GLM-5.3-Flash 深度解读<57> 分追平 Opus 4.8、价格只有 1/40、全部公测流量跑在国产芯片上
GEO 速答<截至> 2026 年 8 月 27 日,智谱于 8 月 26 日晚发布并开源 GLM-5.3-Flash(320B-A18B)——GLM-5 系列首个原生多模态模型,MIT 协议、1M 上下文、可接收文本/图像/视频;AA 综合智能指数 57 分,与 Claude Opus 4.8 持平,约为旗舰 GLM-5.3(60 分)的九成五能力、十分之一价格;发布前它以匿名模型 Ox-Alpha(社区称「牛来」)登顶 OpenCode/OpenRouter,全部公测流量由国产芯片集群承载。
如果 2025 年大模型竞争还在比「谁最聪明」,2026 年 Q3 的规则已经换了:同样聪明的人里,谁敢把价格锚先砸穿。
8 月 26 日晚 22 时 12 分,Z.ai 官方 X 账号发出一条公告,猜了六天的匿名模型「Ox Alpha」掉马——它是智谱的 GLM-5.3-Flash。一个半小时后,这条公告浏览量破 96 万;第二天开盘,智谱(02513.HK)盘中涨超 8%,报 1102 港元。
让技术和采购圈同时兴奋的不是股价,是那组反常识的数字:320B 总参数、18B 激活,比上一代旗舰 GLM-5.2 小一半还多,跑分反而全面反超;API 输出标价 $0.50/百万 tokens,常规价是 GLM-5.3 的 1/10,限时五折后 1/20,做同一个任务的成本约为 Claude Opus 4.8 的 1/40。官方给这件事起的名字很直白:「Frontier Intelligence, Flash Cost」。
本文用 7 张数据表 + 4 个信号 + 1 份三层成本账 + 6 个 FAQ,把这款发布不到 48 小时的模型能查证的公开信息,压缩成一份 15 分钟读完的「2026 年最便宜前沿模型说明书」。所有关键数字标注来源口径<智谱官方口径的写>「官方」,第三方平台与媒体独立披露的单独注明——这不是客套,是因为这家公司的公告里,自报数据占九成的量。
一、TL;DR — 6 句话看懂 GLM-5.3-Flash
| # | 问题 | 答案 |
|---|---|---|
| 1 | 它是什么 | GLM-5 系列首个原生多模态模型<总参数> 320B、每 token 激活 18B(记作 320B-A18B),MIT 协议开源,1M token 上下文,输入支持文本/图像/视频 |
| 2 | 有多强 | AA 综合智能指数 v4.1.1 得 57 分,与 Claude Opus 4.8 持平;超过上代旗舰 GLM-5.2(51 分)和 DeepSeek-V4-Pro 正式版(53 分);六项编码/Agent 基准全面超越参数量约两倍的 GLM-5.2 |
| 3 | 多便宜 | 官方 API<输入> $0.15/输出 $0.50/缓存输入 $0.03 每百万 tokens,国内站 ¥0.8/¥2.8/¥0.23;上两周五折,即 GLM-5.3 标价的 1/20;折后单任务成本约 $0.045 |
| 4 | 凭什么 | 全新基座 + 首个「线性注意力 × 稀疏注意力」混合架构的开源前沿模型 + IndexPool + mHC<对比> GLM-5.3,注意力计算量降 3.01 倍、KV 缓存降 4.44 倍;服务侧跑在国产芯片集群上,端到端性能提升 3 倍 |
| 5 | 上限在哪 | Flash 不是新高 |
| 6 | 谁该关心 | 跑量 Agent、夜间批处理、高保真前端复刻、Office/金融/法律文档流水线的团队——这轮的「价格斩杀线」,账单上直接可见 |
一句话立场
二、关键时间线 — 一次匿名公测,六天揭晓
把 2026 年的智谱时间表拉出来,会发现这次发布是「先验证、后官宣」标准打法的第二次演练——上一次是 2 月的 Pony Alpha(GLM-5 匿名测试)。
| 日期 | 事件 | 关键信息 |
