国产模型每有一次大的更新，新闻里总少不了那个熟悉的说法，又一颗核弹落下来了。
GLM-5.3 发布以后，我照例先去看代码能力。结果这次还没等我把几个项目完全做完，它的 API 也已经正式上线了。
与此同时，Artificial Analysis 更新了最新一版 Intelligence Index。GLM-5.3 拿到了 60 分 。而 Claude Opus 5 是 63 分，Claude Fable 5 是 62 分，GPT-5.6 Sol 是 61 分，GLM-5.3 和 Kimi K3 都是 60 分。
也就是说，GLM-5.3 这一代已经进入全球前沿模型最密集的能力区间，并且和 Kimi K3 并列当前开源模型的第一档。它距离最前面的几个闭源旗舰仍然有一两分的差距，但已经挤进了同一小段分数带里。
Artificial Analysis 把知识、推理、Coding、智能体和复杂任务执行等多个维度合在一起，最后得到这个综合智能指数。
GLM-5.3 维持着 60 分这一档的综合能力，还把单任务成本压到了更低的位置。
我忽然生出一个念头。既然大家总喜欢拿核弹来形容模型，这一次不妨真的从核弹开始。
于是我把一个在脑子里放了很久的核物理学习网站交给了它。
然后我还做了第二个项目，我让它拆开一台洗烘一体机，把直排、冷凝、热泵三种烘干方式装进同一套三维仿真里。
第三个项目又换了一个方向，我把魏晋南北朝三百多年的分分合合铺到一张地图上，让疆域、都城、战役和迁徙随着年代流动起来。
三个项目看起来毫不相干，一个讲核物理，一个讲洗衣机，一个讲中国中古史。它们摆在一起，恰好能够看清 GLM-5.3 的 Coding 能力究竟到了哪一步。它面对的已经不只是几个函数、几个页面，而是一整套彼此牵连的内容、数据、状态和交互。项目做起来以后还要不停修改，而每一次修改，都不能把前面已经完成的东西破坏掉。最后留下来的，还得是一件真正能够打开、操作和继续维护的东西。
01 既然都说核弹，我就真做了一个核物理学习网站
整个过程从 1945 年 8 月的广岛和长崎开始。沿着这条线往前追，会碰到原子核的发现、放射性、结合能、中子、裂变和链式反应；再继续往后，又会进入辐射剂量、人体影响、幸存者研究、不确定度以及原始文献。现在这个版本一共有 18 章，约 10 万字，212 道题，6 个能够实际运行的实验室和 2 个三维场景。完整走一遍，大约需要 14 个小时。
最先做的，是首页里那颗不断运动的球。
刚进入页面的时候，很多东西其实还不能动。系统先抛出一个很简单的问题。球体半径变大以后，逃出去的中子究竟会变多，还是变少？只有完成这个判断，控制半径的滑杆才会完全解锁。
球还很小的时候，中子很容易跑出去，增殖因子 k 低于 1，链式反应一代一代衰减下去，最后归于沉寂。随着半径继续增加，能够逃逸的中子越来越少，k 逐渐逼近 1，又越过 1。到了这个时候，球腔里的中子开始一代接一代地增加。画面中的每一颗中子都有自己的运动轨迹，裂变发生时会亮起闪光，计数随之改变，旁边的状态文字也同时更新。
后面还有半经验质量公式实验、随机衰变实验、核素谷三维场景，以及机器判分、间隔重复、划线批注、笔记、章节 Markdown 导出和带上下文的提问包。
半衰期实验里，随机点阵逐步衰变并长出指数曲线
把几百个原子核当成一次次独立掷骰子，随机结果会在波动中逐渐贴近指数衰变；切换匀速假模型以后，两条路径很快分开。
结合能曲线、公式残差与裂变放能的实时计算
切换液滴模型中的不同项，再改变裂变碎片组合，曲线、残差与释放能量会同步重算。
核素谷在实测、公式和差值模式间切换，并演示β衰变
质子数、中子数与每核子结合能被排成一座三维谷地，视角和数据模式切换以后，可以沿等质量数方向观察 β 衰变怎样走向谷底。
现在整个项目仍然是一个单文件 HTML，大约 2.1MB，接近 2 万行代码。这样的项目很容易把模型真正的长程编程能力显出来。做一张漂亮的首页并没有多难，真正困难的是，当一个系统越长越大以后，它还能不能在里面继续工作。它得知道东西放在哪里，改动会牵连什么，也得知道，有些地方即使看起来方便，也不能随意去碰。
