基座不变能力大涨，开源大模型为什么越来越能打？

  开源模型的进化，总在不断打破人们对它的能力预期。DeepSeek R1的出现证明了推理能力可以通过强化学习涌现出来，而非只能靠堆数据、堆参数堆出来;Kimi K3则把长上下文理解、多工具串联与长程任务执行能力做了大幅升级，让开源模型具备了处理复杂企业级工作流的潜力，摸到了生产级应用的门槛。而GLM-5.3在基座不变的前提下，通过后训练策略的纵深扩展，把智能上界推到了超出行业预期的位置。

  8月19日，GLM-5.3 API正式上线。距离这款模型正式发布不过短短数日，但其传递出的信号早已超出了单次版本迭代的范畴。

  与前代GLM-5.2相比，它的基座模型没有任何变化，仅凭极致的后训练Scaling，就在编程体感上实现了50%的提升。主打真实终端环境复杂任务执行的Terminal-Bench 3.0得分从4.6跃升至28.3，考察长周期软件工程迭代与代码持续修改的DeepSWE v1.1得分从46.2提升至66.9，覆盖多类专业场景、看重跨工具协作与长程任务推进的Agents' Last Exam得分从23.8增长至28.5，囊括44种职业、衡量高价值知识工作能力的GDPval-AA v2更是拿到1769分。多项核心基准实现跨越式增长的同时，模型甚至涌现出接近顶级闭源模型的网络安全审查能力。

  不换基座只换打法

  过去数年，大模型的演进主线始终围绕“基座升级”展开。行业的共识是，更强的能力必然来自更大的参数规模、更多的预训练数据、更高的训练算力。每一次代际跃迁，几乎都伴随着一次完整的基座重训：7B、13B、70B、千亿参数，参数规模一路走高;通用语料、代码数据、多模态信息，预训练数据的广度与深度不断扩张。

  这种路径有其必然逻辑：预训练决定了模型的能力天花板，基座的底子直接决定了后续对齐的上限。但随着大模型技术进入成熟期，这条路径的边际效益正在快速递减。一方面，千亿级基座的训练成本动辄数亿甚至数十亿元，投入门槛高企，绝大多数厂商无力参与;另一方面，单纯堆参数带来的通用能力提升，越来越难转化为真实场景下的体感增益。用户感知最明显的编程、智能体、专业任务等场景，恰恰不是单纯靠预训练就能拉满的。

  于是，行业的竞争主轴开始开始发生变化。

  第一个清晰的趋势是：基座模型进入多代复用周期，后训练工程成为能力提升的战场。

  R1与K3已分别从推理强化与架构创新两条路径，验证了后训练对模型能力的撬动效应。到了GLM-5.3这里，这条路径被推向了更极致的形态，完全沿用前代基座，仅通过数十倍扩展的长程任务环境、更丰富的环境类型和超长时长的强化学习，就实现了代际级的能力跨越。

  背后的支撑，是一整套后训练工程体系的成熟。基于IndexShare、SAO以及持续演进的新一代Slime框架，智谱在与前代完全相同的基座上高效推进强化学习……当这些技术组合起来，后训练就成为真正释放模型潜力的关键工序。

  这带来的行业影响是深远的。它意味着大模型的迭代速度可以大幅加快，成本可以显著降低。不需要动辄数月的基座重训，基于成熟基座持续做后训练优化，就能不断推出能力更强的新版本。同时，模型能力的打磨可以更精准地指向真实场景：要提升编程能力，就把训练环境扩展到完整的软件工程流程;要强化Agent能力，就增加更多跨工具协作的长程任务。相比预训练阶段的大水漫灌，后训练更像精准滴灌。

  当然，这并不意味着基座不再重要。GLM-5.3能挖潜如此之深，本身就证明了GLM-5.2基座的潜力足够深厚。但行业的重心已经从做出一个好基座，转向了把基座的潜力充分挖掘出来。

