中國 Z.AI 發布 GLM-5.3 自稱地表最強開源編碼模型，實測表現夠看嗎？

如果你最近在找一個能寫程式、又能省成本的 AI 模型，大概已經被各種「最強」「突破性」的發布訊息轟炸到麻木了。老實說，看到這種宣稱我本能地會懷疑——畢竟每年都有新模型出來，講得天花亂墜，實際用起來卻不是那麼回事。

但這次 Z.ai 推出的 GLM-5.3，有幾個資料真的有讓我停下來多看兩眼。到底這個「中國最強開源編碼模型」是真材實料，還是又一次行銷話術？往下看就知道。

GLM-5.3 到底是什麼來頭？

Z.ai 是北京一家被美國列入實體清單的 AI 實驗室，簡單講就是他們無法直接取得美國的先進技術。但這不妨礙他們持續推出自己的大語言模型，而且發展速度驚人。

GLM-5.3 是他們最新的編碼專用模型，引數量來到 7430 億。這個數字很可觀，但 Z.ai 這次的重點不在「引數多大」，而在「Token 用得少」。他們聲稱每個任務平均只消耗 75,000 個輸出 Token，而上一代的 GLM-5.2 要用掉 96,000 個。

翻成白話文的意思是：同樣寫一段程式碼，GLM-5.3 消耗的運算資源更少，但輸出結果反而更好。

實際表現：資料會說話

根據 Z.ai 自己公佈的內部基準測試：

• Z.ai Code Bench（Max 難度）：34.5% 正確率，用 75,000 Token
• 對比 GLM-5.2：23.4% 正確率，用 96,000 Token
• 對比 Claude Opus 4.8：Token 效率勝出，但整體表現仍落後
• 對比 Claude Fable 5：39.5%，依然沒有超越

不過在某些特定場景，GLM-5.3 確實打敗了同樣來自中國的 Kimi K3。也就是說，在「開源模型」這個圈子裡，它目前的確站得上風。

資安表現才是真正驚喜

老實講，編碼能力好一點、差一點，對大多數開發者來說可能有感，但不一定會改變工作流程。但 GLM-5.3 在資安方面的表現，應該會讓很多人願意認真考慮它。

在 CyberGym 資安基準測試中，GLM-5.3 拿到 84.5% 的高分，而且在漏洞挖掘任務中，表現是 GLM-5.2 的兩倍以上。他們宣稱用這個模型掃描了 269 個開源專案，一口氣找出 2,436 個漏洞，其中 1,097 個屬於中高度風險。

這個數字很可觀。對於需要經常維護開源專案、或是在企業內部做程式碼審計的工程師來說，這種等級的資安掃描能力是有實際價值的。

價格才是最大的殺傷力

說了這麼多技術規格，最現實的問題還是：多少錢？

Z.ai 的 GLM Coding Plan 採用點數配額制，非尖峰時段呼叫費用減半。根據官方公佈的費率，GLM-5.2 的價格是每百萬 Token 輸入 1.40 美元、輸出 4.40 美元。

這個價格大概是美國前沿模型的十分之一。對比一下：GPT-5.3 Codex 是 1.75 / 14 美元，Claude Opus 4.8 更貴。翻成白話，翻譯 or 生成同樣長度的程式碼，用 GLM 便宜將近十倍。

難怪他們敢說「open-weights 模型已經在 OpenRouter 上打敗美國對手」。不是因為效能全面超越，而是「CP 值」這個維度上，確實沒有對手。

誰適合現在就試試 GLM-5.3？

如果你是以下幾種開發者，這個模型值得你現在就開通來玩：

• 需要大量 API 呼叫、對成本敏感的獨立開發者或小型團隊
• 正在維護開源專案，需要自動化漏洞掃描的工具
• 對「開源」有偏好，想要自己部署、Fine-tune 的工程師
• 想在終端環境做自動化指令操作的 DevOps 工程師

但如果你的工作需要最高強度的程式碼生成、或者你需要極度穩定的輸出品質，那麼 Claude Fable 5 或 GPT-5.6 Sol 仍然是目前的主流選擇。GLM-5.3 適合當作「省成本的主力」搭配使用。

FAQ 常見問題

GLM-5.3 跟 GLM-5.2 差在哪裡？

最大的差異在 Token 效率。GLM-5.3 用更少的輸出 Token 達到更高的正確率，編碼能力提升約 47%（從 23.4% 到 34.5%），同時消耗的資源更少。

GLM-5.3 適合做什麼用途？

它最適合需要大量程式碼生成、但預算有限的開發場景。另外它的資安掃描能力很強，很適合拿來做漏洞檢測和程式碼審計。

開源權重（Open Weights）什麼時候可以下載？

根據 Z.ai 的公告，預計大約兩週後會公開釋出。目前已經可以透過 GLM Coding Plan 和 ZCode 訂閱服務使用，API 也在陸續開放中。

跟 Kimi K3 哪個比較強？

在 Z.ai 官方的基準測試中，GLM-5.3 在大多數編碼相關的專案擊敗了 Kimi K3。兩個都是中國推出的開源模型，但 GLM-5.3 在 Token 效率和資安表現上更有優勢。

整體來說，GLM-5.3 不是那種「全方位碾壓」的怪物，但它在「用更少資源做更多事」這個命題上，確實拿出了真本事。如果你最近在評估 AI 程式碼工具，別忘了把這個「省錢怪物」列入清單裡實際測試看看。