智譜發布GLM-5.1的時候，盤中漲幅一度接近19%，收盤漲幅11.5%。到了GLM-5.2，當天暴漲32.8%，一周後市值突破萬億。按照這個邏輯來看，GLM-5.3發布後，智譜股價不得起飛嘍？

可事與願違，8月14日發布GLM-5.3當天，智譜跌3.57%，日內回撤超11%。

智譜GLM-5.3的成績單很亮眼。DeepSWE的66.9分超過了V4 Pro的62.7，Terminal Bench 3.0從5.2的4.6分暴漲到 28.3分拿下開源第一，CyberGym以84.5%登頂全球，在高難度編程任務上，只用了不到Claude Opus 4.8一半的 token，就拿到了更高的完成率。

在智譜官方放出的性能圖裏，編程、終端操作、Agent任務、網絡安全等八方面，贏過了DeepSeek V4 Pro正式版七項，對DeepSeek形成了「精準狙擊」。

但是卻很少有人注意到，GLM-5.3其實並非「新」模型，它和GLM-5.2 用的是同一個7430億參數基座，所有提升全靠後訓練。這和DeepSeek V4 Pro從預覽版到正式版的邏輯是一樣的，後者也都是同一個1.6T基座，能力躍遷同樣來自後訓練。

GLM-5.3之於5.2，就是V4 Pro正式版之於預覽版。兩者的不同在於，智譜沒有漲價，DeepSeek卻漲了一大截。從8月17日0點開始，DeepSeek API新一輪調價，全面引入峯谷分時定價機制，整體價格較此前出現大幅上調，全計費項漲幅區間為50%至1100%。

還有一點，那就是在自進化這塊，智譜已經和DeepSeek形成了初步交鋒。GLM-5.3的新後訓練方法，本質上是一種模型自進化。而DeepSeek V4 Pro同步發布的DeepSeek Harness，其插件即一切的策略，也是為了自進化。

自進化是公認通往AGI的賽道，眼下國產大模型的 AGI 賽道，本質上就是智譜、DeepSeek、Kimi 三家的競速。 都喊着 AGI，都在拼誰的模型更像一個能獨立幹活的 "人"。

兩家的方法論究竟有何不同？

先看智譜這邊。GLM-5.2到5.3最核心的變化是加入了一套「自己出真題自己做」的環境合成流水線。

在GLM-5.2的時期，訓練環境還主要靠人工搭建，所以題型有限、場景也偏模擬題。

到了5.3，智譜引入了一個全自動的環境生成機制。

具體來講，智譜用了一個「AI研究員」（研究Agent）去真實場景裏面抄題目。比如它會觀察工程師到底怎麼幹活，把真活兒變成考題。

其實很早之前的生成對抗就採用了類似的邏輯，用機器給機器出題。

可機器出題沒法保證每道題都是好題。 有的題可能根本解不出來（出題時條件給錯了），有的題可能缺關鍵信息（做到一半卡死），有的題可能是「無解題」（mission impossible）。如果這些廢題混進訓練題庫，模型辛辛苦苦刷了半天，刷的是一道根本做不出來的題。

因此智譜用了一個AI判卷員（判斷Agent），先自己做一遍。 相當於出題人出完卷子，先自己答一遍，確認「這題真的能解出來」，不是道廢題。防止出那種連老師都不會做、純粹難為學生的怪題。

判卷員在做題過程中，不許看參考答案，只看解題過程。

如果是帶着答案做題，那麼模型可能學會「背答案」或者「抄近路」。表面上得分高，實際啥也沒學會。所以判卷員得盯着解題軌跡，看它是不是一步一個腳印真解出來的，有沒有鑽漏洞、走捷徑。只有「題能出、能做、過程乾淨」三道關卡全過了，這道題才配進訓練題庫。

