Signal YCurated AI News
更新于 11/5 20:4061 个信源

GLM 5.3 正式上线 Amazon Bedrock:753B 开源权重模型主攻编码与长时程智能体

通用 AI10/6 07:25AWS 机器学习博客查看原文 ↗
摘要

Z.ai(智谱 AI)的 753B 开源权重 MoE 模型 GLM 5.3 现已通过 Amazon Bedrock 提供全托管 API 服务,面向编码与长时程智能体任务,并支持跨区域推理与 prompt caching。

核心要点
  • GLM 5.3 为 753B 参数的混合专家(MoE)模型,已在 Hugging Face Hub 发布,定位为编码与长时程智能体任务优化。
  • Z.ai 称该模型在 DeepSWE、Terminal Bench 3.0、FrontierSWE 等编码基准上具备竞争力,并在其内部编码基准上较 GLM 5.2 提升 50%;由于提升幅度过大,Z.ai 更新了基准测试本身,因此未报告与 GLM 5 的直接对比。
  • 网络安全能力突出:Z.ai 在发布时测得该模型在 CyberGym 基准上取得领先的 84.5 分,被视为适合防御性安全工作流。
  • 在 Bedrock 上可通过 OpenAI 兼容的 Responses 与 Chat Completions API,或 Bedrock 原生 Invoke 与 Converse API 调用;支持跨区域推理配置文件,以及默认开启的隐式 prompt caching 和推荐使用的显式缓存控制。
  • GLM 5.3 在 Bedrock 上无需用户自建或运维推理基础设施,但目前仅面向符合条件的企业客户开放。
原文佐证
  • GLM 5.3, as published on Hugging Face Hub , is a 753B-parameter mixture-of-experts model optimized for coding and long-horizon agentic tasks.
  • For example, Z.ai measured a leading score of 84.5 on the CyberGym benchmark at release.
  • They also report a 50% improvement over GLM 5.2 on their own internal coding benchmark.
AI 洞察
开源权重旗舰模型正在从“自己部署才省钱”转向“托管即用”,云平台通过全托管 API、跨区域推理与缓存把开源模型的能力落差补齐,这会削弱自建推理集群的性价比理由,也把开源模型的竞争主场转移到云平台的接入体验上。Z.ai 把编码与网络安全的涌现能力当作卖点,意味着攻防两侧都会更快获得低成本的高能力模型,安全团队需要对自有资产做主动验证的节奏被整体提前。值得留意的还有评测口径的漂移——因为提升过大而被迫修改基准、并回避与上一代直接对比,说明这类能力的量化对比正在变得不稳定,企业选型不能只看厂商自报分数。