GLM（智谱）：开源传统 + 编码智能体
国内最早把对话模型开源出来的一批人。到了 GLM-5.x，他们几乎把全部重心放在一件事上：让模型真能写完一个软件工程任务。
| 厂商 | 智谱（Zhipu AI），源自清华知识工程实验室（KEG）技术成果转化，2019 年成立 |
| 当前旗舰 | glm-5.3、glm-5.3-prime、GLM-5.3-Flash（1M 上下文） |
| 历史谱系 | ChatGLM-6B → GLM-4 → GLM-4.5 → GLM-4.6 / 4.7 → GLM-5 → GLM-5.3 |
| 开放权重 | GLM-4.5 起连续开放；GLM-5 系列在 zai-org/GLM-5 提供权重与说明 |
| 标签 | 中文开源先行者编码智能体混合注意力多模态 GLM-V |
一、一条很有意思的开源长跑
2023 年 3 月，ChatGLM-6B 开源，让大量开发者在消费级显卡上第一次跑起了中文对话模型，也养出了国内最早的一批微调社区。之后的 GLM-4 时代，智谱用「Flash 版本免费」直接把国内 API 价格打下来，引发了一轮价格战。
到了 GLM-4.5 以后，策略变成「旗舰与开源同步推进」：闭源旗舰对外服务，开源版本给社区拿去部署和微调。GLM-5 系列把这条线继续推到前沿，官方用「From Vibe Coding to Agentic Engineering」来描述这一代的目标。
二、GLM-5.3 官方说明了什么
官方模型卡里有几个信息点值得单独拎出来：
- 底座没换，提升全部来自后训练。GLM-5.3 与 GLM-5.2 共用同一底座，这一点非常坦率，也说明后训练与强化学习已经是能力增长的主要来源。
- 编码能力是主战场。官方称在自研的 Z.ai Code Bench 上比 GLM-5.2 提升约 50%，并在 Terminal Bench 3.0 等公开终端任务基准上取得开源 SOTA。
- 「涌现」出的网络安全能力。随着后训练规模扩大，模型在漏洞发现与利用链上的能力超出预期，在 CyberGym 类基准上达到领先水平。这既是能力，也是安全话题。
- GLM-5.3-Flash 换了新底座。官方称首次在 GLM 系列引入稀疏与线性注意力混合架构，显著降低长上下文的服务成本。
第 4 点最值得关注：它意味着 1M 上下文的「日常可用成本」正在快速下降，而这正是长程智能体的前提条件。
三、家族与生态
| 方向 | 代表 | 说明 |
|---|---|---|
| 旗舰文本 | glm-5.3、glm-5.3-prime、glm-5.2 | 1M 上下文，最大输出 131K |
| 高速版 | GLM-5.3-Flash、glm-5.2-fast-preview | 面向延迟与长上下文成本优化 |
| 多模态 | GLM-4.6V / 4.5V / 4.1V-Thinking（zai-org/GLM-V） | 多模态推理，可用强化学习扩展 |
| 编码工具 | ZCode（编码智能体）、CodeGeeX 系历史项目 | 把模型能力包成可落地的开发工具 |
| 生成式内容 | CogVideoX、SCAIL-2（角色动画） | 视频与可控角色动画方向的开源项目 |
价格锚点（百炼刊例价，2026-09，元/百万 tokens）：glm-5.3 输入 8 / 输出 28 / 缓存命中 2。在旗舰档里属于偏便宜的一档，配合 1M 上下文，很适合当长任务的「主力牛马」。
四、适合与不适合
适合：编码智能体与终端自动化任务；需要开源权重做私有化或二次训练的团队；中文场景的通用对话（GLM 系列的中文表达一直比较自然）。
要注意：GLM-5.3 的能力叙事高度集中在编码与终端任务上，如果你的场景是创意写作、情感陪伴这类主观任务，建议和 Qwen、Kimi 等一起实测对比。另外「涌现的网络安全能力」也提醒我们：开放权重的前沿模型一旦被滥用，风险面会同步放大，企业内部应做好使用边界与审计。
本页整理于 2026-09，主要依据智谱官方模型卡（zai-org/GLM-5 仓库 README 与 GLM-V 说明）、ZCode 相关开源项目与阿里云百炼模型目录。