基座没动，分数从 4.6 跳到 28.3——这是 6 倍的进步，发生在一行"base model unchanged"的脚注里。
Z.ai 8-14 发布 GLM-5.3，原帖把"同 base model as GLM-5.2"这个反常识讲到了。但我核到 Z.ai 官方博客 + Cloudflare 8-28 上架说明 + TheRouter 8-15 API 集成指南，还有几条关键事原帖没展开。
先把基座参数说清楚——743B 参数 MoE，40B 激活（Chas Pravdy 8-14 译稿确认）。这意味着 Z.ai 在 5.2 → 5.3 之间没增加一个参数，所有 6 倍跳跃都来自后训练。这件事的工程意义——它证伪了"scale 是进步唯一驱动"这个在过去三年被反复暗示的假设。
GLM-5.3 跳跃的三块基石原帖说到了：IndexShare（长上下文）、SAO（长程 RL 算法）、slime（异步大规模训练框架）。但漏了关键的工程链路：
- IndexShare 让 100 万 token 上下文会话前文不再被剪掉——这是后训练能跑长程任务的底层铁路。没有它，长程任务训练只能练"短问答"。
- SAO 是稳定 50-100 步强化学习梯度的算法——意味着后训练可以让模型学会"多步推演 + 失败恢复"这种长程技能，而不是"单步问答"。
- slime 是异步训练框架——几千个 task environment 并行起来跑，避免 GPU 排队空转。Z.ai 已经把它开源了——这一步比模型本身更重要，意味着其他研究者可以基于 slime 搭自己的后训练。
原帖给了 GLM-5.3 的关键 benchmark 跳跃：Terminal Bench 3.0 4.6 → 28.3（+515%）、DeepSWE v1.1 46.2 → 66.9（+45%）、SWE-Marathon v1.1 19.4 → 42.5（+119%，乘以 2.19）。但漏了 Cloudflare Workers AI 上的硬数据：价格与 GLM-5.2 完全相同——$1.40/M 输入、$0.26/M 缓存、$4.40/M 输出。
这件事的产业意义比数字本身更重要——6 倍跳跃同价。在 LLM 历史上，性能/价格曲线 通常每代要么靠模型升级（贵）要么靠量化（缩水）。GLM-5.3 给出第三条路——后训练 + 同 base + 同价格。这条路的可复制性比模型本身还值钱。
但原帖漏了两个让这张表更硬的数据：
其一，Z.ai Code Bench Max 模式输出 token 数 -22%。Z.ai 自家 benchmark 上 GLM-5.3 用 ~75,000 token 完成 GLM-5.2 用 96,000 token 的任务——任务完成率提升 47%（23.4% → 34.5%）的同时输出 token 减少 22%。这件事的工程含义——后训练不仅提升能力，还提升了 token 效率。原因可能来自 SAO 的奖励塑形把"啰嗦但正确"压成了"简短且正确"。
其二，ExploitGym 与 CyberGym 上"涌现的网络安全能力"。Z.ai 博客原话——"cyber capability developed faster than we expected"——这是 Z.ai 自己都没预料到的 emergent behavior。ExploitGym 2h/6h 数据：5.2 = 29/39，5.3 = 105/130（3×），但比起 Fable 5 的 181/247 还有差距。
这条数据是 Z.ai 自己强调的"惊喜"——当 RL 后训练扩到足够规模，模型开始具备训练目标里没有的能力。这件事是 OpenAI o1 时代以来"emergent"叙事的又一次实证——scaling law 的载体从预训练位移到了后训练。
我得诚实说一句——原帖说 GLM-5.3 是"开源 SOTA"——这只在 Terminal Bench 3.0 和 Agents' Last Exam 上成立。原帖自己的对比表里：
- DeepSWE v1.1: 5.3 = 66.9，Fable 5 = 69.7、GPT-5.6 Sol = 72.7（5.3 落后）
- FrontierSWE: 5.3 = 78.1，Fable 5 = 88.2（5.3 落后 10 分）
- SWE-Marathon v1.1: 5.3 = 42.5 = Fable 5 = 42.5（打平）
把 GLM-5.3 和 8-29 上线的 RedEvoAgent、8-28 上线的 Gemini CVD、8-27 上线的 Visual Retrieval Heads 放一起看——2026 年 8 月最后一周，AI 研究的几个独立分支同时成熟：模型侧（GLM-5.3）、安全侧（RedEvoAgent）、物理侧（Gemini CVD）、机理侧（Visual Retrieval Heads）。这四条线在同一个月里集中产出，意味着 2026 Q3 是 AI 从"单点能力竞赛"位移到"系统工程时代"的拐点。
最有意思的事：Z.ai 把 slime 开源了——意味着后训练基础设施正在变成公共水池。未来 6 个月里，会有一批"用 slime + SAO + IndexShare + 自己的 base"搭出来的垂直模型冒出来。这些模型的底座可能是 Qwen、可能是 DeepSeek、可能是 Llama——但训练方法会高度同构。这是中国 AI 实验室对开源生态的又一次基础贡献。
最后一条：为什么 Z.ai 要赌"后训练 > 预训练"？答案藏在时间和成本的对比里——重训一个 743B MoE 至少需要数千张 H100 跑几个月，post-train scaling 只需要已有的 base + 几周算力。在算力紧缺的 2026 年，后者是唯一可持续的进步路径。GLM-5.3 不是"中国版的 GPT-5"，是"算力紧缺时代的进步范式"——它的成功是方法论的成功，不是参数量的胜利。
——这事真正的拐点不在分数，在于"同 base + 同价格 + 6 倍跳跃"成为可能的那一刻。