智谱 GLM-5.3 在一套由 GPT-5.6 设计的 Coding 测试中完成全部任务并获得 100 分。报道援引测试过程称，GLM-5.3 在 ZCode 中连续完成五项测试，整个过程约耗时 13 分钟。
这套测试包括五个部分：不同推理强度下的 JSON 遵循、延迟和 Token 消耗测试；运行 510 项固定、随机及性能测试的算法代码生成；涉及拓扑排序、异常处理和循环检测的小型仓库缺陷修复；检查库存预留、超卖和任务完成情况的多轮工具调用；以及针对路径穿越、符号链接逃逸等问题的受控安全审计。
报道称，GPT-5.6 对测试结果的评价为，GLM-5.3 展现出较强的“受约束工程执行能力”，评级为 A−。在测试中，模型不仅需要生成可运行代码，还要遵守文件修改范围、禁止联网和安装依赖等约束，并根据实际测试错误继续修复。GLM-5.3 最终还生成了一份任务报告。
不过，这一结果的适用范围仍然有限。报道指出，测试主要由小型、单文件、规格清晰的 Python 问题组成，尚未覆盖大型仓库、跨语言项目、并发、数据库、前端、编译系统、模糊需求或超长上下文等场景。因此，单次满分不能直接证明 GLM-5.3 已经在大型系统工程或真实安全任务中达到前沿闭源模型水平。
在模型发布信息方面，InfoQ 报道称，GLM-5.3 于 2026 年 8 月 14 日正式发布，面向全部 GLM Coding Plan 用户开放，并可用于 ZCode、Claude Code 和 OpenCode 等 Coding Agent。智谱方面表示，GLM-5.3 延续 GLM-5.2 的长程强化学习技术栈，通过增加任务环境、提升任务多样性和投入更多计算资源进行后训练。
智谱还称，GLM-5.3 在内部智谱 Code Bench 上的代码能力相比 GLM-5.2 提高约 50%。该测试用于模拟 Coding Agent 面对的复杂本地开发环境，并从端到端任务完成率和细粒度 Checklist 准确率等维度进行评估。由于这些数据来自厂商披露，仍需要更多独立、可复现的第三方测试进行验证。
除 Coding 能力外，报道还提到 GLM-5.3 在部分网络安全测试中取得进展，但不同测试的表现并不一致。以 CyberGym 为例，报道给出的 GLM-5.3 成绩为 84.5%，高于 GLM-5.2 的 77.2%和 GPT-5.6 Sol 的 83.6%；在 ExploitBench 上，GLM-5.3 得分为 54.4%，仍低于 Claude Opus 4.8 和 GPT-5.6 Sol。
从目前公开信息看，这次测试更适合被理解为一次受控环境下的编码 Agent 能力展示，而不是对通用软件工程能力的全面排名。GLM-5.3 是否能在更大规模、更复杂和更开放的开发任务中保持表现，还需要后续基准测试、模型权重开放以及用户实测结果进一步确认。