GLM 基准测试
GLM 模型官方基准测试成绩：编程、网络安全、智能体三大类共 17 项评测，全部引自模型作者公开报告，可与 Claude、GPT、Kimi、DeepSeek 等模型横向对比。
GLM 5.3 基准测试：长周期与安全能力
以下数据来自智谱官方文档与独立评测机构 Artificial Analysis 发布的结果。glmmodel.cn 仅做报告，不运行这些评估。
当前领先
84.5%
CyberGym
源代码漏洞发现与验证
开源 SOTA
34.5%
Z.ai Code Bench
智能体编程：准确率更高且 token 更省
提升 6 倍
28.3
Terminal-Bench 3.0
终端智能体任务（GLM-5.2 为 4.6）
GLM-5.3 在 Terminal-Bench 3.0（4.6→28.3）、DeepSWE v1.1（46.2→66.9）、Agents’ Last Exam（23.8→28.5）上全面超越 GLM-5.2，达到开源 SOTA；ExploitBench 得分 54.4%，为 GLM-5.2 的两倍以上。GLM-5.3-Flash 在 Artificial Analysis 智能指数取得 57 分（全球第 4），与 Claude Opus 4.8 持平。
AA 智能指数（Artificial Analysis）全球第 4
DeepSWE v1.1+20.7
Agents' Last Exam+4.7
ExploitBenchx2.2
ExploitGym 6hx3.3
Z.ai Code Bench · High31.4
token 用量约为其 40%
真实代码库漏洞审计2,436
269 个项目
GLM-5.3 与对比模型的基准成绩
已发布的 GLM 模型基准结果，涵盖 8 个模型的 17 项评估。
| Benchmark | GLM-5.3 | GLM-5.2 | Kimi K3 | DeepSeek-V4-Pro | Qwen3.8-Max | Opus 4.8 | Fable 5 | GPT-5.6 Sol |
|---|---|---|---|---|---|---|---|---|
| 编程 | ||||||||
| Terminal-Bench 2.1 | 88.2 | 81.0 | 88.3 | 87.9 | 86.6 | 85.0 | 88.0 | 88.8 |
| Terminal-Bench 3.0 | 28.3 | 4.6 | 17.4 | – | – | 21.1 | 33.7 | 34.6 |
| DeepSWE v1.1 | 66.9 | 46.2 | 67.5 | 62.7 | 56.6 | 58.0 | 69.7 | 72.7 |
| NL2Repo | 58.0 | 48.9 | 58.0 | 61.1 | 55.9 | 69.7 | – | – |
| ProgramBench (Almost Solved) | 19.0 | 9.5 | 17.5 | – | 10.5 | 15.5 | 33.0 | 23.0 |
| FrontierSWE | 78.1 | 67.5 | – | – | – | 66.5 | 88.2 | – |
| SWE-Marathon v1.1 | 42.5 | 19.4 | 48.1 | – | – | 48.8 | 33.1 | 42.5 |
| PostTrainBench | 39.8 | 31.7 | 32.0 | – | – | 32.9 | 41.8 | 36.2 |
| 网络安全 | ||||||||
| CyberGym | 84.5 | 77.2 | 80.0 | 83.3 | 78.5 | 78.1 | 83.8 | 83.6 |
| ExploitGym 2h / 6h | 105 / 130 | 29 / 39 | 36 / 70 | – | 14 / 26 | 80 / 120 | 181 / 247 | 216 / 293 |
| ExploitBench | 54.4 | 24.4 | 32.2 | – | 28.8 | 40.0 | 78.0 | 76.5 |
| 智能体 | ||||||||
| Toolathlon Verified | 73.0 | 59.9 | 76.5 | 74.1 | 72.5 | 76.2 | 74.7 | 74.9 |
| AutomationBench v1.0.6 | 48.2 | 26.2 | 46.7 | 43.2 | 39.8 | 41.0 | 46.2 | 45.8 |
| Agents' Last Exam (ALE-CLI) | 28.5 | 23.8 | 27.6 | 25.7 | 27.0 | 25.7 | 23.8 | 28.6 |
| HLE w/ Tools | 62.5 | 54.7 | 59.8 | 60.0 | 56.2 | 57.9 | 63.9 | 64.5 |
| GDPval-AA v2 | 1769 | 1508 | 1682 | 1590 | 1739 | 1588 | 1743 | 1730 |
数据来源：Z.ai 官方博客（2026-08-14）。