文 | 字母 AI
智谱发布 GLM-5.1 的时候，盘中涨幅一度接近 19%，收盘涨幅 11.5%。到了 GLM-5.2，当天暴涨 32.8%，一周后市值突破万亿。按照这个逻辑来看，GLM-5.3 发布后，智谱股价不得起飞喽？
可事与愿违，8 月 14 日发布 GLM-5.3 当天，智谱跌 3.57%，日内回撤超 11%。
智谱 GLM-5.3 的成绩单很亮眼。DeepSWE 的 66.9 分超过了 V4 Pro 的 62.7，Terminal Bench 3.0 从 5.2 的 4.6 分暴涨到 28.3 分拿下开源第一，CyberGym 以 84.5% 登顶全球，在高难度编程任务上，只用了不到 Claude Opus 4.8 一半的 token，就拿到了更高的完成率。
在智谱官方放出的性能图里，编程、终端操作、Agent 任务、网络安全等八方面，赢过了 DeepSeek V4 Pro 正式版七项，对 DeepSeek 形成了 " 精准狙击 "。
GLM-5.3 之于 5.2，就是 V4 Pro 正式版之于预览版。两者的不同在于，智谱没有涨价，DeepSeek 却涨了一大截。从 8 月 17 日 0 点开始，DeepSeek API 新一轮调价，全面引入峰谷分时定价机制，整体价格较此前出现大幅上调，全计费项涨幅区间为 50% 至 1100%。
还有一点，那就是在自进化这块，智谱已经和 DeepSeek 形成了初步交锋。GLM-5.3 的新后训练方法，本质上是一种模型自进化。而 DeepSeek V4 Pro 同步发布的 DeepSeek Harness，其插件即一切的策略，也是为了自进化。
自进化是公认通往 AGI 的赛道，眼下国产大模型的 AGI 赛道，本质上就是智谱、DeepSeek、Kimi 三家的竞速。 都喊着 AGI，都在拼谁的模型更像一个能独立干活的 " 人 "。
两家的方法论究竟有何不同？
先看智谱这边。GLM-5.2 到 5.3 最核心的变化是加入了一套 " 自己出真题自己做 " 的环境合成流水线。
在 GLM-5.2 的时期，训练环境还主要靠人工搭建，所以题型有限、场景也偏模拟题。
到了 5.3，智谱引入了一个全自动的环境生成机制。
具体来讲，智谱用了一个 "AI 研究员 "（研究 Agent）去真实场景里面抄题目。比如它会观察工程师到底怎么干活，把真活儿变成考题。
其实很早之前的生成对抗就采用了类似的逻辑，用机器给机器出题。
可机器出题没法保证每道题都是好题。 有的题可能根本解不出来（出题时条件给错了），有的题可能缺关键信息（做到一半卡死），有的题可能是 " 无解题 "（mission impossible）。如果这些废题混进训练题库，模型辛辛苦苦刷了半天，刷的是一道根本做不出来的题。
因此智谱用了一个 AI 判卷员（判断 Agent），先自己做一遍。 相当于出题人出完卷子，先自己答一遍，确认 " 这题真的能解出来 "，不是道废题。防止出那种连老师都不会做、纯粹难为学生的怪题。
判卷员在做题过程中，不许看参考答案，只看解题过程。
如果是带着答案做题，那么模型可能学会 " 背答案 " 或者 " 抄近路 "。表面上得分高，实际啥也没学会。所以判卷员得盯着解题轨迹，看它是不是一步一个脚印真解出来的，有没有钻漏洞、走捷径。只有 " 题能出、能做、过程干净 " 三道关卡全过了，这道题才配进训练题库。
这套流水线让训练环境规模扩大了数倍。
除了方法改变以外，刷题的整个基础设施也得到了升级。
slime 是智谱从 GLM-5 时代就一直在用的一套训练框架，你可以把它理解成一个自动化的刷题工厂。