這套流水線讓訓練環境規模擴大了數倍。

除了方法改變以外，刷題的整個基礎設施也得到了升級。

slime是智譜從GLM-5時代就一直在用的一套訓練框架，你可以把它理解成一個自動化的刷題工廠。

5.3在這套工廠上做了兩層大改造。第一層是算法層面，新增了一批技術配置，最關鍵的一個改動，是讓練習和考試的環境幾乎完全一致。兩者計算結果的平均差異控制在千萬分之一的量級，比之前精確了99.99%。

AI的強化學習，本質上是成千上萬輪的循環。先考試生成一批答卷，再根據答卷講課更新模型，然後再考試、再講課，無限循環。

如果練習和考試的環境有一點點不一樣，每一輪都帶入一點誤差，一萬輪下來誤差就滾成了大雪球，模型可能學歪甚至直接崩掉。

就好比NBA比賽中，三分線弧頂距離是7.24米，底角是6.7米，但是FIBA國際籃聯的三分線是6.75米，如果練習的時候以FIBA的標準，那麼到了NBA中就適應不了那麼遠的三分線。

第二層是系統層面，智譜給這個出題工廠加了一堆效率優化。

常用的數據放到近處緩存，不用每次去遠處取。相當於教材室緊挨教室，拿到教材就可以立馬發給學生。

多個老師還可以自動切換，還能提前備好課，任務調度讓每台機器都不閒着，還能根據題型自動調整到最優配置。這些優化疊在一起，長程編碼任務的整體訓練速度翻了2.3倍。

在Agent領域影響力最大的Terminal Bench 3.0基準數，得分從5.2的4.6分，暴漲到了5.3的28.3分，拿下開源模型第一。DeepSWE v1.1從46.2漲到66.9，Agents' Last Exam從23.8漲到28.5，AutomationBench從26.2漲到48.2。

再看DeepSeek這邊，從預覽版到正式版，DeepSeek V4 Pro也強化了後訓練。預覽版的監督微調數據以通用問答和基礎代碼為主，而在正式版當中，新增了大量Agent專用的多步驟工具調用對話範例。

以前教模型的例子，是「幫我寫封郵件」這種一問一答。現在換成「把文件夾裏所有PDF轉成Word」這種真活兒。AI得先掃文件夾，然後識別PDF，並逐個進行轉換。一切都完成後，匯總報告，一環扣一環。

同時，DeepSeek把GRPO強化學習的獎勵函數給重新設計了一遍。

預覽版在Agent場景下有兩個常見的硬傷，其一是工具調用死循環，反覆調用同一工具但提取不到有用信息；其二是參數解析錯誤，JSON格式錯、必填字段漏。

正式版的獎勵信號專門針對這兩類失敗做了懲罰，在需要35次工具調用的複雜任務中，正式版基本可以一次跑通不再卡死。

唐傑vs梁文鋒+崔添翼

技術路線的背後從來都是人的理念。智譜和DeepSeek這場對抗，本質上是兩種AGI路徑的對撞。

智譜創始人唐傑在7月11日發布了內部信《巨浪已來》，宣佈啓動「Touch High（摸高）計劃」。信中寫到，未來兩年不把重心放在商業變現上，集中資源衝AGI的下一個高地。

唐傑把AGI的突破拆解為三座必須翻越的大山，第一座是記憶，長上下文和RAG已經逼近記憶雛形；第二座是完全自治的智能體系統（Autonomous Agent System，即持續學習和自我評判），模型迭代頻次的提升本身就在逼近持續學習，前沿模型已顯露自我評判的萌芽；第三座是自進化（Self-Evolving）。

唐傑表示，「AI訓練AI已經成型，模型自己寫代碼、自己清洗與合成數據、自己訓練自己。這或許會消耗一些算力，卻節省了最寶貴的人力與時間。而在大模型時代，速度是最重要的，快速迭代會直接拉開認知的代際差距。」

