觀點 · 資訊分享
Cloudflare 上架 GLM-5.3 寫程式模型：價格跟前代一樣，長任務成績卻翻了一倍多
Cloudflare 在 8 月 28 日把 Z.ai 的 GLM-5.3 放上 Workers AI，每百萬 token 輸入 1.40 美元，跟 GLM-5.2 同價。Z.ai 自己公布的終端機任務測驗，分數從 4.6 跳到 28.3。
- 發布
- 2026-08-29
- 篇幅
- 約 5 分鐘 · 2,302 字
- 結構
- 7 節 + 4 題常見問題
- 標籤
一句話看懂：Cloudflare 把 Z.ai 的新一代寫程式模型 GLM-5.3 放上 Workers AI，價格跟前一代一樣，但 Z.ai 公布的長任務成績進步了一大截。
先用白話講：換一位升級過的助理，薪水不變
想像你請了一位寫程式的助理，每個小時付固定的鐘點費。某天他去上了一段進修班，腦袋（底層架構）沒換，但做事的方法變厲害了，鐘點費卻沒調漲。
GLM-5.3 就是這個情況。它和上一代 GLM-5.2 用的是同一個底層模型，所有進步都來自後面那一段「進修」（業界叫後訓練）。Workers AI 則是 Cloudflare 的 AI 平台：模型放在 Cloudflare 的機房，你用幾行程式就能呼叫，不必自己買顯示卡。
發生什麼事
Cloudflare 在 8 月 28 日的更新日誌宣布，Z.ai 的 GLM-5.3 現在可以在 Workers AI 使用，模型代號是 @cf/zai-org/glm-5.3。
- 定位：Z.ai 說這是它旗下主打「長時間、會自己用工具」的寫程式模型，不是用來閒聊的
- 上下文：官方模型頁標示 1,048,576 個 token，約一百萬個 token，一次能塞進很多程式碼
- 價格：每百萬 token 輸入 1.40 美元、快取過的輸入 0.26 美元、輸出 4.40 美元，跟 GLM-5.2 一樣
- 門檻：要 Workers Paid 方案，或預付的 AI Gateway 額度，免費方案不能用
成績差多少？
Z.ai 在 Hugging Face 的模型卡公布了新舊兩代的分數：
| 測驗 | GLM-5.2 | GLM-5.3 |
|---|---|---|
| Terminal Bench 2.1（終端機操作） | 81.0 | 88.2 |
| Terminal Bench 3.0（更難的版本） | 4.6 | 28.3 |
| DeepSWE（修改程式專案） | 46.2 | 66.9 |
| FrontierSWE | 67.5 | 78.1 |
| SWE-Marathon（超長任務） | 19.4 | 42.5 |
要冷靜看：這些分數都是 Z.ai 自己公布的。同一張表裡，最難的 Terminal Bench 3.0 上，GLM-5.3 拿 28.3 分，高過 Opus 4.8 的 21.1，但低於 Fable 5 的 33.7 和 GPT-5.6 Sol 的 34.6。也就是說，它是目前開源權重模型裡很強的一個，但在最難的題目上，頂級的閉源模型還是領先。
另外，模型卡上的授權標示為 GLM-5.3 自訂授權，不是常見的 MIT，打算商用的人要先讀條款。
給開發者的技術細節
在 Worker 裡呼叫很直接：
const res = await env.AI.run("@cf/zai-org/glm-5.3", {
messages: [{ role: "user", content: "幫我把這段函式改成非同步" }],
});
- 呼叫方式有四種：Workers AI 綁定（
env.AI.run()）、REST API、相容 OpenAI 格式的端點、AI Gateway - 模型頁標示支援函式呼叫（function calling）與推理，推理強度有 low、high、max 三級，預設是 max
- 預設最高強度，代表每次回答可能花比較多 token，成本要自己盯一下
- 想省錢可以看同一家的 GLM-5.3 Flash：8 月 26 日上架（更新日誌），總參數 320B、每個 token 只動用 18B，官方模型頁標示每百萬 token 輸入 0.15 美元、輸出 0.50 美元
我的看法
我自己用 AI 寫程式的習慣，是把雜事丟給便宜的模型，真正卡關的才換貴的。GLM-5.3 這種「同價升級」對我最實際的好處是：如果原本就在用 GLM-5.2，什麼都不用改，換個模型代號就享受到新版本。
但我不會被排行榜牽著走。分數是廠商自己挑的測驗，而接案時遇到的專案，常常是缺文件、命名亂七八糟的舊程式碼，跟標準題庫不是同一回事。比較好的做法是挑三五個自己真的做過的任務，丟給新舊模型各跑一次，看修改量和錯誤率，再決定要不要換。
名詞小辭典
- Workers AI：Cloudflare 的 AI 服務，把開源模型放在它的機房，讓你用程式呼叫，按用量計費。
- 後訓練（Post-training）：模型的基本能力練好之後，再針對特定能力（例如寫程式）加強訓練的階段。
- Token：AI 計算文字量的單位，收費和上下文長度都用它來算。
- Terminal Bench：測試 AI 能不能在終端機（黑底白字的指令視窗）裡完成真實工作的測驗。