大模型世界

GLM-5.3

智谱的全部模型 →国内文本模型综合智力第 35 名

偏贵、能读长文、会深思的开源模型

加入对比查看评测视频查看评测文章
聪明世界#35
编程很强自报
记性1M
便宜$4.2

记性换算成体感：一次能读完《哈利·波特》全七部

GLM 系列的文本模型 · 按发布时间

共 16 个 · 这里是相邻的 7 个 · 智谱的全部模型 →
  1. 2026.04GLM-5.1ECI 149.9
  2. 2026.06GLM-5.2ECI 152.1
  3. 2026.06GLM 5.2 Fast未参评
  4. 2026.08GLM-5.3ECI 156.2
  5. 2026.08GLM 5.3 Promo 50已退役
  6. 2026.09GLM 5.3 Fast未参评
  7. 2026.09GLM 5.3 Prime未参评

她的房间

编程能力：盖着布的桌子
电脑
没有公开的编程评测成绩
上下文窗口
书架
5 层 · 记忆 1M tokens
数学与科学推理成绩
黑板
数学与科学推理
知识截止日期
日历
知识截止日期未公开
上下文缓存
冰箱
支持上下文缓存，能存记忆
开源权重
敞开的门
开源权重，谁都能进

身世

发布日期
2026 年 8 月 14 日models.dev
知识截止
暂无数据
参数量
751.23B
开放权重
是
开源许可
暂无数据
上下文窗口
1M tokens
单次最大输出
131K
输入价格
$1.20 / 百万 tokens
输出价格
$4.18 / 百万 tokens
模型类型
文本只读文字、只写文字的对话模型
支持的输入
文字 → 文字
工具调用
是
深度思考
是
提示缓存
是

战绩

综合智力
156.2
AIME 数学
91.1%
GPQA Diamond 科学
90.9%
ARC-AGI-2 抽象推理
未参评
Fiction.liveBench 长文本
未参评

综合智力、数学、科学、抽象推理与长文本数据来自 Epoch AI（CC-BY 4.0）。写「未参赛」的项目表示该模型没有被这项评测收录， 不代表它做不到——本站不会用估算值填补空缺。

编程战绩（按赛制分列）

  • SWE-Marathon42.5%
    超长时程的软件工程任务，一道题要连续工作很久，考的是耐力与不跑偏。厂商自报
  • FrontierSWE78.1%
    面向前沿模型设计的高难度软件工程题，普通模型基本做不动，用来拉开顶尖选手之间的差距。厂商自报
  • DeepSWE69.0%
    SWE-bench Verified 的一个变体测法，用不同的 agent 脚手架跑同一批题。第三方实测
    https://deepswe.datacurve.ai/
  • Terminal-Bench88.2%
    把模型丢进一个真实终端里让它自己干完一件活——装环境、跑脚本、调错。考的是当「实习生」的本事，不只是写代码。厂商自报
  • CursorBench42.6%
    在真实 IDE 里做代码编辑的测试，题目来自 Cursor 收集的实际使用场景。第三方实测
    https://cursor.com/cursorbench
  • LiveBench 智能体编程60.9%
    LiveBench 的智能体编程分项：不是写一段代码，而是像开发者那样多轮改动一个项目。第三方实测
    https://livebench.ai/#/?release=2026-06-25
  • NL2Repo58.0%
    从一段自然语言需求直接生成一整个可运行的代码仓库。厂商自报
  • FrontierCode40.1%
    Cognition 出的高难度代码题集，面向前沿模型。第三方实测
    https://cognition.com/frontiercode
  • LiveBench 编程分项79.0%
    LiveBench 每月换新题以避免污染，这一列是它的编程分项均分。第三方实测
    https://livebench.ai/#/?release=2026-06-25
  • ALE-Bench1317
    AtCoder 启发式算法竞赛题，考的是给一个没有标准答案的优化问题找出尽量好的解。分数是 137–2177 的评分标度，不是百分比。和「修 bug」是两种能力。第三方实测
    https://epoch.ai/benchmarks
  • WebDev Arena1614 Elo
    让两个模型各写一个网页，由人来投票选哪个更好，按对战胜负算 Elo 分。考的是前端开发的实际观感，和「能不能修复一个后端 bug」不是一回事。第三方实测
    https://epoch.ai/benchmarks

这些分数不可互相比较。同一个模型换一套评测脚手架就能差二三十分： SWE-bench Verified 的中位数是 75.7，而难度更高的 SWE-Bench Pro 只有 41.0。 广场上的能力条因此显示的是「在同一把尺子下排第几」，而不是分数本身。

全部成绩（按榜单分列）

名次的分母是在同一个榜、由同一类测量方测过的模型数，不是全站模型数。不同榜的分数不可互相比较。

综合
数学
知识与推理
  • GPQA 科学90.9%第 37 / 215
    博士级别的物理、化学、生物选择题，题目设计到「谷歌也搜不到答案」。随机乱猜是 25 分。第三方实测
    https://epoch.ai/benchmarks
  • SimpleQA 事实问答41.0%第 54 / 109
    一问一答的冷门事实题，测的是「知不知道」和「会不会瞎编」。分数低的模型更容易一本正经地胡说。第三方实测
  • CritPt 物理19.1%第 32 / 192
    研究级别的物理问题，由在职物理学家出题。测的是能不能做前沿科研级的推理。第三方实测
  • WeirdML75.4%第 15 / 151
    一批刻意古怪的小型机器学习任务，模型要自己写代码训练并拿到成绩。考的是解决陌生问题的能力。第三方实测
    https://htihle.github.io/weirdml.html
智能体
  • 经营售货机$8,164第 15 / 101
    Vending-Bench：让模型经营一台虚拟售货机一整年——进货、定价、付租金。分数是最后账上的钱，考的是长期不犯糊涂。第三方实测
    https://andonlabs.com/evals/vending-bench
  • APEX 专业任务56.6%第 20 / 68
    投行、律所、咨询公司的真实工作任务，由业内专家出题与评分。第三方实测
游戏与谜题
其他

B 站上的 GLM-5.3 实测7 个视频

在 B 站搜「GLM-5.3 测评」↗

以上为 B 站搜索结果，按播放量排（站长的视频置顶），内容由各 UP 主提供，不代表本站观点。