模型介绍

GLM-5.3 是智谱面向工程编码与智能体（Agent）场景的最新旗舰模型。它与上一代 GLM-5.2 使用同一个基座模型，全部能力提升来自后训练，因此在保持同等部署成本的前提下， 复杂编码与长程任务能力有明显跃升。

官方数据显示：在智谱自建的 Z.ai Code Bench 上，GLM-5.3 相比 GLM-5.2 提升约 50%； 在 Terminal Bench 3.0（28.3 vs GLM-5.2 的 4.6）、Agents' Last Exam、AutomationBench、 GDPval-AA v2 等公开基准上达到开源权重模型的最优水平，是构建长程 Coding Agent 与 自主智能体的理想基座。

架构上，GLM-5.3 采用 MLA 低秩注意力 + DSA 稀疏注意力的混合专家（MoE）设计， 并在权重中自带 MTP（Multi-Token Prediction）层，可直接开启投机解码显著提升生成速度； 支持 100 万 token 上下文。

核心特性

• 工程编码与智能体能力领先：面向真实工程任务优化，在终端任务、长程自主执行、 自动化流程等基准上取得开源权重模型最优成绩。
• 与 GLM-5.2 同基座、纯后训练提升：部署形态和资源需求与 GLM-5.2 一致， 升级不需要改变部署规格。
• DSA 稀疏注意力 + MLA：显著降低长上下文推理的显存与计算开销， 在 Blackwell 架构上自动走 TensorRT-LLM 加速后端。
• 自带 MTP 投机解码：权重内含 MTP 层，开启后实测平均接受 3.35 个草稿 token， 单流生成速度可达 300+ tokens/s。
• 超长上下文：支持 1,048,576（1M）token。
• 思考过程可控：通过 reasoning_effort 参数控制是否输出思考过程。

模型概要

API调用

服务部署成功后，可在服务列表查看调用信息。

基础对话

GLM-5.3 默认以最高思考预算运行，思考过程在 message.reasoning_content， 最终回答在 message.content。建议 max_tokens 不低于 2048，避免预算被思考内容占满。

1curl -X POST "<访问地址>/v1/chat/completions" \
2-H "Content-Type: application/json" \
3-H "Authorization: Bearer token" \
4-d '{
5    "model": "GLM-5.3",
6    "messages": [{"role": "user", "content": "请用中文简要回答：为什么天空是蓝色的？"}],
7    "max_tokens": 2048,
8    "temperature": 0.6
9}'

流式调用时需要同时消费 delta.reasoning_content 和 delta.content， 只读 delta.content 会拿不到思考过程。

控制思考过程

用 reasoning_effort 控制：不传或传 max 会输出思考过程；传 low 或 high 则不输出 （reasoning_content 为空，回答更快）。传其它值会返回参数校验错误。

1curl -X POST "<访问地址>/v1/chat/completions" \
2-H "Content-Type: application/json" \
3-H "Authorization: Bearer token" \
4-d '{
5    "model": "GLM-5.3",
6    "reasoning_effort": "low",
7    "messages": [{"role": "user", "content": "用一句话打个招呼"}],
8    "max_tokens": 512
9}'

多轮对话场景建议显式传 chat_template_kwargs: {"clear_thinking": true}， 让上一轮的思考内容在下一轮被清除。

工具调用

1curl -X POST "<访问地址>/v1/chat/completions" \
2-H "Content-Type: application/json" \
3-H "Authorization: Bearer token" \
4-d '{
5    "model": "GLM-5.3",
6    "messages": [{"role": "user", "content": "今天山东济南的天气如何"}],
7    "tools": [{"type": "function", "function": {
8        "name": "get_weather",
9        "description": "Get the current weather in a given location",
10        "parameters": {"type": "object", "properties": {
11            "location": {"type": "string", "description": "City and state"},
12            "unit": {"type": "string", "enum": ["celsius", "fahrenheit"]}},
13            "required": ["location"]}}}],
14    "tool_choice": "auto",
15    "max_tokens": 2048
16}'

工具调用命中时 finish_reason 为 tool_calls，参数在 message.tool_calls[].function.arguments。

长上下文

服务默认以 131072（128K）上下文启动，实测 4.5 万 token 的输入可正常检索作答。 需要更长上下文时，可在部署时调大启动命令里的 --context-length （模型上限 1,048,576），并相应评估显存。