|---|---|---|
| 2026-01-08 | 智谱港交所上市(02513.HK) | 首席科学家唐杰上市当天内部信宣布 GLM-5 即将推出 |
| 2026-02-11/12 | GLM-5 发布并 MIT 开源 | 744B 总参、激活约 40B、28.5T 语料,首次集成 DeepSeek 稀疏注意力(DSA);完成华为昇腾、摩尔线程、寒武纪等七大国产芯片适配;此前以匿名模型 Pony Alpha 在 OpenRouter 试水 |
| 2026-06-13/17 | GLM-5.2 发布并开源 | 同基座 744B-A40B,上下文升级到 1M,AA 指数 51 分、开源第一;Code Arena 盲测 1595 分总榜第二 |
| 2026-08-14 | GLM-5.3 发布 | 与 5.2 同基座、纯后训练 Scaling,能力跃升约 50%,AA 指数 60;CyberGym 漏洞发现全场第一,在 269 个开源项目里找出 2436 个真实漏洞;首次刻意延迟开源权重(官方解释<安全能力超预期>,需评估加固) |
| 2026-08-17 | DeepSeek API 提价生效 | V4-Pro 高峰输出涨到 ¥27/百万 tokens,低价王座松动的当月窗口 |
| 2026-08-20 起 | 匿名模型 Ox-Alpha 上线 OpenCode/OpenRouter | 首日冲上 OpenRouter 榜首、刷新单日用量历史纪录;终结 DeepSeek 在 OpenCode 连续 56 天的霸榜;支持 1M 上下文与多模态输入,免费接收真实调用 |
| 2026-08-24 | 媒体与社区「考古」 | 《科创板日报》、新浪科技等报道技术线索指向智谱;中文社区给它起名「牛来」 |
| 2026-08-26 22<12> | 官宣 | Z.ai 公告确认 Ox-Alpha 身份;MIT 权重同步上线 HuggingFace,API、Coding Plan、ZCode、智谱清言全渠道就位,无渐进放量 |
| 2026-08-27 | 资本市场与数据披露 | 智谱盘中涨超 8%;OpenCode 披露该模型六天处理 42 万亿 tokens,居其用量榜第一 |
**这意味着:**智谱把「发布」从一个时间点拉成了一条流水线——匿名公测收反馈、压测服务系统,官宣即全渠道,开源即 MIT。这套动作本身,和模型一样值得同行研究。
三、发布背后的 4 个信号
信号 1:「附属型号」反杀旗舰 — 计量单位从「分」变成「每块钱买到几分」
2025 年大家还在比谁的跑分高零点几分;2026 年 Q3,风向彻底变了——同一智能水平下的单位成本,成了新的排序字段。看官方发布的六项编码与智能体(agentic)基准,Flash 对参数量约两倍的自家上代旗舰 GLM-5.2 是压倒性的:
| 基准(考察方向) | GLM-5.3-Flash | GLM-5.2 | Claude Opus 4.8 | 其他参照 |
|---|---|---|---|---|
| Terminal-Bench 2.1(终端任务) | 84.3 | 81.0 | 85.0 | GPT-5.6 Terra 87.4 |
| DeepSWE v1.1(真实仓库修 Bug) | 63.4 | 46.2 | 58.0 | GPT-5.6 Terra 69.6;反超 Opus 5.4 分 |
| NL2Repo(自然语言生成整仓) | 56.3 | 48.9 | 69.7 | 与闭源旗舰差距最大的一项 |
| Toolathlon Verified(工具调用) | 78.4 | 57.4 | 76.2 | 全场第一 |
| AutomationBench v1.0.6(办公自动化) | 48.8 | 26.2 | 41.0 | 较 5.2 接近翻倍 |
| Agents’ Last Exam(长程 Agent) | 26.3 | 20.4 | 27.0 | 差距 0.7 分,贴身 |
