Wagtail 团队复盘使用 GLM 5.3 Flash 进行为期一个月的编程

GLM-5.2（MIT开源，753B参数，约40B活跃）在AA Intelligence Index上仅比GPT-5.5低4分、比Claude Fable 5低9分，但其幻觉率仅28%，远低于GPT-5.5的86%和DeepSeek V4 Pro（1.6T参数，49B活跃）的94%。后者在AA-Omniscience基准上仅6%的问题会承认不知道。实际代码测试中，GLM-5.2用12秒和800个推理token识别出技术悖论，而DeepSeek V4 Pro耗费3分26秒和近…

Privatemode 团队展示了一种无需微调的方法，通过编号选项、预填 choice_index: 前缀并读取选项索引的 log 概率，让 GLM-5.3-Flash 在单次前向中输出带概率的类型化决策。

作者向美国国会简报开放权重模型的中美竞争态势，指出 GLM-5.3、Kimi K3 等中国模型在 AAII 基准上领先美国开放模型（45、44 对 26），中国累计下载量达 3.2B，是美国的两倍。

Nathan Lambert 在 Interconnects 整理了一份关于开源模型的最佳文章书单，2026年9月13日更新，用于其面向公众和政策的开放模型写作准备。书单分基础、中美竞争、技术细节三部分，涵盖开放模型战略与风险、中国实验室的领先地位、约4-6个月的开放与闭源模型差距，以及蒸馏争议，并附 Kimi K3、GLM-5.2/5.3、DeepSeek R1 等案例，欢迎读者评论补充。

GLM-5.3-Flash 在 Artificial Analysis Intelligence Index 上得分 57，远超同类模型中位数 18，支持文本和图像输入、文本输出，上下文窗口达 400k tokens。

在 Featherbench 排行榜的 17 个模型中，GLM-5.3 以 100% 的成绩领先，另有 8 个模型并列 96%。该开放权重模型击败了 Anthropic/OpenAI 的模型，且成本仅为后者的五分之一。排行榜上检查器错误还翻转了安全排名。

Anthropic 的 Fable 发布后，高昂定价促使智能体编程用户转向更便宜的替代模型。GLM 5.2 与 Fable 同周发布，成本约为其 1/9（约为 Opus 5 的 1/5），对多数常规编码任务已足够。作者认为推理价格下降不会让一切重回最大模型，Fable 的访问控制与数据留存要求也促使企业重新思考工作负载分配。

一位用户为完全掌控自己的Amazon Fire HD 10平板，花费266.15美元借助四个AI模型成功获取root权限。Kimi K3以164.25美元发现利用CVE-2022-38181的漏洞，GLM-5.2以21.90美元修复致命错误，GLM-5.3在80美元订阅首日一天内完成最终任务。整个过程中Kimi K3的会话长达621条消息，并自动重试超过500次。

Artificial Analysis 评测阶跃星辰 Step 5 Preview，其在 Artificial Analysis Intelligence Index 得 44 分，与 Kimi K3 (max) 持平，略低于 GLM-5.3 (max) 和 Qwen3.8 Max 的 45 分，每任务成本约 $0.72，约为同级模型（约 $2.00）的 1/2.8。

开发者 ferstar 逆向 Z.ai 的 AI 编程桌面应用 ZCode，发现其登录后会静默把整个工作区打包（含完整 .git 历史、LFS 缓存、reflogs 和全局配置）加密上传至 Aliyun OSS，实测一次快照为 42,411 个文件、313MB，且 .git 目录占载荷的 86.6%。