明端到端加速，同时不破坏正确性。

后训练系统使用 SAO 强化学习方法和开源 slime 训练框架，配合可执行的任务环境。研究型智能体负责生成任务，裁判型智能体验证任务可解性，验证器则检查 oracle、no-op 和未解决状态。

Z.ai 报告的主要提升（厂商自测结果，尚无独立复现）见下表。

基准测试	GLM-5.2	GLM-5.3	变化
Terminal-Bench 3.0	4.6	28.3	相对 +515%
DeepSWE v1.1	46.2	66.9	相对 +45%
SWE-Marathon v1.1	19.4	42.5	相对 +119%
AutomationBench	26.2	48.2	相对 +84%
CyberGym	77.2%	84.5%	相对 +9.4%
Z.ai Code Bench (Max)	23.4%	34.5%	相对 +47%

长周期基准上的提升幅度最为明显。不过 Z.ai 自己的对比表也显示，GPT-5.6 Sol 在 Terminal-Bench 3.0 上得分 34.6、Claude Fable 5 得分 33.7，均高于 GLM-5.3 的 28.3。DeepSWE v1.1 上 GLM-5.3 的 66.9 同样低于 GPT-5.6 Sol 的 72.7 和 Fable 5 的 69.7。

效率方面同样值得关注。在 Z.ai Code Bench（Max 力度）上，GLM-5.3 每个任务平均输出约 75,000 token，比 GLM-5.2 的 96,000 减少了 22%，同时任务完成率提升 47%。

API 集成方式一：Z.ai 直连

GLM-5.3 使用 OpenAI 兼容的 chat completions 接口。安装 OpenAI SDK 后指向 Z.ai 端点即可。

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_ZAI_KEY",
    base_url="https://api.z.ai/v1",
)

response = client.chat.completions.create(
    model="glm-5.3",
    messages=[{"role": "user", "content": "请解释 SAO 强化学习方法的工作原理。"}],
)

print(response.choices[0].message.content)

推理力度设置

GLM-5.3 支持三种推理力度，分别是 low、high 和 max。默认值是 max，Z.ai 建议编程任务使用 max。

response = client.chat.completions.create(
    model="glm-5.3",
    messages=[{"role": "user", "content": "重构这个模块以提升可测试性。"}],
    extra_body={"reasoning_effort": "high"},
)

延迟和 token 成本敏感的场景用 low；复杂的仓库级任务用 max。

破坏性变更：不能禁用思考

与 GLM-5.2 不同，GLM-5.3 不支持 thinking.type: "disabled" 参数。发送该参数会导致请求直接失败。如果你的应用目前在调用 GLM 时禁用了思考模式，必须改为 thinking.type: "enabled" 并指定 reasoning_effort，然后再切换模型 ID。

对部分应用而言，这意味着 GLM-5.3 是一次真正的迁移，不是简单的模型 ID 替换。

API 集成方式二：DashScope

GLM-5.3 自 8 月 18 日起上架阿里云百炼平台，模型 ID 为 ZHIPU/GLM-5.3。DashScope 同样提供 OpenAI 兼容接口。

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_DASHSCOPE_KEY",
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)

response = client.chat.completions.create(
    model="ZHIPU/GLM-5.3",
    messages=[{"role": "user", "content": "分析这个代码库的安全漏洞。"}],
)

百炼页面描述 GLM-5.3 为智谱"原厂直供"，支持文本生成和深度思考，原生 1M 超长上下文。

DashScope 与 Z.ai 对比

维度	Z.ai 直连	DashScope
模型 ID	`glm-5.3`	`ZHIPU/GLM-5.3`
端点	`https://api.z.ai/v1`	`https://dashscope.aliyuncs.com/compatible-mode/v1`
结算	Z.ai 账户（美元）	阿里云账户（人民币）
上下文缓存	GLM Coding Plan 1M 路由	百炼显式/隐式缓存
其他模型	仅 GLM 系列	200+ 多厂商模型
地域	面向国际	中国大陆 + 国际区域

已经在百炼平台上的团队不需要开通新账号就能使用 GLM-5.3。国际开发者使用 Z.ai 直连路径可以省去注册阿里云的步骤。

定价

截至本文撰写时，Z.ai 尚未单独公布 GLM-5.3 的 API 定价，定价页面仍以 GLM-5.2 为止。

Z.ai API（GLM-5.2 参考价） 输入 $1.40/百万 token，输出 $4.40/百万 token，缓存命中 $0.26。

GLM Coding Plan 提供 Lite $18/月、Pro $80/月、Max $168/月三档，所有层级均可使用 GLM-5.3。

DashScope 定价（GLM-5.3） 第三方聚合数据显示，ZHIPU/GLM-5.3 在百炼平台输入约 ¥8/百万 token，输出约 ¥28/百万 token。与 GLM-5.2 的 Z.ai 价格相比有所上升，反映了模型能力的提升。

主流模型对比见下表。

模型	输入（每百万 token）	输出（每百万 token）
GLM-5.2（Z.ai）	$1.40	$4.40
GLM-5.3（DashScope，估算）	~$1.10（¥8）	~$3.85（¥28）
DeepSeek V4-Pro	$1.00（谷时）/ $2.00（峰时）	$4.00（谷时）/ $8.00（峰时）
Claude Opus 4.8	$15.00	$75.00
Qwen3.8-Max	~$1.65（¥12）	~$4.95（¥36）