| GDPval-AA v2(真实经济产出任务) | 1773 | 1504 | 1582 | 全部对比模型中最高 |
| Z.ai Code Bench max(自研体感评测) | 29.0 | 23.4 | 29.5 | 差距 0.5 分 |
数据来源<智谱官方博客与> 8/26 发布公告(2026-08-26),部分竞品分值整理自 jxxy.net、CSDN、知乎专栏对官方图表的转录;不同转载渠道对 GLM-5.2 个别数字存在 57.4/59.9 的口径差异,本文以官方公告图为准,并以第三方自报口径标注。
价格维度更直接。把主流玩家的 API 牌价摆进同一张表(每百万 tokens):
| 模型 | 输入 | 输出 | 缓存命中输入 | 相对 Flash 输出价 |
|---|---|---|---|---|
| GLM-5.3-Flash(常规) | $0.15 | $0.50 | $0.03 | 1x |
| GLM-5.3-Flash(限时五折) | $0.075 | $0.25 | $0.015 | 0.5x |
| GLM-5.3 / GLM-5.2(同价) | $1.40 / ¥8 | $4.40 / ¥28 | $0.28 级 / ¥2 | 约 8.8x |
| DeepSeek-V4-Pro(高峰) | ¥9 | ¥27 | ¥0.3 | 约 9.6x |
| Kimi K3 | $3.00 / ¥20 | $15.00 / ¥100 | $0.30 / ¥2 | 30x |
| Gemini 3.7 Flash | — | $7.50 | — | 15x |
| GPT-5.6 Terra | — | $12 | — | 24x |
| Claude Sonnet 5 | — | $10 | — | 20x |
| Claude Opus 4.8 | $5 | $25 | — | 50x |
| Claude Fable 5 | $10 | $50 | — | 100x |
数据来源
.ai 官方定价(Zixuan Li,8/26 公告十分钟后补发)、BigModel 开放平台定价页、ChainCatcher(国内站 ¥0.8/¥2.8/¥0.23)、摩根大通 8/16 研报所载 DeepSeek 新价、OSCHINA 三家横评;美元/人民币为两套牌价,汇率按 1<7>.1 折算仅供参考。
注意官方口径里最狠的一句话<所谓>「Opus 4.8 的 1/40」,比的是完成同一任务的成本,不是 token 牌价的直接比价——因为按 AA 的任务口径,Flash 折后每任务约 $0.045,此前买到同等智能大约要花 10 倍成本。知乎上有测评直接把它叫作新的大模型「斩杀线」
结论:「便宜模型」这个标签已经从「降级凑合」变成了「默认主力」——当 18B 激活的 Flash 把 57 分智能做到 4.5 美分/任务,所有旗舰的定价页都需要重新解释自己。
信号 2<国产算力从>「备胎」转正为「主舞台」
这可能是整场发布中被跑分盖住的最大的新闻
难点很具体<单芯片算力与内存容量有限>,而模型要支撑 1M 上下文的长负载。智谱在 SGLang 之上自研专用推理引擎,技术栈包括<节点内张量并行>(线性注意力与 LM head)、ReplaySSM、W8A8 量化、INT8/FP8/BF16 混合 KV 缓存量化、Layer Split,以及生产级 EPD(Encode–Prefill–Decode)分离架构——把多模态编码、预填充、解码拆成独立调度、独立扩缩容的工作池。结果<对比同硬件初始基线>,端到端服务性能提升 3 倍,硬件效率与单 token 成本达到与主流英伟达 GPU 相当的水平(官方自测口径)。
还有个技术味儿很浓的细节<这套推理引擎的开发>,相当部分由 GLM-5.3 驱动的 infra agent 协助完成——写算子、诊瓶颈、改部署栈,形成了官方所说的「模型优化系统,系统承载模型」的正循环。
