智谱开源模型GLM 5.3登陆亚马逊Bedrock

中国大模型的出海通道正在加速拓宽。智谱（Zhipu AI）旗下国际品牌 Z.ai 宣布，其最新开放权重模型 GLM 5.3 正式登陆亚马逊云科技（AWS）的大模型托管服务 Amazon Bedrock，面向符合条件的企业客户开放全托管 API 调用。用户无需自建或运维任何推理基础设施，即可通过 Bedrock 直接调用这款主打编程与长程智能体任务的前沿模型，并可用上跨区域推理、提示缓存与服务分层等平台能力。

753B参数MoE架构，专攻代码与智能体场景

据官方介绍，GLM 5.3 是一个拥有 753B 参数的混合专家（Mixture-of-Experts）模型，已在 Hugging Face Hub 上以开放权重形式发布。该模型面向复杂系统工程与长程智能体任务设计，能够支撑多步推理与工具增强型工作流，并在大规模代码库中保持上下文的持续衔接，处于当前编程与智能体方向的前沿水平。

AWS 在公告开篇描绘了此类工作负载的苛刻要求：重构横跨数百个文件的代码仓库、在不丢失上下文的情况下维持数小时级的智能体流程，并在每一步都伴随工具调用的复杂系统问题中展开推理。过去，企业若想用开放权重模型满足这些需求，往往要自行采购并运维推理基础设施，而 Bedrock 的全托管模式正是要消除这一门槛。Z.ai 同时报告，GLM 5.3 展现出值得注意的网络安全能力，这为它在安全领域的应用埋下伏笔。

较GLM 5的升级：编程性能跃升，安全能力涌现

GLM 5 已于今年早些时候登陆 Amazon Bedrock，GLM 5.3 延续同一技术谱系并带来多项增益。编程方面，Z.ai 声称该模型在 DeepSWE、Terminal Bench 3.0、FrontierSWE 等一系列编程基准上具备竞争力，并在自家内部编程基准上较 GLM 5.2 实现 50% 的提升。由于改进幅度较大，评测集自 GLM 5.1 发布以来已进行更新，因此官方未公布与 GLM 5 的直接对比数据。

在发布时点，GLM 5.3 在 CyberGym 安全基准上录得 84.5 分的领先成绩，安全任务上的基准表现尤为突出，使其成为防御性安全工作流的天然选择。——综合自 Z.ai 官方博客与 AWS 公告

对注重安全合规的企业而言，这一“涌现”出的安全能力具有现实意义：无论是审计自有系统的潜在漏洞，还是构建自动化的红蓝对抗工具链，都需要模型既能理解复杂系统、又能在多步任务中稳定调用工具——这恰好对应 GLM 5.3 的设计取向。

集成细节：四套API、跨区域推理与提示缓存

调用方式上，开发者可以通过 OpenAI 兼容的 Responses 与 Chat Completions API，或 Bedrock 原生的 Invoke 与 Converse API 访问 GLM 5.3，新应用被建议优先使用 OpenAI 兼容接口，因其功能覆盖更完整。对于需要密钥的 OpenAI 兼容集成，Bedrock 支持生成 API 密钥，但 AWS 强烈建议尽可能使用短期凭证而非长期密钥。文中的示例即通过 OpenAI Python SDK 搭配 aws-bedrock-token-generator 库，从标准 AWS CLI 凭证生成短期令牌，以 us-west-2 区域向 global.zai.glm-5.3 发起请求。

跨区域推理方面，GLM 5.3 提供美区配置 us.zai.glm-5.3 与全球配置 global.zai.glm-5.3 两种推理档案：用户向自选的“源”区域发送请求，由 Bedrock 安全地路由处理。提示缓存方面，模型默认开启隐式（自动）缓存，官方更推荐使用显式缓存——通过 prompt_cache_options 指定 explicit 模式，并在输入内容块上添加 prompt_cache_breakpoint 断点标记可复用前缀的结尾，每个断点须至少包含 1024 个 token 方可生效。对每轮都要重发大段系统提示词或仓库上下文的智能体负载，缓存能同时压低时延与输入成本。

成本与时延的取舍则由服务分层机制承担，共分三档：

• Flex：面向时效不敏感的工作负载，优化成本；
• Priority：为时延关键型请求提供优先处理，代价是更高的价格；
• Standard：默认档位，在价格与速度之间取得平衡。

上手门槛亦不高：企业需拥有可访问 Bedrock 的 AWS 账户，以及调用基础模型与目标推理档案所需的 IAM 权限（bedrock:InvokeModel、bedrock:InvokeModelWithResponseStream、bedrock:CallWithBearerToken）；运行代码示例需 Python 3.10 及以上版本。不想写代码的用户可直接进入 AWS 管理控制台的 Bedrock 页面，选择 Test > Playground，在聊天界面中选中 GLM 5.3 即可发出第一条提示词。

安全实战：用开源智能体Strix做授权渗透测试

为展示模型的安全能力，AWS 给出一个贴近真实业务的智能体工作流示例：使用开源 AI 渗透测试智能体 Strix，对自己的应用程序执行一次授权安全测试。前提是安装 Docker，并为 Strix 安装带 bedrock extra 的版本，使其以 GLM 5.3 作为底层模型驱动整个测试流程。

这一演示正呼应了前述的网络安全能力——在攻防日益自动化的背景下，能够在长程任务中维持上下文、逐步调用工具并完成复杂系统推理的模型，被视为防御性安全自动化的理想底座。原文同时强调，此类测试必须在获得授权的前提下进行，指向的是合规的白帽场景。

从更宏观的视角看，GLM 5.3 上架 Bedrock 是中国开源大模型加速出海的又一标志性节点。Bedrock 上已汇聚 Anthropic Claude、Meta Llama、Mistral 以及 DeepSeek、Qwen 等众多模型，开放权重模型正借助全球云厂商的分发网络触达各地企业客户。对智谱而言，借 AWS 的跨区域基础设施与企业级服务能力切入海外市场，比自建海外推理集群更轻、更快；对 AWS 而言，纳入高性价比的前沿开源模型也能持续丰富其模型货架。随着智能体应用对长程任务能力的需求持续升温，“模型上架云平台”式的合作，或将成为下一阶段大模型竞争的常态。