Z.ai 将 GLM-5.3 描述为与 GLM-5.2 同一基础模型、主要通过后训练改进的版本，并披露其在代码、终端和代理类基准上的提升。该产品目前在 GLM Coding Plan 中可用，API“即将推出”；公司基准需要被视为厂商披露，尚非独立复现结论。
DeepSeek Harness 是 DeepSeek 开源的开发者预览运行时，文档强调插件化、可替换的模型适配器和工具、会话日志、沙盒、审批与持久化。它是模型中立的代理基础设施，不是 GLM-5.3 的官方发行或集成。
Anthropic 在 2026 年的公告中称年化运行率从 2025 年末约 90 亿美元升至超过 300 亿美元，随后在 5 月达到 470 亿美元以上。Anthropic 为私有公司，这些是管理层披露的运行率，不是公开的季度损益表或利润。
GLM-5.3 的信息是后训练能力变化，不是独立性能定论
Z.ai 文档称，GLM-5.3 与 5.2 使用相同基座，更新集中在后训练；并给出 Code Bench、Terminal-Bench、DeepSWE、Agents' Last Exam 等项目的提升。文档还列出 100 万上下文、128K 输出、工具调用、结构化输出、上下文缓存与 MCP 等接口能力。
这些能力对长任务很重要：任务不是只产生一段回答，而是需要读写环境、调用工具、跨步骤保留状态并在失败时继续推进。基准分数仍不足以证明真实工作流中的稳定性、成本或安全性。
| 指标 | 本次披露 | 口径与边界 |
|---|---|---|
| GLM-5.3 基座 | 与 GLM-5.2 相同 | Z.ai 归因主要为后训练变化。 |
| 上下文 / 输出 | 1M / 128K | 官方文档列出的接口规格。 |
| 访问状态 | Coding Plan | 文档称 API 即将推出。 |
Harness 把模型能力放进可管理的执行循环
DeepSeek Harness 的架构将模型请求、工具调用和步骤记录组成一次代理回合；模型、工具、适配器和策略均可通过插件替换。这样，供应商模型不必决定整个运行时，执行环境也能保留审批、沙盒与状态。
这种可组合性降低了试验不同模型和工具的集成摩擦，但开发者预览明确提示兼容性破坏仍可能发生。它没有披露使用量、客户或收入，因此不能被当作算力需求已兑现的证据。
推理与工具选择
模型在每一步生成请求，调用工具并基于结果继续。
状态与治理
会话日志、审批、沙盒和持久化控制长任务如何执行。
可计费工作
只有任务被可靠执行并嵌入客户工作流，推理才可能形成持续收入。
Claude 的运行率是商业信号，不是因果证明
Anthropic 公告称其运行率超过 300 亿美元、客户中有超过 1,000 家年化支出超过 100 万美元的企业；5 月的融资公告又称运行率已超过 470 亿美元。它还披露了多吉瓦算力合作。
这支持“高价值企业代理任务正在商业化”的方向性判断，但不能证明 GLM-5.3 的能力或 DeepSeek Harness 的架构造成了 Claude 的增长，更不能用运行率直接换算为 token、GPU、MW、毛利或自由现金流。
反面也很重要：能力提升可能通过更少重试和更高效率降低单位任务 token；运行时的安全审批可能压低自主执行比例；私有公司数据无法让外部研究者验证客户、价格或使用结构。
IDC ATLAS VIEW真正的需求变量不是模型排行榜，而是长任务能否在受控环境中连续完成、被企业采纳并稳定结算。模型、运行时与商业化三者正在靠近，但还没有公开证据把它们锁成一条可量化的因果链。