GLM-5.5 vs GLM-5.3：程式開發與代理可能有哪些變化？
比較 GLM-5.5 後訓練外流資訊與已發布的 GLM-5.3：程式開發代理、內部模型合併、1M 上下文、已公布的基準測試、API 價格及實用評估任務。
發布於
目前需要執行的工作，請使用 GLM-5.3；若想了解據報採用的下一代基礎模型與程式開發代理訓練方向，可持續關注 GLM-5.5。 Z.ai 文件將 5.3 描述為基於 5.2 基礎模型的後訓練升級。10 月 31 日 的 GLM-5.5 報導提到，內部 32B / 122B / 256B 模型將合併至下一代基礎模型，並涉及程式開發沙盒及自我改進代理。這些是值得期待的開發線索；但尚不足以量化 5.5 的優勢。[1][2][6]
APIMaster 於 2026 年 11 月 1 日, 21:24 UTC+8 查核時，glm-5.5 與 glm-5.5-flash 均沒有可用的公開路由。GLM-5.3 有 9 條路由，每百萬輸入 / 輸出 token 的價格從 $0.56 / $1.76 起，相較官方 $1.40 / $4.40 的費率，低至約4折，便宜60%。請查看 5.5 模型卡 與 5.3 模型卡；價格與供應情況以即時市集模型卡為準。以下所有價格均為每百萬未快取輸入 / 輸出 token 的美元價格。
| 模型 ID | 原價（輸入 / 輸出） | APIMaster 目前價格 | 可用路由 | 折扣 | 模型卡 |
|---|---|---|---|---|---|
glm-5.5 |
尚未公布 | 無公開路由 | 0 | — | 查看 5.5 |
glm-5.5-flash |
尚未公布 | 無公開路由 | 0 | — | 查看 5.5 Flash |
glm-5.3 |
$1.40 / $4.40 | $0.56 / $1.76 起 | 9 | 低至約4折，便宜60% | 查看 5.3 |
glm-5.3-flash |
$0.15 / $0.50 | $0.072 / $0.24 起 | 7 | 低至約4.8折，便宜52% | 查看 Flash |
glm-5.3-flashx |
$0.37 / $1.25 | $0.148 / $0.50 起 | 4 | 低至約4折，便宜60% | 查看 FlashX |
GPT 體驗卡（GPT-6 Astra、GPT-6 Sol、GPT-5.6、GPT-5.5、gpt-5.6-luna、gpt-5.6-sol、gpt-5.6-terra、gpt-6.1-sol、gpt-6-astra、gpt-6-sol和gpt-6-luna 可用）
現在註冊，領取 $20 GPT 體驗卡
GLM-5.5 vs GLM-5.3 一覽
| 面向 | GLM-5.3 | GLM-5.5 |
|---|---|---|
| 現有證據 | 已發布模型與官方文件 | 10 月 31 日 的個人檔案擷取畫面與 Lumina 報導 |
| 訓練方向 | 與 5.2 使用相同基礎模型；透過後訓練改進 | 據報採用下一代基礎模型，並合併內部模型 |
| 上下文 / 最大輸出 | 1M / 128K token | 引用資料中未公布 |
| 輸入 | 文字；Flash 是獨立的多模態同系列模型 | 未公布 |
| 推理 | 始終啟用；low / high / max 推理強度 | 尚未公布公開請求的控制選項 |
| 程式開發證據 | 廠商公布的基準測試與文件記載的工作流程 | 程式開發沙盒、金融環境與 RSI 研究線索 |
| 公開參數資訊 | 請參閱官方模型卡；與 Flash 分開看待 | 最終總參數量與啟用參數量未知 |
| API / 價格 | 已有文件記載的模型 ID 與價格 | 在註明時間的查核中，APIMaster 無公開路由 |
| Flash 變體 | 5.3-Flash 已可用；FlashX 為更快的服務層級 | OpenCode 有 5.5-Flash 資料條目，規格未知 |
來源時間線請參閱 GLM-5.5 最新消息。本比較聚焦於開發方向、目前成本，以及如何評估後續發布的版本。
