智谱 VS Deepseek，两条分叉的自进化树

智谱发布GLM-5.1的时候，盘中涨幅一度接近19%，收盘涨幅11.5%。到了GLM-5.2，当天暴涨32.8%，一周后市值突破万亿。按照这个逻辑来看，GLM-5.3发布后，智谱股价不得起飞喽？

可事与愿违，8月14日发布GLM-5.3当天，智谱跌3.57%，日内回撤超11%。

智谱GLM-5.3的成绩单很亮眼。DeepSWE的66.9分超过了V4 Pro的62.7，Terminal Bench 3.0从5.2的4.6分暴涨到 28.3分拿下开源第一，CyberGym以84.5%登顶全球，在高难度编程任务上，只用了不到Claude Opus 4.8一半的 token，就拿到了更高的完成率。

在智谱官方放出的性能图里，编程、终端操作、Agent任务、网络安全等八方面，赢过了DeepSeek V4 Pro正式版七项，对DeepSeek形成了“精准狙击”。

但是却很少有人注意到，GLM-5.3其实并非“新”模型，它和GLM-5.2 用的是同一个7430亿参数基座，所有提升全靠后训练。这和DeepSeek V4 Pro从预览版到正式版的逻辑是一样的，后者也都是同一个1.6T基座，能力跃迁同样来自后训练。

GLM-5.3之于5.2，就是V4 Pro正式版之于预览版。两者的不同在于，智谱没有涨价，DeepSeek却涨了一大截。从8月17日0点开始，DeepSeek API新一轮调价，全面引入峰谷分时定价机制，整体价格较此前出现大幅上调，全计费项涨幅区间为50%至1100%。

还有一点，那就是在自进化这块，智谱已经和DeepSeek形成了初步交锋。GLM-5.3的新后训练方法，本质上是一种模型自进化。而DeepSeek V4 Pro同步发布的DeepSeek Harness，其插件即一切的策略，也是为了自进化。

自进化是公认通往AGI的赛道，眼下国产大模型的 AGI 赛道，本质上就是智谱、DeepSeek、Kimi 三家的竞速。 都喊着 AGI，都在拼谁的模型更像一个能独立干活的 "人"。

01

两家的方法论究竟有何不同？

先看智谱这边。GLM-5.2到5.3最核心的变化是加入了一套“自己出真题自己做”的环境合成流水线。

在GLM-5.2的时期，训练环境还主要靠人工搭建，所以题型有限、场景也偏模拟题。

到了5.3，智谱引入了一个全自动的环境生成机制。

具体来讲，智谱用了一个“AI研究员”（研究Agent）去真实场景里面抄题目。比如它会观察工程师到底怎么干活，把真活儿变成考题。

其实很早之前的生成对抗就采用了类似的逻辑，用机器给机器出题。

可机器出题没法保证每道题都是好题。 有的题可能根本解不出来（出题时条件给错了），有的题可能缺关键信息（做到一半卡死），有的题可能是“无解题”（mission impossible）。如果这些废题混进训练题库，模型辛辛苦苦刷了半天，刷的是一道根本做不出来的题。

因此智谱用了一个AI判卷员（判断Agent），先自己做一遍。 相当于出题人出完卷子，先自己答一遍，确认“这题真的能解出来”，不是道废题。防止出那种连老师都不会做、纯粹难为学生的怪题。

判卷员在做题过程中，不许看参考答案，只看解题过程。

如果是带着答案做题，那么模型可能学会“背答案”或者“抄近路”。表面上得分高，实际啥也没学会。所以判卷员得盯着解题轨迹，看它是不是一步一个脚印真解出来的，有没有钻漏洞、走捷径。只有“题能出、能做、过程干净”三道关卡全过了，这道题才配进训练题库。

这套流水线让训练环境规模扩大了数倍。

除了方法改变以外，刷题的整个基础设施也得到了升级。

slime是智谱从GLM-5时代就一直在用的一套训练框架，你可以把它理解成一个自动化的刷题工厂。

5.3在这套工厂上做了两层大改造。第一层是算法层面，新增了一批技术配置，最关键的一个改动，是让练习和考试的环境几乎完全一致。两者计算结果的平均差异控制在千万分之一的量级，比之前精确了99.99%。

AI的强化学习，本质上是成千上万轮的循环。先考试生成一批答卷，再根据答卷讲课更新模型，然后再考试、再讲课，无限循环。

如果练习和考试的环境有一点点不一样，每一轮都带入一点误差，一万轮下来误差就滚成了大雪球，模型可能学歪甚至直接崩掉。

就好比NBA比赛中，三分线弧顶距离是7.24米，底角是6.7米，但是FIBA国际篮联的三分线是6.75米，如果练习的时候以FIBA的标准，那么到了NBA中就适应不了那么远的三分线。

