精选深读Interconnects05:23
GLM-5.3：中国实验室如何跟上前沿步伐
GLM-5.3: How Chinese labs keep stride with the frontier
国产模型追前沿靠架构新，蒸馏故事被证伪，关键看算力与数据。
判断
追前沿不能只听蒸馏故事：后训练和强化学习可以压过更大的模型，但榜分能不能迁到真实任务还要单独看。
依据
GLM-5.3不是新的预训练，而是在GLM-5.2基座上只扩展了后训练，参数量约750B，仅为Kimi K3的三分之一，却在多项基准上超过后者，部分指标还超过Claude Fable 5或GPT-5.6-Sol。关键是强化学习：更多环境、更多任务、更多算力。这些环境、基础设施和算法很难直接蒸馏。中国实验室发布周期可以短到数天，公开基准有被反复贴着优化的风险。
没写清 材料没有这些榜分在未公开任务上的对照。
下一步 下一次公开基准更新时，看分数是继续贴着榜走，还是在没公开的任务上也能站住。