02 买一台洗衣机之前，我先把三种烘干技术拆开看
直排、冷凝、热泵三种烘干技术与爆炸图
我最近准备买一台滚筒洗烘一体机。商品页里，直排、冷凝、热泵这几个词常常并排出现在参数表上。看得久了，大概都知道热泵省电，也知道冷凝式更加常见。可机器里面究竟因此多了什么东西，空气从哪里进去，又从哪里出来，衣服里的水分怎样离开，热量最后去了哪里，只靠几段文字其实很难在脑子里拼成一幅完整的图。
所以我干脆把三种技术都装进了同一台三维洗衣机里。
页面里只要切换烘干方式，机器内部的部件、空气流动的粒子、三维标注、温湿图和右侧的数据都会随之改变。
直排式的办法最直接，湿热空气产生以后便排到机外。冷凝式会让湿热空气经过水冷凝风道，把其中的水汽冷却成液态水。到了热泵式，机器里又多出压缩机、蒸发器、冷凝器和膨胀阀。水汽凝结时释放出来的潜热没有就此散掉，而是留在制冷剂的循环里，再被送回空气中继续加热。
右侧那张温湿图也跟着三套结构一起变化。直排式走出一条开放路径，冷凝式形成闭合三角形，热泵式则形成闭合四边形。温度、含湿量、除水速度、电耗、耗水量，还有热泵性能系数，都可以放在同一个过程中观察。以前参数表上一列一列分开的数字，到这里终于有了彼此之间的关系。
拖动烘干进度，KPI、温湿路径和三技术曲线同步变化
同一组工况下切换直排、冷凝与热泵，再拖动烘干时间，筒内温湿度、累计除水、用电、用水和曲线位置会同时更新。
我又把整台机器继续往里拆。外壳可以剖切，也可以变成半透明；零部件能够单独隐藏和显示；风路可以用流线表现；整机还能拉开成爆炸图。
热泵模式下切换剖切、半透明外壳、风路粒子和模块舱视角
剖面沿机身移动时，滚筒、循环风路、蒸发器、冷凝器和压缩机的空间关系会逐层显露。
鼠标落到任何一个部件上，旁边都会出现它的中英文名称、材料、工艺、用途、关键参数和当前状态。
悬停热泵系统零件，查看材料、功能、参数与实时状态
零件卡会随着指针切换，从蒸发器、冷凝器到压缩机，结构档案与当下运行状态放在同一张卡片中。
热泵洗烘一体机逐步拆解与逆序装配
热泵模式一共做了 23 个拆解步骤。先断电断水，再从顶盖、滤网和风机开始，一路经过制冷剂回收、膨胀阀、蒸发器、冷凝器、压缩机、皮带、电机、减震器、配重、排水泵、前面板、外筒和内筒，最后一直拆到轴承与水封。
每一步都有自己对应的镜头和拆装提示。拆到底以后，还可以让整个过程反过来播放，看那些零件按照原来的次序一个一个重新归位。
这个项目最初的念头以及提示词，来自我在 B 站看到 UP 主温述卿的一段 AI 制作的柴油机拆解视频。
我把反复会用到的做法用 AI 重新整理了一遍，加入参数化尺寸、物理材质、剖切、半透明、爆炸图、介质粒子、零件信息卡、拆解动画和浏览器验证，最后把这些东西整理成了一个 mech-sim-3d Skill。
这套 Skill 我会公开到 GitHub。以后无论是发动机、泵、压缩机、齿轮箱，还是机器人关节和其他机械教学页面，都可以沿着同一套骨架继续做下去。很多已经解决过一次的问题，也就不用再从一张空白页面开始重新寻找答案。
03 魏晋南北朝太乱，我让地图自己讲
第三个项目，是魏晋南北朝舆地推演图。
这段历史从 220 年走到 589 年，前后整整 369 年。三国之后是西晋，西晋之后又有东晋、十六国、南北朝，直到隋重新统一。北方政权一次次建立、分裂、吞并，南方也先后经过宋、齐、梁、陈。朝代表背下来当然不难，可名字一多，脑子里往往只剩下一串次序。那些国家到底在哪里，彼此怎样相邻，战争为什么从这里打到那里，人口又为什么向另一个方向迁移，很难仅凭文字形成完整的空间感。
所以我想把时间和地理放在同一个画面里，让它们一起变化。
页面中央是一张古地图风格的舆地图。左边可以打开疆域、都邑、州郡、地形、山川、长城、战阵、迁徙、纪事和国名等图层。下方是一条从 220 年一直延伸到 589 年的时间轴，旁边还有政权存续图。右侧的内容则随着年份改变，展示当年的事件、疆域信息和势力变化。
逐项打开地形、山川、战阵与迁徙图层，并在全境与中原之间缩放
