GLM-5.3能力升级强化后训练扩展逻辑，但估值与竞争压力令评级维持中性
AI 摘要卡
GLM-5.3能力升级强化后训练扩展逻辑，但估值与竞争压力令评级维持中性
高盛认为GLM-5.3在模型能力、编程效率和安全能力上实现重要跃升，ZCode数据飞轮及行业定价趋于理性构成支撑，但短期盈利与竞争风险仍限制上行空间。
- GLM-5.3在参数规模维持7440亿不变的情况下，依靠后训练扩展实现性能提升，并在多项基准上优于更大参数规模的DeepSeek V4 Pro。
- 模型在编程、长周期任务执行和网络安全方面改善显著，单位任务成本效率亦有所提升。
- ZCode活跃用户已超过100万；其长周期真实编程任务数据可回流至模型后训练，形成产品使用、数据积累与模型优化的闭环。
- 模型订阅和API调价显示，随模型智能水平与任务完成能力提升，行业定价正向更理性水平演进。
- 12个月目标价为HK$1,610，较HK$1,270现价隐含26.8%上行空间；高盛仍以风险回报均衡为由维持中性评级。
研报解读
概览
本报告聚焦Z.AI Co.推出GLM-5.3后的技术与商业化进展。高盛认为，该版本验证了后训练扩展对中国大模型能力提升的重要性，并强化了公司在编程模型、智能体任务执行和开源生态中的竞争定位。尽管基本面长期机会仍在，报告因估值、竞争及盈利不确定性维持中性评级。
核心观点
GLM-5.3的性能提升主要来自后训练扩展，而非参数规模增加，反映更长任务环境、更长训练周期及强化学习框架升级的效果。公司在开源编程模型中的表现领先，模型权重计划在两周内发布；其MIT许可不含商业限制或收入分成条款。ZCode既是分发和变现工具，也是获取长周期、真实世界编程轨迹的重要数据入口，可支持后续模型后训练。订阅与API价格变化表明，模型能力提升正在增强定价权，并推动行业从激进补贴走向更理性的定价规范。高盛认为Z.AI估值溢价有一定基本面依据，但同行能力差距收窄、短期利润能见度有限，令当前风险回报保持均衡。
分析框架
报告结合模型基准测试与产品功能观察评估技术进展，比较主要中国大模型厂商的参数规模、定价和估值，并使用DCF框架推导目标价，同时设置牛市、基准和熊市场景评估风险回报。
方法论与常识提炼
DCF
以12%加权平均资本成本和2%永续增长率估值，并纳入市场份额与长期调整后EBIT利润率假设。
通过更长任务环境、训练周期及强化学习升级提升模型能力
报告将GLM-5.3能力提升归因于后训练扩展，而非扩大7440亿参数规模。
比较模型能力、单位任务成本、API价格及ARR估值倍数
用于评估Z.AI相对DeepSeek和MiniMax的技术优势、商业化潜力及估值合理性。
标的映射与对比
研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。
- Z.AI Co. (2513.HK)报告覆盖标的
- 优势
- GLM-5.3在编程、长周期任务和网络安全能力上提升明显；ZCode用户规模和任务数据支持后训练数据飞轮；模型性能价格比具竞争力。
- 劣势
- 短期盈利能见度有限，高研发开支和现金消耗压力仍大；模型性能差距可能缩小。
- 对比
- 公司市值约US$75bn，对应高盛2026年末ARR预测US$2.5bn的约30倍；DeepSeek最近估值约US$50bn，MiniMax市值约US$14bn、对应约14倍ARR。
- 风险
- 全球基础模型竞争、商业化不及预期、推理产能约束、现金自给能力及中美科技竞争加剧。
- DeepSeek主要竞争对手
- 优势
- 具备较大参数规模模型及行业影响力；近期上调V4 API价格，反映定价环境改善。
- 劣势
- 报告称GLM-5.3在多项基准上优于DeepSeek V4 Pro。
- 对比
- DeepSeek V4 Pro 0813峰时段混合每百万Token价格约US$0.69，接近GLM-5.2的US$0.88。
- 风险
- 行业竞争和定价变化可能影响Z.AI的相对优势及估值。
关键数据
- 评级中性维持不变。
- 12个月目标价HK$1,610基于DCF估值。
- 现价HK$1,270报告表格所示价格。
- 隐含上行空间26.8%按现价与12个月目标价计算。
- GLM-5.3参数规模7440亿参数与GLM-5.2保持不变；性能提升主要来自后训练扩展。
- ZCode活跃用户超过100万报告将其视为分发、变现及训练数据飞轮的重要基础。
- Coding Plan Lite价格人民币118元/月公司称按每周Token额度计，约较等值API成本折让50%。
- 基准情景市场份额2030年21%DCF估值假设。
- 长期调整后EBIT利润率2035年26%DCF估值假设。
- 牛市/熊市隐含估值HK$3,266 / HK$835基于报告列示的不同关键假设情景。
影响与含义
GLM-5.3说明中国大模型竞争的关键变量正在从单纯扩大参数规模转向后训练效率、任务环境、推理成本与真实使用数据。若ZCode持续扩大用户和任务覆盖，公司有望形成更强的数据飞轮，并在未来推理产能提升时释放模型需求和ARR增长；不过，模型性能差距收窄与高研发投入意味着技术领先尚需转化为可验证的收入和利润。
风险
- 全球基础模型行业竞争加剧，同行模型能力差距缩小。
- 高研发费用导致短期盈利能见度不足。
- 现金消耗及自我融资能力存在不确定性。
- 中美科技竞争加剧带来地缘政治及供应链风险。
- 模型商业化、非推理抽成收入或利润改善可能不及预期。
- 模型智能能力、商业化能力和盈利路径若超预期，也可能构成相对该中性观点的上行风险。
后续跟踪
- GLM-5.5及其他中国厂商2万亿至5万亿参数模型的发布与实际性能。
- GLM-5.3开源权重发布后的开发者采用、编程基准表现及推理成本。
- ZCode用户增长、跨设备任务管理和多智能体协作功能的使用情况。
- 闲时任务功能对推理产能利用率、用户成本和任务数据积累的影响。
- 模型订阅、API价格及行业价格战是否继续向理性化演进。
- ARR增长、推理芯片产能爬坡、研发支出、现金消耗和利润改善进展。