GLM-5.3发布，743B参数靠后训练让编码和网络安全能力大涨，跟Kimi K3有来有回，开源模型爱好者可以看看。
GLM-5.3在唐杰发布“sooooooon”预告后数小时正式上线，参数规模为743B。它与GLM-5.2共用同一基座，所有可观测提升都来自后训练阶段的持续规模化。团队在已有技术栈上引入IndexShare、SAO（含compaction）和slime，分别处理长上下文、长程强化学习与大规模异步后训练。GLM-5.3在复杂编码与长程任务上对GLM-5.2形成明显代差，并在网络安全方向出现涌现式能力跃升。官方称其综合能力与Kimi K3互有胜负。
原来 @jietang 唐杰教授的「sooooooon」是按小时算的吗 😃 GLM-5.3 在唐杰教授发帖后几小时就正式发布了，又是后训练的一个典型案例！中国开源模型这一轮热潮也是 GLM-5.2...
原来 @jietang 唐杰教授的「sooooooon」是按小时算的吗 😃 GLM-5.3 在唐杰教授发帖后几小时就正式发布了，又是后训练的一个典型案例！中国开源模型这一轮热潮也是 GLM-5.2 带起来的。 z.ai/blog/glm-5.3 P GLM-5.3 和 GLM-5.2 沿用了同一套基座模型，所有可观测的能力提升，都来自后训练阶段的持续规模化。 过去一个月 @Zai_org 在 GLM-5.2 已搭好的技术栈上持续加码： · IndexShare：长上下文的高效处理机制； · SAO（含 compaction）：面向长程任务的强化学习算法，使增益不只在短任务上显现，也能在长程任务上保持； · slime：大规模异步后训练框架，训练侧用 Megatron，rollout 侧用 SGLang。 GLM-5.3 在此之上做了三件事：更多环境、更多样任务、更多算力。在复杂编码与长程任务上对 GLM-5.2 形成明显代差，并在网络安全方向上出现了团队自己也未完全预期的"涌现式"能力跃升。 btw... GLM-5.3 是一个只有 743B 的模型，综合能力和 Kimi K3 互有胜负，厉害！ Z.ai @Zai_org Introducing GLM-5.3: Built to Code. Ready for Cyber Defense. - Top-tier coding and agentic capabilities, achieved through post-training on the 743B base model - A major leap in cybersecurity, setting a new standard among open models Tech Blog: z.ai/blog/glm-5.3 🔗 View Quoted Tweet 💬 2 🔄 0 ❤️ 2 👀 588 📊 2 ⚡