GLM-5.3 通过 DashScope 的价格处于国产旗舰模型的中间区间，在编程智能体工作负载上远低于西方旗舰模型。

网络安全能力

GLM-5.3 最有辨识度的特性是网络安全能力。Z.ai 表示，在后训练扩展过程中，模型的网络安全能力增长速度超出预期，已经能够跨多个阶段推理，形成完整的漏洞利用链方案。

Z.ai 报告称与中国的安全团队合作，在 269 个项目中发现了 2,436 个漏洞，其中 1,097 个被评为高危或严重级别。公开的漏洞披露记录可在 cvd.z.ai 查看。

在 CyberGym（漏洞发现和验证）上，GLM-5.3 得分 84.5%，略高于 GPT-5.6 Sol 的 83.6%。ExploitBench 上得分 54.4%，是 GLM-5.2（24.4%）的两倍多，但仍低于 GPT-5.6 Sol 的 76.5%。

对路由编程智能体负载的运维人员来说，GLM-5.3 可以在代码审查流水线中承担漏洞扫描角色，成本敏感的场景下尤为合适。

将 GLM-5.3 纳入多模型路由

OpenAI 兼容指供应商提供一个 chat-completions 接口，其请求与响应结构与 OpenAI API 契约足够接近——只需替换三个值（API key、base URL、模型名），原来的 OpenAI SDK 调用即可直接工作。最小实践面是POST /v1/chat/completions 带 messages、model，并返回 OpenAI 形式的流式响应。

GLM-5.3 很适合作为高性价比的编程智能体底座加入多模型路由方案，长周期任务表现强劲。以下是路由决策时的参考。

适合使用 GLM-5.3 的场景

长周期编程任务，受益于更低的 token 消耗
安全导向的代码审查和漏洞扫描
预算敏感的编程智能体部署，$1-4/MTok 远低于 $15-75/MTok
已在 DashScope 上运行的基础设施，无需引入新的 Provider

建议路由到其他模型的场景

需要最深度的漏洞利用链推理（GPT-5.6 Sol 在 ExploitBench 上领先）
发布时需要视觉输入（GLM-5.3 当前仅支持文本）
对基准测试结果有独立验证的硬性要求
需要立即使用开源权重做本地部署（权重待发布）

一条适用于编程智能体的回退链路供参考。

主模型：GLM-5.3（性价比高，DeepSWE/Terminal-Bench 表现强）
回退 1：DeepSeek V4-Pro（价格区间相近，基准覆盖更广）
回退 2：Claude Opus 4.8（可靠性最高，成本也最高）

TheRouter 支持 Provider 级别的回退路由。GLM-5.3 加入模型目录后，可通过标准的路由配置将其设为主模型或回退模型。

从 GLM-5.2 迁移

如果你已经在通过 Z.ai API 调用 GLM-5.2，迁移步骤如下。

把模型 ID 从 glm-5.2 改为 glm-5.3。
移除所有 thinking.type: "disabled" 参数。GLM-5.3 必须开启思考模式，设置 thinking.type: "enabled" 并指定 reasoning_effort。
先用 high 力度测试，对比延迟和成本，再决定是否切换到 max。
观察 token 用量变化。GLM-5.3 在等效任务上应该消耗更少的输出 token。

如果你在 DashScope 上调用的是 ZHIPU/GLM-5.2，将模型 ID 更新为 ZHIPU/GLM-5.3，并做同样的思考参数调整。

开源权重状态

Z.ai 承诺在 8 月 14 日发布后约两周释放 GLM-5.3 权重，前提是安全评估和加固完成。截至本文撰写时，尚无检查点、模型卡或许可协议公开发布。

GLM-5.2 使用 MIT 许可协议，但这并不自动适用于 GLM-5.3。在权重、许可和部署方案公开之前，不要规划本地部署或自托管路由。

权重发布后，GLM-5.3 可能通过 SiliconFlow 等托管开源模型的 Provider 上线，进一步扩展路由选项。

编程智能体兼容性

GLM-5.3 兼容主流编程智能体框架。

ZCode 是 Z.ai 自研的智能体开发环境，完整支持
Claude Code 使用 glm-5.3[1m] 后缀，配合 1,000,000 token 的压缩窗口
OpenCode 通过 OpenAI 兼容端点配置即可使用

1M 上下文窗口加上更低的单任务 token 消耗，让 GLM-5.3 特别适合在大型代码库上运行编程智能体，上下文管理往往是这类场景中最大的成本来源。

总结

GLM-5.3 在 GLM-5.2 基础上实现了显著的后训练升级，证明了在多样化环境中扩展强化学习可以在不重新预训练的情况下带来实质性的能力提升。对 API 运维人员而言，它提供了一个高性价比的编程智能体模型，长周期表现优秀，当前可通过 Z.ai 和 DashScope 使用。

该模型尚未进入 TheRouter 的路由目录，请关注智谱 Provider 页面和 GLM-5.2 模型页面获取 GLM-5.3 路由上线的最新消息。

相关链接

本文涉及的模型

GLM-5.2zai/glm-5.2