GLM-5.3 击败 GPT-5.6-Sol 的那天，国产 Coding Agent 才真正能交付
胡新宇
发布于 2026-08-15
用 Datawhale 在 8 月 15 日做的同题实测切片，论证国产开源模型（GLM-5.3）+ 国产 Agent 运行时（DeepSeek Harness）首次在生产级任务里，工程细节反超 GPT-5.6-Sol。这是一个被官方宣传词掩盖的工程拐点。
GLM-5.3 击败 GPT-5.6-Sol 的那天，国产 Coding Agent 才真正能交付
8 月 13 日 DeepSeek Harness 公测。8 月 14 日智谱甩出 GLM-5.3，Z.ai Code Bench 编程能力暴涨 50%，顺手在国内外项目里挖出 2404 个漏洞。8 月 15 日，Datawhale 拿这套组合跟 GPT-5.6-Sol 跑同一道生产级抠图 Web app——核心功能打平，工程细节反超。
官方通稿铺天盖地讲"50%"和"2404"。这俩数字我不会否认真实性，但我要说句难听的：榜单分数和漏洞猎杀，都不是这场发布真正值得你关心的东西。
真正的大事是：国产开源模型第一次在生产级任务里，工程交付能力超过了 GPT-5.6-Sol。这事发生在 8 月 15 日，之前从没发生过。
同基座榨出 50%，后训练干的事比你想的脏
GLM-5.3 没有换基座，没有扩参数，没有重新预训练。智谱的工程师只是在 GLM-5.2 的基座上做后训练，就把编程能力拉高了 50 个点。
这意味着什么？基座里的能力本来就在那里，只是没被激发。 后训练不是灌输新知识，是把模型已经在潜伏的东西逼出来。像给一个会弹琴但没上过台的人做突击排练，台上突然稳了。
智谱联合国内安全团队做的白盒审查也值得提。发布前两周，GLM-5.3 在国内外项目里定位出 2404 个潜在漏洞，1088 个中高危。最早的风险可以追溯到 40 多年前——DNS 协议、邮件传输、操作系统底层的陈年旧账。
这不是"AI 抓 bug"的玩具 demo。一个有 40 年跨度的代码库安全检查，即使对人类专家来说也是地狱级任务。GLM-5.3 做这件事的方式，是深入到协议实现和内存管理层面，不是给代码拍 X 光片，是在翻一座旧宅的承重墙。
但注意，漏洞发现能力跟"工程交付能力"是两码事。能找出 40 年前的 bug，不代表能写出 40 年后还能维护的代码。 前者是诊断，后者是建造。真正的考验在三天后的 Datawhale 实测里。
没有 Harness，GLM-5.3 只是一块好芯片
如果你用 Codex 类产品的思路看 DeepSeek Harness，你会完全搞错重点。它不是一个"DeepSeek 牌 VS Code"，也不是国产 Claude Code。
DSH 是一个 Agent 运行时。 给它换个类比的话，它是 Agent 世界的 Linux 内核，不是又一个发行版。
Everything is a plugin——模型适配器是插件，策略是插件，提示词模板是插件，存储方案是插件，UI 是插件，上下文压缩策略也是插件。你拿一组插件拼出一个属于自己的 Coding Agent，跟拿 syscall 组装出一个操作系统变体一样自由。
公测几天内 300 个插件冒出来。注意，这不是 VS Code 插件市场那种"给你的编辑器加个主题包"。DSH 的插件切到 Agent 的大脑、工具箱、规则引擎、交互界面——是神经外科手术刀，不是贴纸。
对 GLM-5.3 来说，Harness 的价值很具体：它把模型从"能写好代码"推到"能交付可上线的活"。 光有模型，你只能在聊天框里让它生成一个抠图函数。接进 Harness，你让它跑通一个完整的 Web 应用——账号体系、异常处理、部署文档、安全响应头，全都有地方落地。
Datawhale 做的就是这件事。他们把 GLM-5.3 接进 DeepSeek Harness，跟 GPT-5.6-Sol 跑同一道题。GPT-5.6-Sol 用的什么环境？大概率是 OpenAI 自家最顺手的那个。你猜结果怎么着。