Gemini新Flash半价实测
GLM-5.3这次把后训练抬成了主角摘要GLM-5.3 当然还是一条模型发布新闻，但把它简单写成“国内又来一个更强开源模型”会偏掉重点。官方文档最醒目的表述落在两点：与 GLM-5.2 使用同一底座，全部提升来自后训练；同时把 50% 的编码表现提升、CyberGym 84.5%、ExploitBench 从 24.4% 升到 54.4% 这些数字直接摆到了首页。所以这篇更适合走「产品发布拆解」。它的核心不在今天谁又上榜，而在 Z.ai 正在把后训练、真实工程任务和安全能力一起包装成新的产品叙事：不换底座，也能把编码和 Agent 天花板往上拱。开头很多模型发布会默认给读者一个旧预期：换新底座、拉高参数、再把 benchmark 列成一面墙。GLM-5.3 这次有意思的地方，是它几乎反着来。官方第一页就强调它和 GLM-5.2 用的是同一底座，提升来自后训练，而且愿意把“真实工程工作流”“安全任务”“额度系数”这些通常藏在产品说明里的细节一起放到台前。这意味着讨论点变了。它不仅在说“我们也能做更强编码模型”，还在试图说服开发者相信：后训练本身已经可以成为产品差异化的主引擎，而且这个引擎会直接影响你能不能把模型塞进长链路工程任务里。正文训练机制让这次提升更有解释力如果一个模型换了架构、换了数据配方、换了底座，能力涨了当然不奇怪。GLM-5.3 的特殊之处在于，官方公开写明它与 GLM-5.2 共用同一底座，提升全部来自后训练。这样一来，数字不再只是“新模型更强”，而更像是在回答另一个问题：后训练到底能把一条工程模型线拉多高。公开成绩官方文档把几组代表性指标直接列在了首页，这些数字足够说明它的提升不是边角修饰。指标 GLM-5.2 GLM-5.3 变化Terminal-Bench 3.0 4.6 28.3 +23.7DeepSWE v1.1 46.2 66.9 +20.7Agents’ Last Exam 23.8 28.5 +4.7ExploitBench 24.4% 54.4% +30.0pct从这些数字看，GLM-5.3 想证明的是：后训练足以把模型从“会写代码”推到“能长期推进工程任务”的区间。
发布于 天津
分享
评论
赞
未登录
友善发言
评论
加载中
