GLM-5.3（开放权重）以五分之一成本击败 Anthropic/OpenAI 模型

一句话看懂：第三方评测显示，智谱开源的 GLM-5.3 在 28 项真实任务中首次实现五项全满分，任务成本仅 0.28 美元，约为 GPT-5.5 和 Claude 系列模型同赛道成本的五分之一。这是开源模型在综合能力和成本效率上首次同时压过头部闭源模型。

事件核心：发生了什么

据 Hacker News 转发的独立评测机构 Ed-O-Meter 最新榜单（7 月 14 日更新），智谱开源的 GLM-5.3 在编码、数据分析、真实世界任务、安全、工具调用五个维度的 28 项真实任务测试中全部通过，成为该榜单首个五项全绿（通过率 85% 以上）的模型。其综合通过率 100%，略高于 GPT-5.5 的 96%（后者在真实世界任务上为 89%）。

成本方面，GLM-5.3 完成整套测试仅需 0.28 美元，单任务约 0.01 美元；作为对比，GPT-5.5 全套成本 1.43 美元，Anthropic 的 opus-5 为 1.67 美元。GLM-5.3 的主要短板是响应速度，中位首 token 延迟为 16.3 秒，慢于 GPT-5.5 的 13.2 秒。

同一榜单中，Anthropic 的 fable-5 和 opus-5 均因安全策略拒绝执行部分无害调试任务，综合通过率被拉低至 79%。评测方特别注明，fable-5 的自评分数存在偏差，需等待独立复评。

为什么重要

这次评测的意义在于“全能”和“经济性”第一次在开源模型上同时成立。此前开源模型要么在个别科目领先，要么在综合能力上落后闭源头部一截；GLM-5.3 以五分之一成本跑出更高综合通过率，意味着对于大量可容忍延迟的批量任务（数据处理、代码生成、后台自动化），闭源 API 的定价优势正在被显著侵蚀。

另一个值得注意的信号是 Anthropic 全系模型（fable-5 与 opus-5）在同类调试任务上集体拒答，评测方认为这指向 Anthropic 安全分类器在整条 series 5 产品线上的系统性误伤——这种“过度防御”正在成为闭源模型在工程场景中的实际短板。

同时，榜单显示低价小模型（如 GPT-5.6-luna，单任务 0.0023 美元，中位延迟 5.3 秒）适合大规模低风险后台任务，但在安全科目上仅 33% 通过率，提示“便宜”和“安全”在轻量级模型上仍是不可兼得的取舍。

对用户/开发者/创作者的影响

对开发者，GLM-5.3 的开放权重和低成本意味着可以私有化部署或高频调用而不担心 API 账单爆炸，尤其适合批量代码审查、非实时数据处理、Agent 工作流中的子任务编排。但需注意其 16.3 秒的首 token 延迟——交互式聊天场景仍建议搭配 GPT-5.5 或 haiku-4-5 这类快速模型做前置响应。