GLM-5.3 以强化学习驱动能力升级，网络安全打开第三商业化向量

概览

GLM-5.3 是 Z.ai 旗舰模型的更新版本。Bernstein 认为，本次产品显示公司在数据、强化学习及训练环境方面具备优势，并有望重回模型能力的帕累托前沿。

核心观点

GLM-5.3 在智能体执行、自动化、网络安全及代码到智能体能力栈上表现突出，价格显著低于部分竞争模型。其在最困难的长周期软件工程任务上仍落后于美国最先进模型，但多数智能体及网络安全基准已领先 Opus 4.8。网络安全可在代码和办公生产力之外成为第三个商业化方向，扩大潜在市场与增长空间。

分析框架

报告结合公司披露的基准测试、私有测试、开发者早期反馈、社交媒体舆情抽样及竞争模型比较，评估产品能力、商业化机会与估值争议。

方法论与常识提炼

• 模型评测基准测试与私有测试交叉验证

  以公开基准、公司披露及私有测试评估模型表现。

  私有测试对 DeepSWE v1.1 的结果大体复现公司披露，并显示 token 效率明显提升。

• 估值市盈率与现金流折现组合估值

  采用2030年预测市盈率折现与DCF相结合。

  估值以25倍2030年预测市盈率、按14%年化折现，并结合公司DCF。

• 市场情绪情绪周期启发式

  以模型发布后市场反应和情绪周期判断战术交易风险。

  报告认为近期股价上涨后，人工智能实验室股票的情绪与波动仍将影响短期表现。

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., Ltd.（2513.HK）

  核心覆盖股票

  优势

  GLM-5.3 展现强化学习、训练环境和数据能力；代码、智能体与网络安全表现改善；定价不变且推理成本预计相近；网络安全带来第三商业化向量。

  劣势

  在最困难的长周期软件工程任务上仍落后于美国最先进模型；部分应用场景受视觉能力缺失限制。

  对比

  相较 Qwen3.8 Max，广泛智能体能力略有提升，代码到智能体栈和网络安全能力明显领先；与 K3 在长周期软件工程上仍可比；多数智能体及网络安全基准领先 Opus 4.8。

  风险

  中国企业人工智能采用速度不及预期、竞争对手模型迭代、投资者情绪转弱及长期估值分歧。

关键数据

• 评级OutperformBernstein 12个月评级框架。
• 目标价HK$1,350对应2026年8月14日收盘价 HK$1,270。
• 上行空间6%基于报告所列收盘价及目标价。
• GLM-5.3 参数规模约7,500亿总参数、400亿激活参数与 GLM-5.2 使用相同预训练底座。
• CyberGym 得分84.5报告比较 Mythos 5 为83.8，GPT-5.6 Sol 为83.6。
• 网络安全预发布测试269个项目、超过2,400个漏洞其中约1,100个为中高严重度漏洞。
• 社交媒体正面反馈85%发布后24小时内，419条表达方向性观点的 Twitter/X 帖文中正面占比。
• 2026年收入预测5,631百万元报告财务表口径。
• 2027年收入预测18,663百万元报告财务表口径。

影响与含义

若 GLM-5.3 的能力和成本优势得到独立测评持续验证，Z.ai 可增强企业客户获取与商业化叙事。网络安全场景的拓展有助于提升市场对其长期可服务市场和增长跑道的判断；但当前估值依赖2030年增长预期，短期股价仍可能受产品发布后的情绪变化主导。

风险

• 中国企业人工智能采用速度低于预期。
• 其他人工智能模型开发商竞争加剧，可能削弱技术或商业化优势。
• 模型发布结果可能显著改变投资者对中国人工智能实验室的看法，股价波动风险较高。
• 以2030年增长预期为基础的估值可能难以被偏好近期盈利倍数的投资者接受。
• 视觉能力等产品短板可能限制部分应用场景。

后续跟踪

• Arena.ai、Artificial Analysis 等独立机构对 GLM-5.3 的后续测试结果。
• GLM-5.3 在企业代码、智能体与网络安全客户中的实际采用、价格及单位经济性。
• 网络安全合作伙伴网络、漏洞测试数据飞轮及商业化进展。
• 预计于9月至10月推出的更大预训练模型及其对长周期软件工程能力差距的改善。
• 人工智能代币定价趋势、竞争模型发布和市场情绪变化。