智谱GLM-5.3以1/10参数逼近Fable 5，性价

智谱于2026年8月15日正式推出GLM-5.3大语言模型。该版本未对基座模型进行参数量升级，仍维持7440亿参数规模，但整体性能实现显著跃升，已接近国际一线模型Fable 5的水平。

这一进步引发广泛关注，海内外AI使用者普遍感到意外。部分用户曾推测其优异评测成绩可能源于对特定测试集的过拟合，但近期大量独立实测结果表明，GLM-5.3在多样化任务场景中均保持稳定高水准，排除了单纯依赖评测优化的可能。

真正引人注目的地方在于，GLM-5.3只用了美国主流大模型十分之一到五分之一的参数规模，却把性能拉到了相近水平。能做到这一点，关键就在于智谱对强化学习后训练环节做了相当深入的优化，也正因为如此，它已经被视作当前业内后训练技术的重要标杆之一。按照官方的说法，这条技术路线后面还有不小的挖掘空间，预计下一代GLM-5.5还会把整体综合能力再往上推一截。

在保持与前代GLM-5.2相同定价的基础上，GLM-5.3通过更高效的推理机制显著降低单次调用的Token消耗，使实际使用成本进一步下降。

第三方机构采用FlappyBench测试框架，对GLM-5.3、Fable 5及GPT-5.6 Sol三款模型在功能实现、交互体验与单位成本三个维度进行综合评估，结果如下：

Fable 5 得分为9.5分，单次调用费用0.420美元；

GLM-5.3得分为9分，单次调用费用0.018美元；

GPT-5.6 Sol得分为9分，单次调用费用0.150美元。

数据清晰显示，Fable 5在绝对性能上略占优势，但其单位成本约为GLM-5.3的23倍，即后者的综合性价比高出约20倍。相较GPT-5.6 Sol，GLM-5.3不仅输出质量更优，单位成本更仅为对方的八分之一。

尽管有建议指出，对极致质量有严苛要求的用户可优先考虑Fable 5，但实际差距微小，而成本差异却极为显著。无论是个人开发者还是企业级应用，长期使用带来的成本分化将极为可观，选择路径因此更加明确。