没有一家模型厂商最近能够放松警惕。前后大概不到48小时，DeepSeek和智谱相继更新了自己的模型进展。
先是DeepSeek于8月12日晚将API文档更新为DeepSeek-V4-Pro正式版，又于13日对官宣内容进行了回撤和重新发布，但调整期间保留API服务；再是8月14日，智谱GLM-5.3正式发布。
抛开DeepSeek回撤事件本身可能存在的问题暂且不谈（当时大量评测称第三方测试结果与官方声明不符，甚至反馈不如同模型的Flash版本），官方公告显示，正式版DeepSeek V4 Pro是一款针对Agent（智能体）能力进行增强的模型，尤其在生产环境任务中表现出更为明显的性能提升。
(相关资料图)
在Agent相关评测集中，其总体成绩与Kimi K3、Opus 4.8和Fable 5在同一水平线上。
智谱GLM-5.3则继续强调编程能力。该模型与前代GLM-5.2使用完全相同的基座模型，主要通过后训练提升性能，利用强化学习（基于IndexShare、SAO以及新一代Slime框架）扩展了长程任务环境和训练时长。
从评测集表现来看，GLM-5.3的部分能力接近Fable 5和GPT-5.6 Sol，并在展示出来的多个榜单中成绩超过了Kimi K3，但在聚焦长程软件工程与持续代码修改能力的DeepSWE v1.1上仍然不及K3。
安全是GLM-5.3强调的另一个特性，此前Anthropic的Mythos 5曾引起模型安全性能的话题热度。
据其介绍，在CyberGym测试中，模型从白盒源代码出发，通过触发程序故障来识别和验证漏洞，GLM-5.3得分为84.5%，略高于Mythos 5的83.8%和GPT-5.6 Sol的83.6%；在更考验深度推理能力的ExploitBench中，GLM-5.3得分为54.4%，低于Mythos 5的78.0%和GPT-5.6 Sol的76.5%。
在用户层面，或是由于DeepSeek-V4-Pro正式版受到初期问题的影响，多名完成测试的受访者对界面新闻记者表示，在编程任务上，GLM-5.3的体验比DeepSeek-V4-Pro正式版更好。
不过，其中一名开发者明确表示，这两者可能都不会作为工作流主力，“国产模型里面，目前还是只有K3在第一梯队。”他说，这不仅体现在能力提升全面上，在性价比层面也有意义。
这个结论的一个重要背景是DeepSeek对其API定价策略进行了调整。
其API将首次采用峰谷定价模式，其中闲时段的使用价格将降至高峰时段的一半。但从DeepSeek V4 Pro高峰期价格来看，其缓存命中输入和缓存未命中输入单价分别同比增长1100%及200%，输出价格同比增长350%。
细致到K3与DeepSeek-V4-Pro正式版之间，涨价前，前者缓存命中输入价格为后者约一千倍，目前则是十倍左右，缓存未命中输入价格则从6倍有余减少到约2倍（高峰期），输出价格也从过去的16倍左右降低到现在的约4倍。
曾经一度悬殊的性价比表现，如今再将任务的对话轮次、完成质量、整体时长考虑其中，不同诉求的开发者再作抉择时答案可能会发生变化。
事实上，无论是DeepSeek-V4-Pro正式版还是GLM-5.3，都是在上一代基座模型基础上进行后训练迭代，Kimi K3实现性能突破则源于对基座模型再度扩大规模训练。这两种选择说明了什么问题？
一名AI领域投资人表示，从模型技术层面来说，这至少说明两点，预训练Scale Up仍然有用、现有规模后训练也有极大提升空间——在这一点上，更好的证据是1.5T的Grok 4.6，几乎达到了GPT-5.6、Opus 5的同等水平。
对国产模型厂商而言，这意味着代际层面的性能跨越，或许仍然绕不开基座模型的Scale Up，而与此同时，在它们实现这一点之前，Kimi K3的潜能显然也还没有充分挖掘。