第二层是系统层面，智谱给这个出题工厂加了一堆效率优化。

常用的数据放到近处缓存，不用每次去远处取。相当于教材室紧挨教室，拿到教材就可以立马发给学生。

多个老师还可以自动切换，还能提前备好课，任务调度让每台机器都不闲着，还能根据题型自动调整到最优配置。这些优化叠在一起，长程编码任务的整体训练速度翻了2.3倍。

在Agent领域影响力最大的Terminal Bench 3.0基准数，得分从5.2的4.6分，暴涨到了5.3的28.3分，拿下开源模型第一。DeepSWE v1.1从46.2涨到66.9，Agents' Last Exam从23.8涨到28.5，AutomationBench从26.2涨到48.2。

再看DeepSeek这边，从预览版到正式版，DeepSeek V4 Pro也强化了后训练。预览版的监督微调数据以通用问答和基础代码为主，而在正式版当中，新增了大量Agent专用的多步骤工具调用对话范例。

以前教模型的例子，是“帮我写封邮件”这种一问一答。现在换成“把文件夹里所有PDF转成Word”这种真活儿。AI得先扫文件夹，然后识别PDF，并逐个进行转换。一切都完成后，汇总报告，一环扣一环。

同时，DeepSeek把GRPO强化学习的奖励函数给重新设计了一遍。

预览版在Agent场景下有两个常见的硬伤，其一是工具调用死循环，反复调用同一工具但提取不到有用信息；其二是参数解析错误，JSON格式错、必填字段漏。

正式版的奖励信号专门针对这两类失败做了惩罚，在需要35次工具调用的复杂任务中，正式版基本可以一次跑通不再卡死。

02

唐杰vs梁文锋+崔添翼

技术路线的背后从来都是人的理念。智谱和DeepSeek这场对抗，本质上是两种AGI路径的对撞。

智谱创始人唐杰在7月11日发布了内部信《巨浪已来》，宣布启动“Touch High（摸高）计划”。信中写到，未来两年不把重心放在商业变现上，集中资源冲AGI的下一个高地。

唐杰把AGI的突破拆解为三座必须翻越的大山，第一座是记忆，长上下文和RAG已经逼近记忆雏形；第二座是完全自治的智能体系统（Autonomous Agent System，即持续学习和自我评判），模型迭代频次的提升本身就在逼近持续学习，前沿模型已显露自我评判的萌芽；第三座是自进化（Self-Evolving）。

唐杰表示，“AI训练AI已经成型，模型自己写代码、自己清洗与合成数据、自己训练自己。这或许会消耗一些算力，却节省了最宝贵的人力与时间。而在大模型时代，速度是最重要的，快速迭代会直接拉开认知的代际差距。”

前文提到的GLM-5.3后训练办法，本质上就是一种自进化。

不过自进化最有魅力的地方，并不在于它如何实现了开发者一开始给它规定的目标。就比如GLM-5.3，的确通过自进化，让性能更强了。但最有魅力的地方在于，GLM-5.3获得了极强的网络安全能力。

智谱给GLM-5.3做后训练时，确实往训练环境里加了一些漏洞挖掘的任务。初衷很简单，让模型找漏洞、分析漏洞的能力强一点。

结果训练规模上去了，事态也跟着失控了。

官方博客中写到，“我们本来以为它只是更会找单个漏洞，但出乎意料的是，它开始跨越漏洞利用的多个阶段，形成完整的攻击链计划。”

在CyberGym测试中，任务要求模型从白盒源码出发识别并验证漏洞，GLM-5.3拿到了84.5%分，全球第一，压过了Anthropic的Claude Mythos 5（83.8%）和 GPT-5.6 Sol（83.6%）。

DeepSeek在自进化这道题上，给出的答案是“插件”。梁文锋把模型基座冻结在1.6T不动，崔添翼带队的DSH框架则把“自进化”发生的场所，从模型内部搬到了模型外部。

DSH的核心设计原则只有五个字，“一切皆插件”（Everything is a Plugin）。模型接入、工具注册表、会话日志、审批策略、沙箱、存储、上下文管理、甚至驱动 Agent 运转的主循环本身，全都是可以拔插的积木。

底层的Cordis微内核只负责插件的加载、卸载和依赖管理，其他什么都不管。

DSH在GitHub宣布开源的当天，也发布了一篇长达88页的论文《时空可组合性的编程范式》，来阐述DSH的理论基础。

Cordis最关键的特性叫“可逆效应”。它指的是，每个插件注册时产生的所有副作用都被追踪，卸载时自动回收，不留垃圾、不漏内存。

这意味着Agent可以在运行过程中随时更换插件，觉得这个搜索引擎不好用。OK，马上换下一个。甚至可以在Agent跑任务的时候换掉它的决策策略，类似于“热插拔”一样，即便更改插件，运行状态也不会崩。

简单来说，传统的Agent非常死板，师傅怎么教，他就怎么学，只要超出知识点就会无能为力。DSH发现缺扳手时，现场自己锻造一把、插到手上接着拧螺丝，用完还能拆下来。