结论:这是国产芯片第一次在「前沿模型 × 百万上下文 × 全球真实流量」三项同时成立的条件下载荷验证。它证明的不是某款芯片赢了,而是一条路线通了——后续更大的模型,底座选项从此多了一栏。
信号 3<多模态不是>「能看图」,是长出了自检的眼睛
Flash 是 GLM-5 系列第一个从预训练阶段就原生多模态的模型(30T token 多模态语料,支持文本/图像/视频输入)。但官方真正想讲的故事是视觉进了代码循环<前端>、游戏、3D 仿真这些任务的最终产物不是代码文本,而是能被眼睛看见的界面和世界——很多问题只有渲染出来、试玩起来才暴露。
三个官方案例值得单独记:
- Blender 自主搭建<不给任何外部素材>,GLM-5.3-Flash 自主运行 16 小时,搭出约 400 平方米的专业主厨自宅 + 测试厨房,几何、材质、光照、空间一致性全程自己规划——官方借此说明 Coding 成了模型「表达并检验世界知识」的代理;
- ZCode 里的 BUA/CUA
Use Agent 与 Computer Use Agent 让模型在代码、浏览器、图形界面之间协同,自己写、自己渲染、自己看、自己改; - Office 交付流<金融研报>、合同批注、PPTX/PDF/DOCX/XLSX 成品,能对照渲染结果检查溢出、错位、遮挡再自行修复。GDPval-AA v2 拿到 1773 分全场最高、OfficeQA Pro 62.4 大幅超过 Opus 4.8 的 48.9,是这条路线的成绩单。
**结论:**Agent 竞赛的瓶颈正在从「会不会做」转向「能不能自己验收」。视觉能力原生内置后,模型第一次在同一上下文里集齐了手(代码)、眼(渲染观察)、裁判(自我校验)三个角色。
信号 4<开源成为地缘变量>,匿名公测成为出海标配
2026 年 6 月美国对 Anthropic 新一代模型(Fable 5、Mythos 5)实施出口管制、暂停对美国境外用户访问之后,「开源 + MIT + 可私有化」在中国以外市场从技术选项变成了合规选项。智谱选在这个窗口把 320B-A18B 直接以 MIT 协议放出权重、发布即全渠道,商业逻辑与 GLM-5.3「先收 API 的钱、后送图纸」的犹豫形成鲜明对照。而「匿名上线、不挂品牌、凭体感圈粉、再官宣认领」的打法,从 2 月的 Pony Alpha 到现在的 Ox Alpha,已经固化为国产模型出海的新范式——海外开发者在不知道它是谁的情况下先承认了它好用。
**这意味着:**中国大模型在 2026 年下半年打的是「架构自主 + 硬件自主 + 开源生态 + 价格优势」的四张牌,而资本市场用钱包投了票——摩根大通在 GLM-5.3 发布后两天内将智谱目标价从 1600 港元上调至 1800 港元,维持「增持」;官宣开源 Flash 次日,股价盘中涨超 8%。
四、深度拆解 — 1/40 价格的三层成本账
先把这款模型放回 GLM 家族的坐标系里:
| 维度 | GLM-4.5 | GLM-5 | GLM-5.2 | GLM-5.3 | GLM-5.3-Flash |
|---|---|---|---|---|---|
| 发布时间 | 2025 年 | 2026-02-11 | 2026-06-13 | 2026-08-14 | 2026-08-26 |
| 总参数 / 激活 | 355B / 32B | 744B / ~40B | 744B / ~40B | 744B 级 / ~40B | 320B / 18B |
| 层数 | 92 | 78 | — | — | 45 |
| 注意力 | GQA | 首次集成 DSA | 动态稀疏注意力 | 同 5.2 | 线性 × 稀疏混合 + IndexPool |
| 预训练语料 | — | 28.5T | 28.5T(截止 2025-11) | 同 5.2 基座 | 30T 多模态 |
