这两天做早报，我前脚还说 AI 圈像过年，后脚又觉得像过圣诞。
结果 8 月 14 日中午，智谱把 GLM-5.3 端了上来。得，再换个说法：晋西北已经打成一锅粥了。
从 8 月 12 日深夜到 14 日中午，不到 38 小时，四家模型厂商连着按下发布键：
| 北京时间 | 新模型 | 这次主打什么 |
|---|---|---|
| 8 月 12 日 23:32 | Grok 4.6 | 长时间 Agent 任务，价格不变 |
| 8 月 13 日 19:31 | DeepSeek V4 Pro | Agent 能力、思考强度、Responses API |
| 8 月 14 日 01:04 | Gemini 3.7 Flash | 编程、知识工作和网页开发 |
| 8 月 14 日 13:17 | GLM-5.3 | 编程 Agent 和网络安全 |
四家模型官宣首尾相隔 37 小时 46 分。时间依官方 X 帖 Snowflake ID 还原为北京时间。
DeepSeek 的 API 在 13 日凌晨已经露面，晚间才是官方全量官宣。所以这两天的早报看起来特别像连续剧：今天刚写完一家，下一家已经在夜里把新版本推上来了。
GLM-5.3 这次，明牌就是来打代码榜的
智谱的官宣没有绕弯，口号就两句：为编程而生，为网络防御做好准备。
这一版没换基座模型。GLM-5.3 和 GLM-5.2 用的还是同一个 743B 基座，官方说得很直接：全部提升都来自后训练。过去一个多月，智谱持续增加任务环境、扩大长任务，再往这套系统里堆更多训练算力。
官方自有的 Z.ai Code Bench 里，GLM-5.3 比 5.2 提升了 50%，而且输出 Token 更少。这些仍然是厂商自测，最有节目效果的部分，是官方把 DeepSeek-V4-Pro-0813 端端正正放进了对比表。
智谱官方 Z.ai Code Bench：横轴是单任务平均输出 Token，纵轴是准确率。这是厂商自有评测，不是独立第三方榜单。
两家都有成绩的 9 项测试里，GLM-5.3 领先 7 项，DeepSeek 领先 2 项。
Terminal Bench 2.1 是 88.2 对 87.9，GLM 只赢了 0.3 分；DeepSWE 是 66.9 对 62.7。DeepSeek 也没被全面压住，NL2Repo 是 61.1 对 58.0，Toolathlon Verified 是 74.1 对 73.0，这两项仍然是 DeepSeek 更高。
正文涉及的四项各胜两项；智谱公布的完整 9 项可比结果为 GLM-5.3 领先 7 项、落后 2 项。
GLM-5.3 官方完整对比图，包括 Terminal Bench 3.0、DeepSWE、Agents' Last Exam、AutomationBench、HLE w/ Tools 和 GDPval-AA v2。手机端可点开查看大图。
这张表更像一份“我也把你拉上来比一比”的回信，这就连上了上一回的剧情。
GLM 报“一箭之仇”，这个段子还真有前情
这段前情得从 7 月底的 GLM Coding Plan 涨价讲起。
7 月 30 日，GLM Coding Plan 结束长期限购，放开订阅。Lite、Pro、Max 三档月付价涨到 118 元、538 元和 1078 元。按 5 月社区记录的常见价格计算，大约是原来的 2.4 倍、3.6 倍和 2.3 倍。
第二天下午 2 点 56 分，DeepSeek 发布 V4 Flash 0731。它还在官方跑分表里把 GLM-5.2 摆上了对比席：GLM-5.2 有成绩的 8 项 Agent 测试，V4 Flash 全部更高。Terminal Bench 2.1 是 82.7 对 81.0，DeepSWE 是 54.4 对 46.2。
GLM Coding Plan 收的是订阅月费，DeepSeek Flash 当时主要走 API 按量计费，两种价格不能直接换算。但这两条消息前后只隔一天，节目效果已经拉满了：GLM 刚把 Coding Plan 的价格抬上去，DeepSeek 就把低价 Flash 推到台前，还顺手用跑分压了 GLM-5.2 一轮。
到了这一回，箭头反过来了。DeepSeek V4 Pro 官宣后大约 18 小时，GLM-5.3 就来了，还在自家表格里把 V4 Pro 0813 列成了明确对手。
公开资料只能确认顺序，不能证明两家互相掌握排期。但从围观效果看，这一箭确实回得很整齐：上次我给 Coding Plan 涨价，你第二天拿 Flash 和跑分来砸场；这次你刚上 Pro，我用 5.3 把你写进对比表。
两张官方表格摆在一起，比任何“江湖恩怨”的传闻都好笑。
四家模型都在争同一份工作
Grok 讲长时间 Agent，DeepSeek 讲 Agent 升级和 Responses API，Gemini 讲编程与网页开发，GLM 直接把“为编程而生”写到官宣第一行。
四次发布的共同焦点很明显：谁能进入代码库，连续调工具，把一件长任务做完。模型厂商现在比的是后训练、任务环境、Harness 和每个任务花掉的 Token，参数大小反而没有成为这两天的主角。
官方跑分表因此既是证据，也是武器。各家用的 Harness、超时时间、上下文长度和内部测试集都会影响成绩，一张表能告诉我们厂商想打哪里，还不能替你完成选型。
GLM-5.3 当前已经进入 GLM Coding Plan 和 ZCode，API 与开放权重还要分阶段放出，官方说权重会在两周后开放。想试的人可以先等入口开齐，不用在两天里连续迁移四次。
真正有用的做法，是把自己的固定任务留好：一段旧代码、一项多步改造、一次长时间工具调用。等 API 齐了，放进同一个环境重跑，看谁能真的做完、要人救几次、最后花多少钱。
榜单可以一夜改写，热闹也会很快散场；最后留在用户手里的，只会是那个真正把事情做成的模型。
主要资料：GLM-5.3 官方技术博客、GLM-5.3 官方发布、DeepSeek V4 Pro 官方发布、Gemini 3.7 Flash 官方发布、Grok 4.6 官方发布、DeepSeek V4 Flash 0731 官方发布、DeepSeek API 定价。
以上就是这次的侦察。
如果对你有用，顺手点个赞 +「♥️」。
想第一时间收到前线情报，关注「硅基斥候S01」。我们，下次侦察见。