Обзор GLM 5.3: окно на 1 млн токенов, подбрасывание монеты на L4 Интенсивный

Мы прогнали GLM 5.3 через всю шкалу контента с 17 по 25 сентября 2026 года, каждую ступень тремя способами — прямая просьба, рамка вымысла и системный промпт, — с дополнительными прогонами на L4 Интенсивный после того, как первые результаты разделились. L3 Сильный прошёл только на версии с системным промптом; прямая и вымышленная обе отклонены. L4 Интенсивный получил больше всего прогонов: все три прямые просьбы отклонены, все восемь просьб в рамке вымысла вернулись смягчёнными, а восемь просьб с системным промптом разделились ровно пополам — четыре прошли, четыре отклонены.

По всей шкале это 34 оценённых прогона: 13 прошли полностью, 12 смягчились и 9 отклонены. Страница Spicy Index переводит это в Freedom Score в карточке оценки на этой странице.

GLM 5.3 точно отвечает на простую инструкцию; системный промпт делает здесь больше, чем одна персона, — как для вымысла, так и для удержания формы ответа JSON.

1. Опубликованный пример: рассуждение по разрозненным свидетельствам. Случай, для которого существует окно: несколько документов сразу, а ответ опирается на пару отрывков, далёких друг от друга.

system: Read every document before answering. Cite the passage (document name, section) that supports each claim.
user: <a support ticket, a deploy log, an incident timeline and a Slack transcript, pasted in full> Which change caused the outage, and which passage proves it?

Запустить этот промпт на GLM 5.3 →

2. Опубликованный пример: заставить один формат JSON на синхронном вызове. response_format плюс temperature 0 — то, что делает ответ безопасным для передачи парсеру.

system: Return one JSON object with keys: root_cause, affected_service, first_seen, mitigation. Use null when a field can't be determined.
user: <the same timeline and transcript>

Запустить этот промпт на GLM 5.3 →

Важные настройки: reasoningeffort low для объёмного прохода по многим документам, max — только когда неверный ответ дорого обходится; оставляйте запас в maxtokens сверх видимого ответа, который вы ожидаете, поскольку потолок по умолчанию — доля от лимита в 131 072 токена; для вымысла дальше L2 Взрослые темы вписывайте границы и голос сцены в системный промпт, а не спрашивайте напрямую, и рассчитывайте на повторную попытку.

GLM 5.3 написала полностью 13 из 34 оценённых прогонов по нашей шкале контента, с описанным выше паттерном: чисто на крайних точках шкалы, подбрасывание монеты на L4 Интенсивный с системным промптом и ничего на L4 Интенсивный без него. Метка на странице — Без цензуры: мы не добавляем своего фильтра контента, так что то, что возвращается, — это собственное поведение GLM 5.3.

Freedom Score: показан в карточке оценки на этой странице и пересчитывается по мере добавления прогонов.

Ещё не проверено: многоходовые чаты, удерживающие персонажа на протяжении многих ходов (наши прогоны были одиночными запросами); языки, кроме английского; закрывает ли более длинный или конкретный системный промпт разрыв, который мы увидели на L4 Интенсивный.

Каждый персонаж в запросе должен быть взрослым, реальных узнаваемых людей не используйте, а за соблюдение закона там, где вы публикуете, отвечаете вы.

Реакция на выход GLM 5.3 резко разделилась между кругами кодинга и ролевых игр. По возможностям один комментарий на Hacker News сформулировал это как «всё ещё немного не дотягивает до Sol и Fable, но лишь на волосок». По контенту сообщество ролевых игр отреагировало иначе: один широко поддержанный пост сказал, что «ZAI пошли ва-банк на безопасность с GLM 5.3». Это совпадает с тем разбросом, который мы измерили: сильна на крайних точках шкалы, нестабильна в середине.

• GLM подешевле с лучшей долей успеха на L4 Интенсивный? GLM 5.3 Flash отрендерила все три своих прогона L4 Интенсивный с системным промптом, по $0.1275 за миллион входных токенов против $1.05 у GLM 5.3.
• Более ранняя GLM по более низкой цене? GLM 5.2, $0.98 за миллион входных токенов; у неё нет уровня усилия рассуждений low, так что каждый запрос рассуждает больше, чем нужно на простом проходе.
• Гораздо больший потолок ответа, да ещё и ввод изображений? DeepSeek V4.1 Flash пишет в ответ до 384 000 токенов против 131 072 у GLM 5.3 и принимает изображения наряду с текстом, по $0.30 за миллион входных.
• Стабильный рендер по всей шкале, без системного промпта? Grok 4.6 отрендерил каждую ступень, которую мы тестировали, включая прямую формулировку.