  场景才是最终战场

  第二个趋势与之相伴相生：模型能力的竞争，正在快速延伸到工具生态与场景落地的比拼。

  当后训练让不同模型的核心能力快速趋同，单纯的跑分榜单已经不足以拉开差距。真正决定一款开源模型行业影响力的，是它能不能嵌入真实的工作流，有没有完整的工具生态支撑。

  这一点在GLM-5.3的发布中体现得格外明显：模型发布当日，官方编程工具ZCode、效率工具AutoClaw同步上线，TraeWork、扣子、CodeBuddy等十余个主流编码平台同步开放抢先体验。模型能力不再是孤立的API接口，而是通过各种工具直接送到开发者的工作台上。

  这是开源模型下半场的典型特征：比拼的不只是模型本身的能力上限，更是能力触达用户的效率。闭源模型可以靠官方工具打造闭环体验，而开源模型的优势恰恰在于生态的开放性，更多的第三方工具、更多的场景适配、更多的定制化可能。谁能先建立起最繁荣的开发者工具生态，谁就能把模型能力转化为实实在在的用户黏性和行业渗透率。

  从更深层看，生态竞争本质上是场景定义权的竞争。当一款模型成为某个场景的事实标准，所有的工具、插件、解决方案都会围绕它构建，形成强大的网络效应。编程场景如此，企业智能体场景如此，网络安全场景同样如此。模型厂商要做的，是要和生态伙伴一起，把模型能力拆解到具体的工作环节里，让用户“用得上、用得好、离不开”。

  换个角度看，后训练能力的升级，本身也在倒逼生态的成熟。当模型能独立完成工作量相当于人类工程师数天的软件工程任务，能端到端推进复杂项目，它就成为了一个协作的伙伴。对应的，围绕它的工具链也必须从代码补全、单文件生成，升级到项目管理、环境交互、持续迭代的全流程支持。生态的厚度，最终决定了模型能力的落地深度。

  开源安全破局之道

  但能力的快速跃升，也必然带来一个绕不开的问题：开源模型的安全边界在哪里？

  当开源模型的编程能力接近顶级闭源模型，当它能端到端推进复杂项目，甚至能协助安全团队挖出潜伏数十年的底层漏洞，它的双刃剑属性也会愈发凸显。当然，差距同样存在：在漏洞利用等更深的安全环节上，开源模型与闭源前沿之间仍有明显的追赶空间，这一点官方评测也并不讳言。能力越强，被滥用的风险就越高;开放程度越高，安全管控的难度就越大。

  这也是为什么GLM-5.3在宣布开源的同时，花了大量篇幅讲安全体系建设。外层分类器拦截大规模滥用请求，推理监控器实时审查任务意图，深度安全对齐让模型自主拒绝攻击性请求，三层防护体系的目标，是在释放防御能力的同时，尽可能限制攻击能力的扩散。而“开源的盾”计划，则是把强大的能力导向正向的安全防御，让更多开源项目和中小企业能获得顶级的安全审计能力。

  这其实也为整个开源行业指出了方向：负责任的开源，才是开源模型下一阶段的底层共识。能力越强，越需要清晰的安全边界;生态越繁荣，越需要统一的安全底线。后训练不只要提升模型的能力，也要强化模型的安全对齐;生态建设不只要追求场景覆盖，也要构建安全防护的基础设施。

  从行业发展的长周期看，安全能力的分配失衡本身就是最大的风险之一。顶级的攻防技术长期集中在少数闭源厂商与大型机构手中，意味着数量更多的中小企业、开源项目与基础设施，始终处在防护能力的洼地。但反过来，如果毫无保留地开放，又可能让攻击能力快速扩散，反而造成更大的风险。平衡的关键，就在于有边界的开放、有防护的开源。通过技术手段区分攻击与防御意图，把高风险能力管控起来，把防御能力普惠出去。

  写在最后

  上半场拼的是基座的高度，下半场拼的是挖潜的深度、生态的广度与安全的厚度。当技术竞争从单点突破转向体系化比拼，属于开源的下半场，才刚刚开始。