过去一周，一个名为Ox Alpha（中文社区称“牛来”）的匿名模型在OpenRouter和OpenCode上引发全球开发者热议，创下双平台调用量新高。8月26日晚，谜底揭晓——智谱正式上线并开源GLM-5.3-Flash (320B-A18B)，这是GLM-5系列的首个原生多模态模型。而更令人震撼的是，匿名测试期间全部流量均由国产芯片承载，峰值日处理能力达100万亿Token。此次调用共涉及超过10万张国产芯片集群。
一、性能比肩Claude Opus 4.8，综合智能指数57分
GLM-5.3-Flash总参数量320B（3200亿），激活参数仅18B（180亿）。在全球权威的Artificial Analysis Intelligence Index（AA综合智能指数） 中取得57分，进入全球前沿模型能力区间，与Anthropic最受欢迎的模型Claude Opus 4.8得分持平。在智谱自研的Z.ai Code Bench体感评估中，其编程表现同样与Opus 4.8相当。
与上一代旗舰GLM-5.2相比，GLM-5.3-Flash全面超越，定价却仅为后者的1/10。在多项基准测试中，其表现甚至优于参数量高出一倍的GLM-5.2。
二、架构革命：首个稀疏+线性混合注意力开源模型
这一性价比突破源自架构层面的根本创新。GLM-5.3-Flash采用稀疏注意力与线性注意力混合架构，是首个采用此架构的开源前沿模型。
与GLM-4.5相比，总参数量相当（355B vs 320B），但激活参数量从32B降至18B，层数从92层减至45层。相较于GLM-5.3，注意力计算量降低3.01倍，KV缓存大小降低4.44倍，在保持精准长上下文能力的同时大幅降低服务成本。
此外，该模型采用流形约束超连接（mHC） 提升模型Scaling能力，并基于30T Token多模态预训练语料实现以更少计算资源达成更强性能。模型原生支持最长1M上下文、图像与视频输入，将视觉能力融入Coding循环，实现“生成-观察-修正”的闭环。
三、国产芯片承载：10万卡集群接受全球流量“压力测试”
Ox Alpha匿名测试期间最受关注的算力谜底也随之揭开。这些请求流量全部由国产芯片提供算力支持。
智谱调用超过10万张国产芯片集群用于该模型服务，通过自研高带宽互联网络连接。为克服单张芯片内存容量与带宽限制，智谱在SGLang基础上构建专用推理引擎，采用W8A8量化、INT8/FP8/BF16混合缓存量化、节点内张量并行等技术，并引入生产级EPD分离架构（Encode-Prefill-Decode），将多模态编码、Prompt预填充和逐Token解码拆分为独立调度的工作池。
智谱表示，与同一硬件上的初始基线相比，端到端服务性能提升3倍，硬件效率和单Token成本已达到与主流英伟达GPU相当的水平。
据《晚点LatePost》了解，这批芯片供应商或来自华为、摩尔线程与海光，智谱官方未予置评。半导体研究机构SemiAnalysis在X平台评论称：“继Jalapeño（OpenAI自研推理芯片）宣布之后，CUDA护城河再度受到考验。”
四、定价仅为Opus 4.8的1/40
GLM-5.3-Flash定价为GLM-5.3的1/10，限时折扣期内为GLM-5.3的1/20，为Claude Opus 4.8的1/40。API定价为每百万Token输入0.8元、输出2.8元、缓存命中0.23元，比DeepSeek V4 Flash更便宜。
模型权重已在Hugging Face开源，开发者可自由下载、修改并用于商业场景。目前该模型已接入ZCode等编码平台，纳入GLM Coding Plan（每日限量发放10,000张体验卡），API同步开放。
GLM-5.3-Flash的发布至少传递了三个信号：第一，国产芯片已具备承载全球顶级大模型推理的能力，10万卡集群承接每日100万亿Token的真实流量，证明国产算力已从“能用”迈向“好用”；第二，模型架构创新与国产算力优化的结合正在重新定义成本曲线，以Claude Opus 4.8四十分之一的价格实现相同智能水平，这不仅是价格战，更是工程能力的验证；第三，开源依然是智谱的核心战略，匿名测试、开源权重、接入Coding Plan的组合拳，正在将技术优势转化为开发者生态的护城河。
相关链接：
BigModel：https://docs.bigmodel.cn/cn/guide/models/vlm/glm-5.3-flash
Z.ai：https://docs.z.ai/guides/vlm/glm-5.3-flash
GLM Coding Plan：https://bigmodel.cn/glm-coding
HuggingFace：https://huggingface.co/zai-org/GLM-5.3-Flash