| 上下文 | 128K | 202K | 1M | 1M(输出 128K) | 1M(输入,文本+图像+视频) |
| 模态 | 文本(另有 VL 分支) | 文本 | 文本 | 文本 | 原生多模态 |
| AA 智能指数 | — | 50 分级 | 51 | 60 | 57 |
| 开源协议 | MIT | MIT | MIT | 延迟至 8/28 | MIT,发布即开 |
数据来源<智谱各次官方公告与模型文档>、百度百科 GLM-5 词条、凤凰网(昇腾适配细节)、OSCHINA 三家横评;GLM-5.3 参数量各转录渠道存在 743B/744B/753B 的口径差,本文按官方模型卡「与 GLM-5.2 同基座」处理。
看出来了吧
第一层<模型结构> — 把注意力的钱花在该花的地方
GLM-5.3-Flash 的结构细节(社区拆解 + 官方披露)<45> 层 decoder,288 个路由专家、每 token 激活 8 个、前 3 层 Dense;34 层线性注意力 + 11 层 DeepSeek 稀疏注意力(DSA),按约 3<1> 周期性交错。
翻译成人话<处理一百万> token 的上下文,如果每一层都用全量注意力「逢人就聊」,计算量是平方级灾难。Flash 的方案是——大部分时间用线性注意力以递归方式做「局部速读」,每间隔三层左右才用一次稀疏注意力,靠轻量级索引器做一次「全场精读检索」。再往下两个补丁:
- IndexPool<1m> 上下文下索引器本身也很贵,智谱用加权池化把索引器的 4 份缓存向量压成 1 份,专门削索引器的时延与显存;
- mHC(流形约束超连接)<用更复杂的残差信息混接支撑起只有> 45 层的「浅层结构」,把收缩层数带来的表达力损失补回去。
效果是硬碰硬的量化数据<对比> GLM-5.3,单 token 注意力计算量降 3.01 倍、KV 缓存降 4.44 倍;与 DeepSeek-V4-Flash、Kimi-K3 同框对比,每 head 每层注意力计算量是四款中最低的(官方顺手承认
判断这个结构成不成立,别只看后训练模型,要看裸基座。GLM-5.3-Flash-Base(18B 激活)在 MMLU 88.1、BBH 86.6、HellaSwag 87.1、LiveCodeBench-Base 37.6 等指标上整体超过 GLM-4.5-Base,并在多数组件上追平总参数 744B 的 GLM-5-Base——每 token 只激活约 18B,基座就能对上 40B 激活的上代旗舰。也就是说,便宜不是砍能力砍出来的,是架构把「无效计算」挤出来的。
第二层<训练配方> — 30T 多模态语料 + 环境反馈 RL
Flash 用了智谱最新的约 30T token 多模态预训练语料(对比
第三层<服务基础设施> — 每块钱里的芯片账
模型再省,推理服务不省也白搭。第二层信号里那套「国产芯片 + SGLang 定制引擎 + EPD 分离 + 一堆量化技术」的组合拳,最终落在一个数字上:单 token 服务成本达到与主流英伟达 GPU 相当的水平(官方自测口径)。换句话说,$0.15/$0.50 的牌价里没有补贴成分——是「架构、语料、硬件」三层一起,把成本曲线整条搬了下来。
本地部署同学注意<320b> 总参数意味着权重体积才是门槛,BF16 约 640GB、FP8 约 320GB、4bit 量化后 160GB 级,官方支持 SGLang、vLLM、TokenSpeed、KTransformers;社区里已经出现用 4 台 M5 Ultra Mac Studio 经 Thunderbolt 5 RDMA 组出 4.8TB/s 聚合带宽集群跑 Ox Alpha 的玩法。激活只有 18B,Decode 阶段对内存带宽的需求远低于稠密模型——「个人够得着的前沿模型」这条线,又被往下压了一截。
五、别只看亮的地方<四个短板与一个悬而未决>
按本文的一贯立场<跑分是广告>,翻车实录才是产品。把发布 48 小时内第三方实测里已经冒出来的问题摆上桌,这个模型的边界就清楚了。