訓練：後訓練升級與下一代基礎模型線索
Z.ai 表示，GLM-5.3 與 GLM-5.2 共用基礎模型。其進步來自後訓練：擴大可執行工作環境的規模、改善獎勵驗證，以及以更長程的軟體工程任務進行訓練。[6]
GLM-5.5 擷取畫面提及下一代基礎模型，並涉及程式開發後訓練及內部模型合併。Lumina 的澄清指出，32B / 122B / 256B 是內部訓練模型，並非即將推出的三個公開版本。合併方法及最終 5.5 架構均未說明。
若這些工作落實於正式發布的版本，改進範圍可能不再侷限於對同一基礎模型進行另一輪調校。能力究竟會改變多少，仍有待發布規格與可比較的評估結果回答。
程式開發與代理：可能有哪些改進？
GLM-5.3 已以端到端工程工作為目標。其官方文件描述的任務涵蓋程式碼、內部文件、實驗結果與運算資源，並要求模型診斷問題、實作變更及驗證結果。同一份文件也討論了合成環境、評判代理，以及防止模型透過捷徑取得獎勵的檢查機制。[6]
5.5 的報導則進一步提到量化金融環境、程式開發沙盒，以及由代理自行產生訓練資料。RSI 報導指出，擷取的個人檔案中所寫的「100% RSI」是一項願景。原始貼文稱程式開發代理的工作值得期待，但尚未完成。[4]
實用的改進應體現在更少半途放棄的除錯嘗試、更好的測試選擇，以及更多正確完成的最終交付。更強的自生成訓練循環或許有助於這些行為；但僅憑報導無法確立實際效果。更長的思考時間或更大參數量的傳聞，並不等於經過量測的完成率提升。
基準測試：應保留的 GLM-5.3 基準
Z.ai 公布了以下 5.3 結果。[6] 這些是廠商在所引用測試框架下報告的結果。檢索到的來源中沒有 5.5 分數，因此無法計算領先百分比。
| 評估 | GLM-5.3 已公布結果 | GLM-5.5 |
|---|---|---|
| Terminal-Bench 3.0 | 28.3 | 引用來源中無已公布結果 |
| DeepSWE v1.1 | 66.9 | 引用來源中無已公布結果 |
| Agents’ Last Exam | 28.5 | 引用來源中無已公布結果 |
| Z.ai Code Bench, Max | 34.5%，每項任務約 75K 輸出 token | 引用來源中無已公布結果 |
開放存取後，若要進行實務比較，應固定使用相同的程式碼儲存庫、工具權限、測試框架、推理預算與時間限制。記錄任務成功情況、隱藏測試結果、工具錯誤、token 總量、重試次數及實際耗時。Flash 基準測試應保留在獨立欄位中，因為 GLM-5.3-Flash 與旗艦版是不同模型。
API 價格與每項完成任務的成本
請使用 5.3 模型卡 查看目前路由報價，並透過 5.5 模型卡 追蹤未來供應情況。在註明時間的查核中，5.3 的價格範圍為輸入 $0.56–$1.40 / 輸出 $1.76–$4.40；Flash 為 $0.072–$0.15 / $0.24–$0.50；FlashX 為 $0.148–$0.37 / $0.50–$1.25。每組最低輸入與輸出價格均來自同一條可用路由。以下範例不包含快取輸入、工具及其他費用。
假設一項任務使用 100,000 個未快取輸入 token 與 20,000 個輸出 token：
| 採用費率 | 計算方式 | Token 成本 |
|---|---|---|
| GLM-5.3 官方費率 | 0.1 × $1.40 + 0.02 × $4.40 | $0.228 |
| APIMaster 5.3 起價路由 | 0.1 × $0.56 + 0.02 × $1.76 | $0.0912 |
| GLM-5.5 | 尚未公布公開價格 | 目前無法計算 |
在 token 用量相同的情況下，第二列便宜60%。這是算術計算，並非實際工作負載的量測結果。如果一項任務需要三次完整嘗試，且每次用量相同，其 5.3 token 成本將為 $0.2736。未來評估 5.5 價格時，除了 token 費率，也需要考量成功率與重試用量。
