GLM 基準測試
GLM 模型官方基準測試成績：編程、網絡安全、智能體三大類共 17 項評測，全部引自模型作者公開報告，可與 Claude、GPT、Kimi、DeepSeek 等模型橫向對比。
GLM 5.3 基準測試：長週期與安全能力
以下數據來自智譜官方文檔與獨立評測機構 Artificial Analysis 發佈的結果。glmmodel.cn 僅做報告，不運行這些評估。
當前領先
84.5%
CyberGym
源代碼漏洞發現與驗證
開源 SOTA
34.5%
Z.ai Code Bench
智能體編程：準確率更高且 token 更省
提升 6 倍
28.3
Terminal-Bench 3.0
終端智能體任務（GLM-5.2 爲 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，達到開源 SOTA；ExploitBench 得分 54.4%，爲 GLM-5.2 的兩倍以上。GLM-5.3-Flash 在 Artificial Analysis 智能指數取得 57 分（全球第 4），與 Claude Opus 4.8 持平。
AA 智能指數（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 用量約爲其 40%
真實代碼庫漏洞審計2,436
269 個項目
GLM-5.3 與對比模型的基準成績
已發佈的 GLM 模型基準結果，涵蓋 8 個模型的 17 項評估。
| Benchmark | GLM-5.3 | GLM-5.2 | Kimi K3 | DeepSeek-V4-Pro | Qwen3.8-Max | Opus 4.8 | Fable 5 | GPT-5.6 Sol |
|---|---|---|---|---|---|---|---|---|
| 編程 | ||||||||
| 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 |
| 網絡安全 | ||||||||
| 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 |
| 智能體 | ||||||||
| 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 |
數據來源：Z.ai 官方博客（2026-08-14）。