智谱新旗舰模型GLM-5.3已通过硅基流动提供Serverless API，模型ID为zai-org/GLM-5.3，支持工具调用、流式输出和结构化输出。
AI解读：Z.ai将GLM-5.3定位为面向复杂软件工程和长周期智能体任务的新旗舰模型，它基于GLM-5.2的底座，但通过更大规模的post-training提升了编码、工具调用和多步骤执行能力。硅基流动此次上线意味着开发者能以Serverless方式直接调用，无需自建推理基础设施，并可按任务复杂度选择low、high、max三档推理强度。对于经常需要分析大代码库或运行长时间自动化任务的团队，1M token的上下文窗口和128K token的输出上限降低了拆分请求的成本，但每百万token 1.4美元的输入价格（缓存输入0.26美元）意味着长上下文的费用仍不可忽视。普通用户无需立即采取行动，但若你正构建编码智能体或处理跨文件任务，可在硅基流动Playground中实测GLM-5.3，根据官方在DeepSWE v1.1等基准上相比GLM-5.2的提升（如66.9%对46.2%）判断是否符合需求。
硅基流动宣布GLM-5.3全面上线其平台。该模型来自Z.ai，是面向复杂软件工程和长周期智能体任务的旗舰模型，基于GLM-5.2的同款底座模型，通过更大规模的训练后阶段（post-training）提升编码、工具使用、环境交互和多步骤任务执行能力。
开发者可使用模型ID zai-org/GLM-5.3调用该模型，上下文窗口最高1M tokens，最大输出128K tokens（依Z.ai官方文档），并支持工具调用、流式输出、流式工具调用参数、结构化输出和上下文缓存。
能力和定价
硅基流动当前Model Library列出zai-org/GLM-5.3在线推理价格：缓存输入每百万tokens 0.26美元，输入每百万tokens 1.40美元，输出每百万tokens 4.40美元。上下文缓存可降低重复输入成本。
该模型支持low、high、max三档推理强度（reasoning effort），默认max，适合复杂编码和长周期智能体任务。用户可通过硅基流动的Playground试用，并使用OpenAI兼容API集成。
- 架构：744B MoE（但文章未给出总参数或激活参数）
- 输入/输出模态：均为文本
- 推理模式：始终开启，不可禁用，但可选择推理强度
官方基准测试表现
Z.ai官方评测显示GLM-5.3在多项基准上较GLM-5.2提升：Terminal-Bench 2.1从81.0升至88.2，Terminal-Bench 3.0从4.6升至28.3，DeepSWE v1.1从46.2升至66.9，NL2Repo从48.9升至58.0，Toolathlon Verified从59.9升至73.0，AutomationBench v1.0.6从26.2升至48.2，Agents' Last Exam CLI从23.8升至28.5，HLE with Tools从54.7升至62.5。
Z.ai私有Z.ai Code Bench上，GLM-5.3 Max达到34.5%，较GLM-5.2的23.4%提升约50%。同一评测中，GLM-5.3 Max每任务输出约75K tokens，低于GLM-5.2的约96K。
用于验证能力的浏览器游戏
硅基流动文章介绍了一个名为SHATTERLINE的浏览器游戏，作为GLM-5.3能力的演示。
- 游戏为一款第一人称3D无限走廊闯关游戏，玩家需躲避玻璃障碍物并发射弹珠。
- 硅基流动声称“我们用GLM-5.3构建了SHATTERLINE”，提供了详细的产品规格，模型生成了可运行的第一版，团队随后迭代游戏手感、视觉效果和交互细节。
- 游戏包含鼠标、触摸和键盘控制，弹珠发射系统（marble-launching），可破坏的玻璃障碍，碰撞检测和游戏结束逻辑，发光的晶体（补充弹珠），弹药和生存资源循环，开始界面、玩法说明和状态反馈，玻璃碎裂效果、光照和环境氛围，音效。
- 文章称此实验展示GLM-5.3如何将自然语言产品规格转化为交互式系统，并在多轮迭代中保持上下文一致性。