前文提到的GLM-5.3後訓練辦法，本質上就是一種自進化。

不過自進化最有魅力的地方，並不在於它如何實現了開發者一開始給它規定的目標。就比如GLM-5.3，的確通過自進化，讓性能更強了。但最有魅力的地方在於，GLM-5.3獲得了極強的網絡安全能力。

智譜給GLM-5.3做後訓練時，確實往訓練環境里加了一些漏洞挖掘的任務。初衷很簡單，讓模型找漏洞、分析漏洞的能力強一點。

結果訓練規模上去了，事態也跟着失控了。

官方博客中寫到，「我們本來以為它只是更會找單個漏洞，但出乎意料的是，它開始跨越漏洞利用的多個階段，形成完整的攻擊鏈計劃。」

在CyberGym測試中，任務要求模型從白盒源碼出發識別並驗證漏洞，GLM-5.3拿到了84.5%分，全球第一，壓過了Anthropic的Claude Mythos 5（83.8%）和 GPT-5.6 Sol（83.6%）。

DeepSeek在自進化這道題上，給出的答案是「插件」。梁文鋒把模型基座凍結在1.6T不動，崔添翼帶隊的DSH框架則把「自進化」發生的場所，從模型內部搬到了模型外部。

DSH的核心設計原則只有五個字，「一切皆插件」（Everything is a Plugin）。模型接入、工具註冊表、會話日誌、審批策略、沙箱、存儲、上下文管理、甚至驅動 Agent 運轉的主循環本身，全都是可以拔插的積木。

底層的Cordis微內核只負責插件的加載、卸載和依賴管理，其他什麼都不管。

DSH在GitHub宣佈開源的當天，也發布了一篇長達88頁的論文《時空可組合性的編程範式》，來闡述DSH的理論基礎。

Cordis最關鍵的特性叫「可逆效應」。它指的是，每個插件註冊時產生的所有副作用都被追蹤，卸載時自動回收，不留垃圾、不漏內存。

這意味着Agent可以在運行過程中隨時更換插件，覺得這個搜索引擎不好用。OK，馬上換下一個。甚至可以在Agent跑任務的時候換掉它的決策策略，類似於「熱插拔」一樣，即便更改插件，運行狀態也不會崩。

簡單來說，傳統的Agent非常死板，師傅怎麼教，他就怎麼學，只要超出知識點就會無能為力。DSH發現缺扳手時，現場自己鍛造一把、插到手上接着擰螺絲，用完還能拆下來。

插件化還有另外一層含義，那就是相互獨立。傳統軟件之間存在強依賴關係，改了A，可能B就會受牽連。插件之間相互獨立，因此可以相互演化，進而帶動整個模型實現自進化。

DSH發布不到兩天，就在GitHub就收穫10萬顆以上的星星，可見開發者社區對它的青睞。

但智譜和DeepSeek其實是兩種完全不同的自進化觀。

唐傑追求的是「模型自己變聰明」，進化發生在訓練階段，目標是提升模型本身的智商；梁文鋒和崔添翼追求的是 「模型的身體可以無限重組」，進化發生在推理和運行階段，模型本身的智商不變，但它的「手腳」和「器官」可以隨時替換、擴展、升級，能力邊界由插件生態的豐富程度決定。

如果說唐傑的自進化是生物學意義上的進化 ，基因在迭代中變得更聰明。那梁文鋒+崔添翼的自進化就是工具意義上的進化，人本身沒變，但從石器到青銅器到蒸汽機，工具的重組讓人的能力指數級擴張。