應選擇哪個模型，又該測試什麼？
現有的文字型程式開發整合可選擇 5.3。若需要原生視覺處理或較低的 token 成本，可考慮 Flash；若服務速度的取捨很重要，則可考慮 FlashX。資訊稀少的 OpenCode 5.5-Flash 條目是一項發布線索，而非可用於部署的 API 規格。
可為取得 5.5 存取權預先準備以下建議測試；我們尚未在 5.5 上執行這些測試：
- 程式碼儲存庫修復：向兩個模型提供相同、版本固定且含有重試錯誤的多檔案專案。要求最小修補、回歸檢查，以及成功通過既有測試套件。評判重點是隱藏失敗案例，而非說明文字。
- 金融程式開發：提供一份含缺漏日期的固定資料集，並要求避免前視偏誤。要求可執行的程式碼、訓練 / 測試邊界驗證，以及可重現的報告。這可用來檢驗據報的環境方向，同時不預設模型具備專業準確度。
- 代理復原：讓一次工具回應不完整，並讓一項測試失敗。檢查代理是否會檢視失敗原因、調整方法，並在相同預算內完成原始任務。
這些任務將報導中的訓練方向轉化為可觀察的行為。請原樣沿用於 5.3 及日後的 5.5 端點。
透過 APIMaster 建立 GLM-5.3 基準
註冊、建立 API 金鑰，並設定 https://apimaster.ai/v1，搭配 glm-5.3 使用。文件記載的模型要求啟用推理；請勿將停用思考的設定帶入請求。
curl "https://apimaster.ai/v1/chat/completions" \
-H "Authorization: Bearer $APIMASTER_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"glm-5.3","thinking":{"type":"enabled"},"reasoning_effort":"max","messages":[{"role":"user","content":"Inspect this bug report, propose a patch, and include tests that verify the fix."}]}'
讓模型 ID 保持可設定，並儲存評估產出。經查核的 5.3 起價路由，相較官方未快取費率低至約4折，便宜60%；待實際路由可用後，再加入 GLM-5.5 整合細節。
FAQ
GLM-5.5 的程式開發能力比 GLM-5.3 更好嗎？
報導中的訓練方向顯示，程式開發是重點之一，但引用來源中未找到可比較的 5.5 結果。目前尚無法宣稱經量測證實的領先幅度。
GLM-5.5 的上下文視窗更大嗎？
目前未提供其上下文與輸出上限。文件記載的 5.3 基準為 1M 上下文與 128K 輸出。
32B、122B 與 256B 是 GLM-5.5 的公開版本嗎？
Lumina 已澄清，這些是正在合併至下一代基礎模型的內部後訓練模型。
GLM-5.5 比 GLM-5.3 更便宜嗎？
這些來源中沒有公開的 5.5 價格。APIMaster 經查核的 5.3 起價組合為每百萬輸入 / 輸出 token $0.56 / $1.76。
我應該等待 GLM-5.5 嗎？
目前的工作應使用可用模型，並建立可重現的基準。可持續關注 5.5 據報的下一代基礎模型、程式開發與 RSI 方向；請將發布日期的預期與已確認的 API 存取情況分開看待。
來源
查核日期：2026 年 11 月 1 日。建議評估與成本範例均非 5.5 測試結果。
- Lumina：GLM-5.5 後訓練原始貼文。
- LuminaBench：保留的個人檔案擷取畫面與後訓練報導。
- Lumina：內部模型澄清。
- Lumina：代理產生訓練資料，以及 RSI 報導。
- OpenCode：GLM-5.5-Flash 資料。
- Z.ai：GLM-5.3 文件。
- Z.ai：GLM-5.3-Flash 文件。
- Z.ai：官方定價。
- APIMaster 即時市集，11 月 1 日 21:24 UTC+8：5.5、5.5 Flash、5.3、Flash、FlashX。