插件化还有另外一层含义，那就是相互独立。传统软件之间存在强依赖关系，改了A，可能B就会受牵连。插件之间相互独立，因此可以相互演化，进而带动整个模型实现自进化。

DSH发布不到两天，就在GitHub就收获10万颗以上的星星，可见开发者社区对它的青睐。

但智谱和DeepSeek其实是两种完全不同的自进化观。

唐杰追求的是“模型自己变聪明”，进化发生在训练阶段，目标是提升模型本身的智商；梁文锋和崔添翼追求的是 “模型的身体可以无限重组”，进化发生在推理和运行阶段，模型本身的智商不变，但它的“手脚”和“器官”可以随时替换、扩展、升级，能力边界由插件生态的丰富程度决定。

如果说唐杰的自进化是生物学意义上的进化 ，基因在迭代中变得更聪明。那梁文锋+崔添翼的自进化就是工具意义上的进化，人本身没变，但从石器到青铜器到蒸汽机，工具的重组让人的能力指数级扩张。

两条路线谁对谁错，没人能定夺，然而智谱的股价成了这场对抗的风向标，甚至被网友戏称为“衡量DeepSeek模型能力最好的测试集”。

4月24日DeepSeek V4预览版发布当天，智谱暴跌逾9%，随后几个交易日持续下挫，4月28日盘中一度跌超13%、跌破千元大关。

市场的逻辑是，DeepSeek又强又便宜还开源，而智谱这边却在涨价。

从2月开始智谱连续上调API定价，一季度累计涨幅约83%，4月GLM-5.1发布时完成年内第三次提价。

这就导致智谱的商业化空间被挤压，估值逻辑遭到了质疑。

8月13日，V4 Pro正式版遭遇乌龙事件，凌晨静默发布、白天官网横幅撤下公告删除、后端指纹改回Preview状态、不到24小时又重新发布。当天智谱股价反而从开盘1230港元涨到收盘1317港元，涨幅约9%。

对手“翻车”被解读为自身利好，说明市场已经从“DeepSeek出模型 = 智谱利空”的简单零和逻辑，转向了对两家路线可持续性的更微妙博弈。

8月14日GLM-5.3发布当天，智谱股价高开低走，开盘1356港元、盘中最高冲到1435港元，收盘却跌到1270港元，跌幅3.57%，从日内最高点算回撤超过11%。

这可能意味着投资者不再只看模型的性能本身，而是唐杰的“自进化闭环”和梁文锋+崔添翼的“插件化生态”之间，哪条路更可能跑到AGI的终点。

GLM-5.3虽然八项赢七项，但市场认为这是“符合预期”的后训练迭代，没有超出基座不变的框架。V4 Pro+DSH的组合，或许才是长期变量。

03

从“价格屠夫”到集体涨价

前面说完了智谱涨价，现在该说说DeepSeek涨价了。

DeepSeek一直以“价格屠夫”著称，早在V3时代，DeepSeek就用极致的性价比，打穿了整个行业的价格底线。后面到了V4预览版，DeepSeek又延续了这个策略，缓存命中输入低至0.025元/百万token，未命中输入3元，输出6元，几乎是海外旗舰模型的几十分之一。

但8月13日晚间，DeepSeek在发布V4 Pro正式版的同时官宣了API调价，从8月17日零点生效。

在这次价格调整中，DeepSeek首次引入了峰谷分时定价，高峰时段为北京时间9:00-12:00和14:00-18:00，空闲时段价格为高峰的一半。

V4 Pro高峰时段缓存命中输入从0.025元涨到0.3元，涨幅12倍；未命中输入从3元涨到9元，涨幅3倍；输出从6 元涨到27元，是原来的4.5倍。空闲时段则分别为0.15 元、4.5元和13.5元。V4 Flash也同步调价，空闲时段缓存命中0.05元、未命中1.5元、输出4.5元，高峰翻倍。

对于一个以“便宜”为核心竞争力的公司来说，DeepSeek这番涨价势必削弱了公司的吸引力。

开发者圈子里，从“梁文锋的恩情还不完”的论调，变成了“梁圣变梁子”的调侃。社区吐槽称，DeepSeek每贵一块钱，就要破产几百家OPC（单人公司），现在涨了好几倍，几乎已经不给这些独立开发者留退路了。

不过涨价的并非只有DeepSeek和智谱，全行业都在涨价。

DeepSeek作为最后一个坚持低价的头部玩家，它的涨价标志着一个时代的结束。用低价换规模、用补贴换市场份额的阶段，正式落幕了。

涨价的本质不是算力贵了，这是所有人都能用的借口。真正的原因是公司长大了。

AGI研发是个无底洞，唐杰的摸高计划要投入百亿级做可解释性、建合成数据工厂、搞自治智能体系统，梁文锋要除了迭代模型以外，现在还要养DSH的开源生态。

不能一直靠融资和烧钱，终究得靠自己造血。当模型能力逼近海外第一梯队，而模型价格却继续保持海外头部的几十分之一出售时，本质上是在贱卖自己的技术溢价，也是在告诉资本市场我还没准备好挣钱。

涨价是从成本加成定价转向价值定价，模型值多少钱，应该由它能替用户创造多少价值决定。