兩條路線誰對誰錯，沒人能定奪，然而智譜的股價成了這場對抗的風向標，甚至被網友戲稱為「衡量DeepSeek模型能力最好的測試集」。

4月24日DeepSeek V4預覽版發布當天，智譜暴跌逾9%，隨後幾個交易日持續下挫，4月28日盤中一度跌超13%、跌破千元大關。

市場的邏輯是，DeepSeek又強又便宜還開源，而智譜這邊卻在漲價。

從2月開始智譜連續上調API定價，一季度累計漲幅約83%，4月GLM-5.1發布時完成年內第三次提價。

這就導致智譜的商業化空間被擠壓，估值邏輯遭到了質疑。

8月13日，V4 Pro正式版遭遇烏龍事件，凌晨靜默發布、白天官網橫幅撤下公告刪除、後端指紋改回Preview狀態、不到24小時又重新發布。當天智譜股價反而從開盤1230港元漲到收盤1317港元，漲幅約9%。

對手「翻車」被解讀為自身利好，說明市場已經從「DeepSeek出模型 = 智譜利空」的簡單零和邏輯，轉向了對兩家路線可持續性的更微妙博弈。

8月14日GLM-5.3發布當天，智譜股價高開低走，開盤1356港元、盤中最高衝到1435港元，收盤卻跌到1270港元，跌幅3.57%，從日內最高點算回撤超過11%。

這可能意味着投資者不再只看模型的性能本身，而是唐傑的「自進化閉環」和梁文鋒+崔添翼的「插件化生態」之間，哪條路更可能跑到AGI的終點。

GLM-5.3雖然八項贏七項，但市場認為這是「符合預期」的後訓練迭代，沒有超出基座不變的框架。V4 Pro+DSH的組合，或許纔是長期變量。

從「價格屠夫」到集體漲價

前面說完了智譜漲價，現在該說說DeepSeek漲價了。

DeepSeek一直以「價格屠夫」著稱，早在V3時代，DeepSeek就用極致的性價比，打穿了整個行業的價格底線。後面到了V4預覽版，DeepSeek又延續了這個策略，緩存命中輸入低至0.025元/百萬token，未命中輸入3元，輸出6元，幾乎是海外旗艦模型的幾十分之一。

但8月13日晚間，DeepSeek在發布V4 Pro正式版的同時官宣了API調價，從8月17日零點生效。

在這次價格調整中，DeepSeek首次引入了峯谷分時定價，高峯時段為北京時間9:00-12:00和14:00-18:00，空閒時段價格為高峯的一半。

V4 Pro高峯時段緩存命中輸入從0.025元漲到0.3元，漲幅12倍；未命中輸入從3元漲到9元，漲幅3倍；輸出從6 元漲到27元，是原來的4.5倍。空閒時段則分別為0.15 元、4.5元和13.5元。V4 Flash也同步調價，空閒時段緩存命中0.05元、未命中1.5元、輸出4.5元，高峯翻倍。

對於一個以「便宜」為核心競爭力的公司來說，DeepSeek這番漲價勢必削弱了公司的吸引力。

開發者圈子裏，從「梁文鋒的恩情還不完」的論調，變成了「梁聖變樑子」的調侃。社區吐槽稱，DeepSeek每貴一塊錢，就要破產幾百家OPC（單人公司），現在漲了好幾倍，幾乎已經不給這些獨立開發者留退路了。

不過漲價的並非只有DeepSeek和智譜，全行業都在漲價。

DeepSeek作為最後一個堅持低價的頭部玩家，它的漲價標誌着一個時代的結束。用低價換規模、用補貼換市場份額的階段，正式落幕了。

漲價的本質不是算力貴了，這是所有人都能用的藉口。真正的原因是公司長大了。

AGI研發是個無底洞，唐傑的摸高計劃要投入百億級做可解釋性、建合成數據工廠、搞自治智能體系統，梁文鋒要除了迭代模型以外，現在還要養DSH的開源生態。

不能一直靠孖展和燒錢，終究得靠自己造血。當模型能力逼近海外第一梯隊，而模型價格卻繼續保持海外頭部的幾十分之一出售時，本質上是在賤賣自己的技術溢價，也是在告訴資本市場我還沒準備好掙錢。

漲價是從成本加成定價轉向價值定價，模型值多少錢，應該由它能替用戶創造多少價值決定。