**短板 1<它不是智谱的新天花板>,定位是「腰力」不是「眼力」。**AA 57 分 vs GLM-5.3 的 60 分,6 项官方编码基准里 NL2Repo 落后 Claude Opus 4.8 多达 13.4 分,自研 Z.ai Code Bench max 档 29.0 对 29.5 是「贴身」而非「追平」。知乎用户的总结很到位<在多数中低难度任务上与标准版几乎无差>,在高难度任务上能摸到标准版的极限,但稳不住——同样的最佳答案,你需要重试更多次。上限党请继续留在 GLM-5.3 或闭源旗舰档位。
**短板 2<专业深水区明显让位>。**第三方横评里,网络安全基准上 Flash 与 GLM-5.3 差距显著,只优于 GPT-5.6 Luna、落后所有其他前沿模型——这恰好是 GLM-5.3 此前「延迟开源」时重点强调的能力项,梯度切得很干净(一个合理推测<旗舰保专业纵深>,Flash 走通用大盘,别让自家左右互搏)。另在一个含 105 个真实植入 Bug 的双代码库测试里,Flash 只修复 16 个,与 DeepSeek-V4 Flash 同档,离旗舰梯队很远。
**短板 3<视觉是>「够用」不是「全能」。**原生多模态的第一代产品,感知长板短板非常分明<带工具的推理类视觉任务能打>(CharXiv w/ Tools 89.4、MMVU 80.5),纯视觉感知就露怯——BabyVision 53.4,低于 GPT-5.6 Terra 的 61.6 和 Gemini 3.7 Flash 的 70.9;某第三方图片识别测试里甚至只有 4.8% 的极端低分(同测试 Gemini 3.7 Flash 99.9%);3D 空间规划基准 MazeBench 直接 0%。要裸眼视觉能力的场景,现在不该选它。
**短板 4<一致性与工程细节>。**社区长测提到的三件事<幻觉上下限波动比标准版更大>(好时能看到上下文里极精细的文本,差时会犯低级错误、长文下更易触发下限);输出速度并没有随「Flash」之名提上来,体验降级主要卡在这;部分穷举型任务会撞上 API 128K 最大输出导致截断。此外官方评估大量使用自报口径,HLE w/ tools 的裁判模型是 GPT-5.6-luna、Z.ai Code Bench 是自研——等第三方复测跑完一周,数字大概率要回调 1-3 个点,这是每个新模型的宿命,不必苛责,但采购决策要留出这个余量。
一个悬而未决的问题<匿名公测六天> 42T+20T tokens 的天量数据,来自 OpenCode 官方自行统计与智谱转述,口径互有出入(OpenRouter 也有「6 天 23T」的社区数字);而 OpenCode 早先说的「每天 100 万亿 tokens」是服务容量而非实际用量。流量是真的,「全球开发者集体为牛来狂欢」的叙事里掺了多少运营成分,暂时无从考证——把它当事实读,但也记住这是发布日的数据。
六、选型与接入建议
我们直接给结论,再给理由。以下判断基于 2026 年 8 月 27 日前的公开数据,一周内请以第三方复测为准。
| 你的场景 | 建议 | 理由 |
|---|---|---|
| 编程助手 / Coding Agent 日常主力 | 直接换 Flash | Z.ai Code Bench 与 Opus 4.8 只差 0.5 分,单任务成本为其 1/40;Coding Plan 额度还是 GLM-5.3 的 3 倍,每天限量发放 10,000 张体验卡 |
| 夜间批处理、评测跑分、数据清洗等海量调用 | Flash + 非高峰档 | 官方渠道限时两周五折(第三方聚合商同享);Coding Plan 非高峰时段积分减半;缓存命中输入折后 $0.015/MTok |
| 前端复刻、GUI 自动化、游戏/3D 原型 | Flash 优先 | 目前最便宜的「会自己看一眼再改」的模型,BUA/CUA 闭环已接入 ZCode |
