GLM-5.3真能对标Claude吗？
同一个基座，性能翻倍——后训练Scaling是什么神操作？GLM-5.3最让人意外的是：它和GLM-5.2用的是同一个基座模型，7430亿参数没变。所有提升都来自后训练。结果呢？Terminal-Bench 3.0从4.6飙到28.3，DeepSWE v1.1从46.2涨到66.9。相当于没换发动机，光靠调校就把百公里加速从10秒干到了4秒。这说明什么？说明大模型的潜力还远没挖完。以前大家觉得预训练堆参数才是正道，现在看后训练Scaling可能更划算。不用从头烧钱，把已有的基座炼到极致，也能出奇迹。GLM-5.3走通这条路，对开源社区是个好消息——意味着小团队也能在已有模型上做后训练优化，不用跟巨头拼算力。不换基座只靠后训练就能翻倍，那预训练的投入是不是被高估了？
发布于 北京
分享
评论
赞
未登录
友善发言
评论
加载中
