智谱于2026年8月15日正式发布GLM-5.3大语言模型。该版本并未对基座模型进行参数规模升级，依然保持7440亿参数，但整体能力实现了明显提升，综合表现已逼近国际一线模型Fable 5的水准。
这一突破迅速引发业内外高度关注，海内外AI用户和开发者普遍感到意外。此前，部分观察者曾猜测其亮眼评测结果可能来自对特定测试集的过度适配，但近期大量第三方独立实测数据显示，GLM-5.3在多种任务场景下都能保持稳定且出色的表现，基本排除了单纯依赖评测优化的可能性。
真正值得关注的是，GLM-5.3仅以美国主流大模型十分之一到五分之一的参数量，就实现了接近对手的性能表现。之所以能够做到这一点，核心在于智谱对强化学习后训练流程进行了深入优化。也正因如此，GLM-5.3已被不少业内人士视为当前大模型后训练技术的重要参考标杆。按照官方披露的信息，这一路线仍有较大提升空间，预计下一代GLM-5.5还将进一步增强整体综合能力。
在延续前代GLM-5.2相同定价策略的基础上，GLM-5.3借助更高效的推理机制，显著减少了单次调用的Token消耗，从而进一步降低大模型实际使用成本。
第三方机构采用FlappyBench测试框架，对GLM-5.3、Fable 5及GPT-5.6 Sol三款模型在功能实现、交互体验和单位成本三个维度进行了综合评估，结果如下：
Fable 5 得分为9.5分，单次调用费用0.420美元；
GLM-5.3得分为9分，单次调用费用0.018美元；
GPT-5.6 Sol得分为9分，单次调用费用0.150美元。
从测试数据来看，Fable 5在绝对性能方面略有领先，但其单位成本约为GLM-5.3的23倍，这意味着后者在综合性价比方面高出约20倍。与GPT-5.6 Sol相比，GLM-5.3不仅输出质量更具优势，单位成本也仅为对方的八分之一。
虽然也有观点认为，对于追求极致模型效果和最高输出质量的用户而言，Fable 5仍可作为优先选择，但两者实际差距并不大，而成本差异却非常明显。无论是个人开发者、创业团队，还是企业级AI应用场景，长期使用所带来的成本分层都将十分可观，因此在大模型选型上，GLM-5.3的优势也显得更加清晰。
