GLM-5.3：中国实验室如何跟上前沿

判断

评估开源权重替代方案的工程团队，可以把 GLM-5.3 放进与闭源前沿模型同批试用的候选名单。但预算表要从「参数规模」改成「后训练算力消耗」来算。

依据

Nathan Lambert 在 Interconnects 里引了 Z.ai 博客的开头一句：「Scaling post-training is all we did for GLM-5.3」，即基座模型与 GLM-5.2 完全相同，只把后训练（post-training，预训练之后做对齐与强化学习的阶段）大幅拉长。他给的机制是：RL（reinforcement learning，强化学习）环境、任务和算力没法像蒸馏（distillation，从更强模型里提取输出与推理轨迹）那样被顺手拿走。可对照的数字是 GLM-5.3 约 750B 参数、只有 Kimi K3 的三分之一，却在多个 agentic coding（智能体编程）基准上超过 Kimi K3，部分超过 Claude Fable 5 或 GPT-5.6-Sol。Z.ai 这条线从 2019 年建队、2021 年 3 月放出 GLM 起就没断过，Lambert 因此不把蒸馏当成主因。