智谱精准狙击Deepseek
GLM-5.3发布后，在八项能力对比中赢过DeepSeek V4 Pro七项，但智谱股价当天反而下跌。
我认为，这个反差说明市场关注的重点已经变了。一次跑分领先固然重要，却不足以回答更长期的问题：模型能否持续进化，以及这种进化能不能形成可扩展的技术和商业闭环。
能力跃迁主要来自后训练
GLM-5.3并没有更换基座，仍然使用GLM-5.2的7430亿参数模型。DeepSeek V4 Pro从预览版到正式版，同样沿用1.6T参数基座。
两者的显著提升都来自后训练。这意味着，大模型竞争正在从单纯扩充参数，转向如何生成训练环境、组织强化学习，并让模型在真实任务中不断纠错。
GLM-5.3的成绩确实亮眼。它在DeepSWE、Terminal Bench 3.0和CyberGym等测试中取得明显提升，其中Terminal Bench 3.0从4.6分上升到28.3分，CyberGym达到84.5%。
但跑分只是结果。更值得关注的是，智谱和DeepSeek开始用两种不同的方法回答同一个问题：模型如何自我进化。
智谱让模型在训练中变聪明
智谱的核心变化，是建立一条自动生成训练环境的流水线。
研究Agent先从真实工作场景中提取任务，把工程师实际处理的问题转化为训练题。判断Agent再独立检查这些题是否可解、信息是否完整，并审查解题过程有没有利用漏洞或抄近路。
只有题目成立、能够完成、过程可信，数据才会进入训练集。这套机制解决了机器自动出题最容易出现的问题：规模上去了，废题也跟着增加。
训练框架本身也进行了升级。一方面，智谱尽量消除训练与推理环境的差异，避免强化学习在反复迭代中积累误差；另一方面，通过缓存、调度和资源配置优化，将长程编码任务的训练速度提高了2.3倍。
这条路线的本质，是让AI参与数据生成、任务验证和模型训练。进化发生在模型内部，目标是让模型本身越来越聪明。
它也可能产生超出最初目标的能力。智谱原本在训练环境中加入漏洞挖掘任务，希望增强模型发现和分析单个漏洞的能力，最后模型却开始跨越多个利用阶段，形成完整攻击链计划。
我认为，这既显示了自进化的潜力，也提出了一个更严肃的问题：当能力从局部技能跃迁为系统性行动能力，评测、安全边界和治理机制必须同步升级。
DeepSeek让Agent在运行中重组
DeepSeek V4 Pro也加强了后训练。正式版增加了大量面向Agent的多步骤工具调用样本，并重新设计强化学习的奖励函数，重点惩罚工具调用死循环和参数解析错误。
但DeepSeek更有辨识度的方向，是把自进化从模型内部转移到模型外部。
DeepSeek Harness采用“一切皆插件”的设计。模型接入、工具、日志、审批、沙箱、存储、上下文管理，甚至Agent的主循环，都可以作为独立插件装卸和替换。
底层微内核只管理插件及其依赖。插件卸载时，运行过程中产生的副作用会被追踪和回收，因此Agent可以在不破坏运行状态的情况下更换工具，甚至调整决策策略。
这条路线不要求模型每次都重新训练。Agent发现缺少能力时，可以临时接入新工具；不同插件也能相互独立地迭代，最终扩展整个系统的能力边界。
如果说智谱追求的是改变模型的“基因”，DeepSeek更像是在重组模型的“身体”。前者把进化放在训练阶段，后者把进化放在推理和运行阶段。
我不认为现在就能判断哪条路线必然胜出。训练内进化能够提升基础能力，但成本高、周期长；运行时进化更灵活，却高度依赖插件质量、系统稳定性和生态规模。未来更可能出现的，也许不是二选一，而是两种机制逐渐结合。
市场开始追问路线能否持续
智谱股价曾经对DeepSeek的模型发布高度敏感。市场最初采用的是简单的零和逻辑：DeepSeek越强、越便宜，智谱的商业空间就越受挤压。
这一次，市场反应变得复杂。DeepSeek V4 Pro发布过程出现反复时，智谱股价上涨；GLM-5.3在多项测试领先后，智谱股价却高开低走，当天收跌3.57%，从盘中高点回撤超过11%。
这未必是在否定GLM-5.3的能力，更可能说明后训练带来的跑分提升已经被视为符合预期。投资者开始追问，智谱的训练闭环与DeepSeek的插件生态，哪一种更容易持续扩大优势。
对大模型公司来说，单次领先正在贬值。真正有价值的是持续产生领先的机制。
低价竞争正在结束
技术路线之外，两家公司还出现了另一个共同变化：涨价。
智谱此前已连续上调API价格。DeepSeek则在V4 Pro正式版发布时首次引入峰谷分时定价，高峰时段多项价格显著上涨，空闲时段为高峰的一半。
DeepSeek长期以低价建立市场影响力。它开始涨价，意味着头部国产模型依靠补贴换规模的阶段正在接近尾声。
材料将涨价归因于公司的成长和研发投入。无论是合成数据工厂、自治智能体系统，还是开源插件生态，都需要长期资金支持。模型能力逐渐接近海外第一梯队后，继续以极低价格出售，也很难支撑下一轮投入。
我的判断是，大模型定价正在从成本逻辑转向价值逻辑。企业最终愿意支付多少，不取决于一百万token有多便宜，而取决于模型能否稳定完成任务、减少人工介入，并创造可计算的业务价值。
所以，这场竞争真正值得看的，不是谁暂时赢了七项测试，而是谁能建立一个持续进化、稳定交付并自我造血的系统。跑分决定一时的关注，自进化机制和商业闭环才决定长期的位置。