一个让美国同行有点尴尬的事实：Z.ai（智谱旗下）本周发布的 GLM-5.3，只用 750B 参数——不到 Kimi K3 的三分之一——就在多项 Agent 编程基准（即让 AI 自主写代码、调试、跑任务的测试）上追平甚至超过了 Claude Fable 5 和 GPT-5.6-Sol。

这是什么

GLM-5.3 这周先在 Z.ai 的编程套餐里上线，两周后会在 Hugging Face 开源权重（即可下载的模型参数文件）。官方博客开宗明义一句话：「Scaling post-training is all we did for GLM-5.3」——后训练的规模化，是我们为 GLM-5.3 做的唯一一件事。

所谓「后训练」（post-training），指的是模型预训练完成（即先用海量文本「喂」出基础语言能力）之后，再用大量高质量数据进行强化学习与微调。GLM-5.3 与上一版 GLM-5.2 用的是同一套底座模型，关键差异就是后训练阶段被大幅拉长。

对比之下，Moonshot 的 Kimi K3 被业内认为是「预训练杰作」——靠的是底座大、底子厚。Z.ai 走的是另一条路：底座不大，但后训练功夫深。这是工程取舍，不只是营销话术。

背景上，智谱前身是清华 THUDM 团队，2019 年成立，是国内最早做大模型的一批人之一，从 GLM、ChatGLM 一路迭代到今天。

行业怎么看

原作者 Nathan Lambert 的判断是：Z.ai 确实很会做自己的事，中国公司能持续跟上，不全是「蒸馏」（distillation，即用一个更强的模型去教小模型）撑场面。

但值得保留的，是另一种声音。业内一直有人怀疑：「这么小的模型真能打吗？」近期还有论文公开了从顶级模型中「抽取推理轨迹」（让 AI 把思考过程一步步写出来，供小模型学习）的简单方法——中国公司有没有用这种捷径，外界无从验证。

更深的反差在于：美国公司在算力、芯片、数据上的投入仍领先一个量级，能力上却没拉开差距。Lambert 自己也承认，最初他有点「不敢相信」。这件事的真实性，仍要等两三个月后社区大规模实测来定论。我们倾向于把它当成一个「高度可信、但仍需独立验证」的信号。

对普通人的影响

对企业 IT：Agent 编程现在多了一个新的开源候选，国内企业可以多一个比「全靠闭源大模型」更可控的选项，但落地还要看后续 API、合规和企业级支持是否跟上。

对个人职场：非程序员、产品经理、运营，开始可以用 GLM 类模型把「想法快速做成原型」这件事往前推，不必再完全依赖工程师排期。

对消费市场：普通消费者短期感受不到 GLM-5.3 的存在，但值得留意的信号是——中国 AI 公司的技术自信确实在上升。