5.3 在这套工厂上做了两层大改造。第一层是算法层面，新增了一批技术配置，最关键的一个改动，是让练习和考试的环境几乎完全一致。两者计算结果的平均差异控制在千万分之一的量级，比之前精确了 99.99%。
AI 的强化学习，本质上是成千上万轮的循环。先考试生成一批答卷，再根据答卷讲课更新模型，然后再考试、再讲课，无限循环。
如果练习和考试的环境有一点点不一样，每一轮都带入一点误差，一万轮下来误差就滚成了大雪球，模型可能学歪甚至直接崩掉。
就好比 NBA 比赛中，三分线弧顶距离是 7.24 米，底角是 6.7 米，但是 FIBA 国际篮联的三分线是 6.75 米，如果练习的时候以 FIBA 的标准，那么到了 NBA 中就适应不了那么远的三分线。
第二层是系统层面，智谱给这个出题工厂加了一堆效率优化。
常用的数据放到近处缓存，不用每次去远处取。相当于教材室紧挨教室，拿到教材就可以立马发给学生。
多个老师还可以自动切换，还能提前备好课，任务调度让每台机器都不闲着，还能根据题型自动调整到最优配置。这些优化叠在一起，长程编码任务的整体训练速度翻了 2.3 倍。
在 Agent 领域影响力最大的 Terminal Bench 3.0 基准数，得分从 5.2 的 4.6 分，暴涨到了 5.3 的 28.3 分，拿下开源模型第一。DeepSWE v1.1 从 46.2 涨到 66.9，Agents' Last Exam 从 23.8 涨到 28.5，AutomationBench 从 26.2 涨到 48.2。
再看 DeepSeek 这边，从预览版到正式版，DeepSeek V4 Pro 也强化了后训练。预览版的监督微调数据以通用问答和基础代码为主，而在正式版当中，新增了大量 Agent 专用的多步骤工具调用对话范例。
以前教模型的例子，是 " 帮我写封邮件 " 这种一问一答。现在换成 " 把文件夹里所有 PDF 转成 Word" 这种真活儿。AI 得先扫文件夹，然后识别 PDF，并逐个进行转换。一切都完成后，汇总报告，一环扣一环。
同时，DeepSeek 把 GRPO 强化学习的奖励函数给重新设计了一遍。
预览版在 Agent 场景下有两个常见的硬伤，其一是工具调用死循环，反复调用同一工具但提取不到有用信息；其二是参数解析错误，JSON 格式错、必填字段漏。
正式版的奖励信号专门针对这两类失败做了惩罚，在需要 35 次工具调用的复杂任务中，正式版基本可以一次跑通不再卡死。
唐杰 vs 梁文锋 + 崔添翼
技术路线的背后从来都是人的理念。智谱和 DeepSeek 这场对抗，本质上是两种 AGI 路径的对撞。
智谱创始人唐杰在 7 月 11 日发布了内部信《巨浪已来》，宣布启动 "Touch High（摸高）计划 "。信中写到，未来两年不把重心放在商业变现上，集中资源冲 AGI 的下一个高地。
唐杰把 AGI 的突破拆解为三座必须翻越的大山，第一座是记忆，长上下文和 RAG 已经逼近记忆雏形；第二座是完全自治的智能体系统（Autonomous Agent System，即持续学习和自我评判），模型迭代频次的提升本身就在逼近持续学习，前沿模型已显露自我评判的萌芽；第三座是自进化（Self-Evolving）。
唐杰表示，"AI 训练 AI 已经成型，模型自己写代码、自己清洗与合成数据、自己训练自己。这或许会消耗一些算力，却节省了最宝贵的人力与时间。而在大模型时代，速度是最重要的，快速迭代会直接拉开认知的代际差距。"
前文提到的 GLM-5.3 后训练办法，本质上就是一种自进化。
