智谱 8 月 14 日悄悄把 GLM-5.3 推上 GLM Coding Plan，这一版最大的变化不是分数，而是把思考强度从“开/关”两档拆成了 low、high、max 三档。调对档位，5.3 能在“几秒钟吐个答案”和“烧 30 秒想半天”之间自由切换。
工具简介
GLM-5.3 是智谱 2026 年 8 月 14 日发布的旗舰模型，基座和 GLM-5.2 一致，所有提升都来自后训练。1M token 上下文、最大输出 128K token，Artificial Analysis 智能指数 60 分，跟 Kimi K3 并列开源第一，仅次于 GPT-5.6 Sol 一分。已经全量上 GLM Coding Plan，API 还在排队。
核心功能亮点
- 思考三档可调：low、high、max，迁移提示要把旧的
thinking.type=disabled改成enabled，否则请求会失败。 - 编程体感比 5.2 强 50%，在 Terminal-Bench 3.0 上从 4.6 跳到 28.3，DeepSWE v1.1 从 46.2 升到 66.9。
- 网络安全能力涌现，CyberGym 84.5% 拿到当前最佳，ExploitBench 54.4% 比 5.2 翻倍还多，真实代码库中已经发现 2436 个漏洞，最老的一个在代码里躺了 40 年。
实测使用步骤
第一步，去 z.ai 注册账号，选 GLM Coding Plan 个人版，目前是积分制，周末全天半价，5.3 的 max 档一次任务大约消耗 5-8 倍标准积分。第二步，打开 ZCode 或 Claude Code，把 base URL 切到 https://open.bigmodel.cn/api/paas/v4，模型名写 glm-5.3，thinking.type 写 enabled，reasoning_effort 选 low 起步。第三步，跑一个真实任务：把一段 200 行的 Python 重构请求发出去，先 low，看返回；不满意就 high，再不满意直接 max。第四步，在 Z.ai dashboard 查积分消耗，对比三档的输出 token 数。
适用人群与场景
日常写代码、写文档的开发者选 low 档，响应快、积分便宜；做长程 Agent 任务、多文件重构、终端操作的工程师用 high 档，这是官方推荐的甜点档；做科研、漏洞研究、复杂策略推演的研究员上 max，准确率最高但积分烧得也最快。不建议普通用户日常 max 起步，容易把周配额烧光。
优缺点总结
优点：三档切换比 Claude 的 thinking_budget 简单很多，不用学预算概念，直接选档位；低档保留思考能力但 token 消耗小，比“开/关”模型更省；ZCode、Claude Code、Cline、OpenCode 都接好了，工具链不挑食。缺点：5.3 目前只支持文本，图像和视频还得等；max 档单任务平均输出约 7.5 万 token，新手容易超额；API 还没完全开放，只能走 GLM Coding Plan 积分制。
早悟点评
把“思考”做成显式档位，是智谱给国产模型立的一个好习惯。Sonnet 用户纠结 thinking_budget 设多少、要不要 auto，5.3 用户只看任务难度，low 跑不通就 max，简单到不用动脑。短期看是产品体验的小改进，长期看是模型定价模型的变化：厂商把“思考”从默认行为里拆出来，变成可计费的可选项，用户在 token 单价之外多了一条“思考预算”的成本线。
行业观察
2026 年下半年，国产旗舰大概率都会跟进“思考档位”这个范式：豆包已经分“快速/专家/办公 Turbo/办公 Pro”四档，千问 App 上线“思考研究”，Kimi 一直有“专家模式”。当大家都接受“思考 = 可调档位”之后，真正的差异化会回到三件事：档位之间的颗粒度、定价透明度，以及工具链兼容度。GLM-5.3 现在三档分得比较粗，low 跟 high 的差距，可能没 high 跟 max 那么大，这反而是它下一步该优化的方向。
