GLM-5.3正式上线,写代码到底啥水平
GLM-5.3写代码到底啥水平。官方数据说Terminal-Bench 3.0从4.6涨到28.3。这个涨幅确实让人好奇，但28.3分放在真实终端环境里意味着什么，官方没说。DeepSWE从46.2%涨到66.9%。66.9%是什么水平。Claude Fable 5在这个测试上的表现没公开，但OpenAI的GPT-5.6 Sol是64.6%。GLM-5.3在DeepSWE上超过了GPT-5.6 Sol。一个开源模型，在一个重要的编程测试上超过了闭源旗舰。虽然只是一个测试，但这个信号确实值得注意。不过GLM-5.3也有它的短板。同样的任务，GLM-5.3每任务输出约75K Token，GLM-5.2需要约96K。Token用得更少了，但输出的代码质量能不能保持。用更少的Token写代码是好事，但如果为了省Token牺牲了代码的完整性和健壮性，那就不值了。写代码能力确实比上一代强了不少，但强了多少、强在哪，还得等开发者实测了才知道。跑分是一回事，真实工程是另一回事。下周开源，到时候见真章。
发布于 四川
分享
评论
赞
未登录
友善发言
评论
加载中