不过自进化最有魅力的地方，并不在于它如何实现了开发者一开始给它规定的目标。就比如 GLM-5.3，的确通过自进化，让性能更强了。但最有魅力的地方在于，GLM-5.3 获得了极强的网络安全能力。
智谱给 GLM-5.3 做后训练时，确实往训练环境里加了一些漏洞挖掘的任务。初衷很简单，让模型找漏洞、分析漏洞的能力强一点。
结果训练规模上去了，事态也跟着失控了。
官方博客中写到，" 我们本来以为它只是更会找单个漏洞，但出乎意料的是，它开始跨越漏洞利用的多个阶段，形成完整的攻击链计划。"
在 CyberGym 测试中，任务要求模型从白盒源码出发识别并验证漏洞，GLM-5.3 拿到了 84.5% 分，全球第一，压过了 Anthropic 的 Claude Mythos 5（83.8%）和 GPT-5.6 Sol（83.6%）。
DeepSeek 在自进化这道题上，给出的答案是 " 插件 "。梁文锋把模型基座冻结在 1.6T 不动，崔添翼带队的 DSH 框架则把 " 自进化 " 发生的场所，从模型内部搬到了模型外部。
DSH 的核心设计原则只有五个字，" 一切皆插件 "（Everything is a Plugin）。模型接入、工具注册表、会话日志、审批策略、沙箱、存储、上下文管理、甚至驱动 Agent 运转的主循环本身，全都是可以拔插的积木。
底层的 Cordis 微内核只负责插件的加载、卸载和依赖管理，其他什么都不管。
DSH 在 GitHub 宣布开源的当天，也发布了一篇长达 88 页的论文《时空可组合性的编程范式》，来阐述 DSH 的理论基础。
Cordis 最关键的特性叫 " 可逆效应 "。它指的是，每个插件注册时产生的所有副作用都被追踪，卸载时自动回收，不留垃圾、不漏内存。
这意味着 Agent 可以在运行过程中随时更换插件，觉得这个搜索引擎不好用。OK，马上换下一个。甚至可以在 Agent 跑任务的时候换掉它的决策策略，类似于 " 热插拔 " 一样，即便更改插件，运行状态也不会崩。
简单来说，传统的 Agent 非常死板，师傅怎么教，他就怎么学，只要超出知识点就会无能为力。DSH 发现缺扳手时，现场自己锻造一把、插到手上接着拧螺丝，用完还能拆下来。
插件化还有另外一层含义，那就是相互独立。传统软件之间存在强依赖关系，改了 A，可能 B 就会受牵连。插件之间相互独立，因此可以相互演化，进而带动整个模型实现自进化。
DSH 发布不到两天，就在 GitHub 就收获 10 万颗以上的星星，可见开发者社区对它的青睐。
但智谱和 DeepSeek 其实是两种完全不同的自进化观。
唐杰追求的是 " 模型自己变聪明 "，进化发生在训练阶段，目标是提升模型本身的智商；梁文锋和崔添翼追求的是 " 模型的身体可以无限重组 "，进化发生在推理和运行阶段，模型本身的智商不变，但它的 " 手脚 " 和 " 器官 " 可以随时替换、扩展、升级，能力边界由插件生态的丰富程度决定。
如果说唐杰的自进化是生物学意义上的进化 ，基因在迭代中变得更聪明。那梁文锋 + 崔添翼的自进化就是工具意义上的进化，人本身没变，但从石器到青铜器到蒸汽机，工具的重组让人的能力指数级扩张。
两条路线谁对谁错，没人能定夺，然而智谱的股价成了这场对抗的风向标，甚至被网友戏称为 " 衡量 DeepSeek 模型能力最好的测试集 "。
4 月 24 日 DeepSeek V4 预览版发布当天，智谱暴跌逾 9%，随后几个交易日持续下挫，4 月 28 日盘中一度跌超 13%、跌破千元大关。
市场的逻辑是，DeepSeek 又强又便宜还开源，而智谱这边却在涨价。
从 2 月开始智谱连续上调 API 定价，一季度累计涨幅约 83%，4 月 GLM-5.1 发布时完成年内第三次提价。