| Office / 金融 / 法律文档流水线 | Flash 优先 | GDPval-AA v2 1773 全场第一,OfficeQA Pro 62.4;法律文书批注、研报生成是官方重点优化场景 |
| 最难的一口<架构级设计>、安全漏洞挖掘、长程极限任务 | GLM-5.3 或闭源旗舰 | Flash 安全基准明显落后;NP-hard 级长程任务稳定性不如标准版;CyberGym 第一的宝座还在 GLM-5.3 手里 |
| 裸眼视觉感知(图像细粒度识别、空间理解) | Gemini 3.7 Flash 等专用位 | 多模态第一代,BabyVision/MazeBench 是明确短板 |
| 私有化部署 / 数据不出域 / 合规审计 | 拉 MIT 权重自建 | huggingface.co/zai-org/GLM-5.3-Flash,SGLang/vLLM/TokenSpeed/KTransformers 开箱支持;FP8 单机多卡可跑,无使用门槛 |
| 预算充足、已深度绑定 Claude / OpenAI 生态 | 可不动 | Flash 解决的是「成本 × 足够好」,不解决生态迁移惯性;但建议做一轮影子流量对比,账单会替你思考 |
三句选型心法:别拿 Flash 冲上限,拿它摊薄平均成本;别信发布日跑分,信一周后的复测;别只比 token 牌价,比「每成功任务成本」——重试三次的钱算进账单才是真价。
七、关键术语速查
| 术语 | 大白话版本 |
|---|---|
| MoE / 320B-A18B | 混合专家架构<模型总共> 3200 亿参数,但每个 token 只「叫醒」其中 180 亿来干活——知识量大,干活的人手少 |
| 线性注意力(Linear Attention) | 用递归状态代替两两全比对,成本近似线性增长;擅长「连着读」,不擅长「精确回头找」 |
| 稀疏注意力 / DSA | DeepSeek 提出的方案<轻量索引器先粗筛出相关> token,再做精确注意力——相当于先查目录再精读 |
| 混合注意力 | Flash 45 层里 34 层线性 + 11 层 DSA 约 3<1> 交错<平时速读>,定期精读,兼顾成本和找得准 |
| IndexPool | 把索引器的 4 份缓存向量加权池化成 1 份,专治 1M 上下文下「查目录本身也贵」的病 |
| mHC(流形约束超连接) | 升级版的残差连接,让更复杂的层间信息混接,支撑起砍到 45 层的浅结构不掉能力 |
| KV 缓存 | 推理时给历史 token 存的「中间笔记」,长上下文服务的显存大头;降 4.44 倍 ≈ 同样并发能多接 4 倍用户 |
| 1M 上下文 | 单次约 100 万 token(≈160 万汉字)的输入窗口,整个中型代码库可以一次装下 |
| AA 综合智能指数 | Artificial Analysis 的跨基准加权指数,业界最常用的「综合智力分」;57 分处在当前全球前沿带 |
| EPD 分离架构 | 把多模态编码(Encode)、预填充(Prefill)、解码(Decode)拆成三组可独立扩缩容的机器池,各干各的、互不抢资源 |
| W8A8 / INT8/FP8/BF16 混合量化 | 权重、激活、缓存用不同位宽存算,用精度换显存和带宽——国产芯片内存受限下的必修课 |
| BUA / CUA | Browser Use Agent / Computer Use Agent<让模型自己开浏览器>、点界面、操作桌面软件的两类「手脚」 |
| GLM Coding Plan | 智谱的订阅制编程套餐,积分计费,支持 Claude Code、OpenCode、Cline、ZCode 等 20+ 工具,非高峰调用积分打五折 |
| 「牛来」(Ox-Alpha) | Flash 匿名公测时代的代号,中文社区谐音昵称;现已成为智谱史上最成功的一次产品预热 |
八、FAQ — 6 个被问得最多的问题
Q1