同一年份下逐层叠加信息，可以看到疆域底色之上怎样出现都城、州郡、战场、迁徙路线和地形脉络。
时间轴缓缓往后拖，曹魏、蜀汉和孙吴依次退出，西晋短暂完成统一，很快又走向崩解。北方随后进入十六国并立的年月，前秦一度扩张，又迅速瓦解。再往后，北魏统一北方，继而分成东魏和西魏，又分别走向北齐和北周。直到隋出现，这场延续数百年的分裂才终于收束。
纪事本末沿十四个历史阶段切换代表年份与格局解说
从三国鼎立、西晋统一、十六国并起，到北魏、东西魏、北齐北周与隋，每一章都把代表年份、势力格局和事件说明放回同一张地图。
我还给这张地图准备了时光机、纪事本末和沙盘推演三种模式。可以沿着年份一路往后看，也可以只盯住一场战役、一条迁徙路线，或者一个完整的历史章节，顺着其中的线索慢慢展开。
载入淝水之战，调整动员、士气、后勤和天时并对照史实复盘
沙盘模式会先给出双方条件与推演结果，再回到战役经过、转折和影响，让模型判断与史实并排出现。
历史类项目给模型出的题，又和前两个不同。政权什么时候存在，一座城在哪一年归谁，都城何时迁走，某场事件发生在什么年份，战役路线怎样画，迁徙指向何处，这些信息最后又要同时落到地图、颜色、标签、时间轴和右侧文字上。它帮人把一段极其零碎的历史拼成整体，让数百年的变化，在脑海里逐渐长出一张能够移动的图。
04 三个项目真正考的，是模型能不能把事情做完
三个页面有长篇内容，有历史数据，也有公式计算、画布图表、三维渲染、状态管理、响应式布局、学习记录和大量彼此牵连的交互。
这一次我感受最深的，是它在长任务里的延续能力。核物理网站接近 2 万行以后，它依然能够顺着原来的章节、组件和状态系统继续做。洗衣机项目需要同时照顾三维模型、零件档案、图表和拆解步骤，它也能够把几部分的关系维持住。历史沙盘的大量资料全都塞在一个单文件里，年份的变化依然能够带动整套界面一起改变。
当然，它也会犯错。三维页面一不留神就容易变得太重；有些科学参数表面上看起来合情合理，往下追却找不到足够清楚的出处；历史疆界更不可能只看生成结果，仍然要人工核对。模型越来越擅长把一套系统搭起来，可资料是真是假，数字边界在哪里，最终结果能不能通过验收，这些是属于我们人类的责任，没有随着 AI 能力增强而消失。
05 这次 GLM 抢回来的，是工程交付的位置
从公开结果来看，GLM-5.3 在 Terminal-Bench 3.0 上得到 28.3，Kimi K3 是 17.4。在 DeepSWE v1.1 上，GLM-5.3 得到 66.9，DeepSeek-V4 Pro-0813 是 62.7。Agents' Last Exam 的命令行任务中，它得到 28.5，同样处在开源模型首位。
这并不意味着它已经在所有任务上越过最强的闭源模型。Terminal-Bench 3.0 上，Claude Fable 5 是 33.7，GPT-5.6 Sol 是 34.6。DeepSWE v1.1 上，两者分别得到 69.7 和 72.7，这样的距离仍然存在。
可当开源模型走到这个位置以后，开发者安排工作的方式已经会随之改变。越来越多完整项目，可以先交给 GLM-5.3 去做；那些仍然存在明显能力差距的困难任务，再交给更贵更强的闭源模型。
06 我现在更愿意用这种方式看一个新模型
模型刚发布的时候，大家盯着看的总是榜单。可榜单更新得很快，今天还在讨论的一张截图，过不了多久就会被下一张替代。真正做出来的东西，却可以继续留在那里。
在临界实验室里，读者可以亲手改变半径，看着 k 一点点越过 1。到了洗衣机页面，原本藏在金属外壳后面的风道、冷凝器和压缩机被一件件显出来。再到魏晋南北朝沙盘，369 年的兴亡更替被收入一条时间轴里，只要拖动年份，整张地图便随着历史一道变化。
原本只能坐下来阅读的知识，因此有了另一种形态。它们可以被观察，可以被调整，可以一层一层拆开，也可以在变化中反复验证。
比名次更值得看的，是它再次把一个问题摆到了我们面前。一个模型真正成为生产力，最终还是要进入完整项目，经历那些琐碎、漫长、彼此牵连，又不能轻易出错的工作。