这就导致智谱的商业化空间被挤压，估值逻辑遭到了质疑。
8 月 13 日，V4 Pro 正式版遭遇乌龙事件，凌晨静默发布、白天官网横幅撤下公告删除、后端指纹改回 Preview 状态、不到 24 小时又重新发布。当天智谱股价反而从开盘 1230 港元涨到收盘 1317 港元，涨幅约 9%。
对手 " 翻车 " 被解读为自身利好，说明市场已经从 "DeepSeek 出模型 = 智谱利空 " 的简单零和逻辑，转向了对两家路线可持续性的更微妙博弈。
8 月 14 日 GLM-5.3 发布当天，智谱股价高开低走，开盘 1356 港元、盘中最高冲到 1435 港元，收盘却跌到 1270 港元，跌幅 3.57%，从日内最高点算回撤超过 11%。
这可能意味着投资者不再只看模型的性能本身，而是唐杰的 " 自进化闭环 " 和梁文锋 + 崔添翼的 " 插件化生态 " 之间，哪条路更可能跑到 AGI 的终点。
GLM-5.3 虽然八项赢七项，但市场认为这是 " 符合预期 " 的后训练迭代，没有超出基座不变的框架。V4 Pro+DSH 的组合，或许才是长期变量。
从 " 价格屠夫 " 到集体涨价
前面说完了智谱涨价，现在该说说 DeepSeek 涨价了。
DeepSeek 一直以 " 价格屠夫 " 著称，早在 V3 时代，DeepSeek 就用极致的性价比，打穿了整个行业的价格底线。后面到了 V4 预览版，DeepSeek 又延续了这个策略，缓存命中输入低至 0.025 元 / 百万 token，未命中输入 3 元，输出 6 元，几乎是海外旗舰模型的几十分之一。
但 8 月 13 日晚间，DeepSeek 在发布 V4 Pro 正式版的同时官宣了 API 调价，从 8 月 17 日零点生效。
在这次价格调整中，DeepSeek 首次引入了峰谷分时定价，高峰时段为北京时间 9:00-12:00 和 14:00-18:00，空闲时段价格为高峰的一半。
V4 Pro 高峰时段缓存命中输入从 0.025 元涨到 0.3 元，涨幅 12 倍；未命中输入从 3 元涨到 9 元，涨幅 3 倍；输出从 6 元涨到 27 元，是原来的 4.5 倍。空闲时段则分别为 0.15 元、4.5 元和 13.5 元。V4 Flash 也同步调价，空闲时段缓存命中 0.05 元、未命中 1.5 元、输出 4.5 元，高峰翻倍。
对于一个以 " 便宜 " 为核心竞争力的公司来说，DeepSeek 这番涨价势必削弱了公司的吸引力。
开发者圈子里，从 " 梁文锋的恩情还不完 " 的论调，变成了 " 梁圣变梁子 " 的调侃。社区吐槽称，DeepSeek 每贵一块钱，就要破产几百家 OPC（单人公司），现在涨了好几倍，几乎已经不给这些独立开发者留退路了。
不过涨价的并非只有 DeepSeek 和智谱，全行业都在涨价。
DeepSeek 作为最后一个坚持低价的头部玩家，它的涨价标志着一个时代的结束。用低价换规模、用补贴换市场份额的阶段，正式落幕了。
涨价的本质不是算力贵了，这是所有人都能用的借口。真正的原因是公司长大了。
AGI 研发是个无底洞，唐杰的摸高计划要投入百亿级做可解释性、建合成数据工厂、搞自治智能体系统，梁文锋要除了迭代模型以外，现在还要养 DSH 的开源生态。
不能一直靠融资和烧钱，终究得靠自己造血。当模型能力逼近海外第一梯队，而模型价格却继续保持海外头部的几十分之一出售时，本质上是在贱卖自己的技术溢价，也是在告诉资本市场我还没准备好挣钱。
涨价是从成本加成定价转向价值定价，模型值多少钱，应该由它能替用户创造多少价值决定。
