GLM-5.3发布：后训练规模化带来能力跃升

原来 @jietang 唐杰教授的「sooooooon」是按小时算的吗 😃

GLM-5.3 在唐杰教授发帖后几小时就正式发布了，又是后训练的一个典型案例！中国开源模型这一轮热潮也是 GLM-5.2 带起来的。 https://z.ai/blog/glm-5.3

GLM-5.3 和 GLM-5.2 沿用了同一套基座模型，所有可观测的能力提升，都来自后训练阶段的持续规模化。

过去一个月 @Zai_org 在 GLM-5.2 已搭好的技术栈上持续加码： · IndexShare：长上下文的高效处理机制； · SAO（含 compaction）：面向长程任务的强化学习算法，使增益不只在短任务上显现，也能在长程任务上保持； · slime：大规模异步后训练框架，训练侧用 Megatron，rollout 侧用 SGLang。

GLM-5.3 在此之上做了三件事：更多环境、更多样任务、更多算力。在复杂编码与长程任务上对 GLM-5.2 形成明显代差，并在网络安全方向上出现了团队自己也未完全预期的"涌现式"能力跃升。

btw... GLM-5.3 是一个只有 743B 的模型，综合能力和 Kimi K3 互有胜负，厉害！