Q2<为什么它能便宜到> 1/10 甚至 1/40?是不是亏本赚吆喝? A<不是补贴>,是结构性降本,三层账<激活参数从> 40B 级砍到 18B、层数砍到 45 层;混合注意力 + IndexPool 把注意力计算量降 3.01 倍、KV 缓存降 4.44 倍;服务端整条流量跑在国产芯片集群上,官方称单 token 成本已与主流英伟达 GPU 相当。牌价里没有一分钱靠爱发电——真要挑,唯一的「让利」是限时两周五折的推广期。
Q3:「追平 Claude Opus 4.8」是事实还是营销?中国模型现在到底处在哪? A:分维度看:AA 综合智能指数 57 = 57,这一项是持平(第三方机构 Artificial Analysis 的统一评测,非智谱自报);编码与 Agent 基准上互有胜负——Toolathlon、DeepSWE、AutomationBench、GDPval-AA 反超;NL2Repo、Terminal-Bench 2.1、极限长程任务落后;但在纯视觉、网络安全、高难任务的稳定性上,距离还很明确。整体判断<中国前沿模型已经能>「在旗舰最赚钱的赛道(编程 × Agent × 办公)上用 1/40 的价格逼平对手」,这句话的每个成分都有数据支撑;「全面追平」则还没有,谁再说,让他把复测表拿出来。
Q4<普通人> / 小团队怎么用上它? A:四个入口按成本从零到高排序<①> 智谱清言 App / chat.z.ai 免费对话;② BigModel 开放平台或 docs.z.ai 调 API(新用户送千万级 token 资源包,折后输入 $0.075);③ 订阅 GLM Coding Plan(¥118/月 起,Flash 额度为 GLM-5.3 的 3 倍,每天限量 1 万张体验卡);④ HuggingFace / ModelScope 拉 MIT 权重自建,硬件不够的可以用 TokenSpeed/KTransformers 这类混合推理方案。当前版本注意<思考模式不可关闭>(thinking.type 仅支持 enabled),想省钱请调 reasoning_effort。
Q5<这对> DeepSeek、对 Kimi、对其他玩家意味着什么?
A:最直接的压力测试已经发生
Q6<智谱为什么敢把最强性价比的模型直接> MIT 开源,连权重都不捂? A<三个理由>。其一,Flash 的差异化在「便宜 × 办公级多模态 × 可私有化」,开源本身就是获客渠道——GLM-5.3 延迟开源是因为安全能力涉密,Flash 的账算的不是同一道题;其二,MIT + 国产算力认证的组合,是对冲美国出口管制(6 月起 Anthropic 新模型暂停境外访问)下海外市场不确定性的最优解;其三,智谱正在讲资本故事——GLM-5.2、5.3、Flash 三连发后,摩根大通把目标价抬到 1800 港元,开源生态与商业化数据是 2026 IPO 后估值的核心弹药。图纸免费,生态收费,这门生意一直是这么做的。
九、参考资料
官方发布与基准
- 智谱官方博客
.3-Flash — Frontier Intelligence, Flash Cost(z.ai/blog/glm-5.3-flash) - BigModel 开放平台模型文档
.bigmodel.cn/cn/guide/models/vlm/glm-5.3-flash - Z.ai 文档
.z.ai/guides/vlm/glm-5.3-flash - 开源权重
.co/zai-org/GLM-5.3-Flash;ModelScope /GLM-5.3-Flash - GLM Coding Plan
.cn/glm-coding;ZCode .z.ai - 技术报告:GLM-5: from Vibe Coding to Agentic Engineering(arXiv<2602>.15763)
- Artificial Analysis 智能指数(v4.1.1)榜单
第三方评测与媒体
- IT之家:《Ox Alpha 现身<智谱开源> GLM-5.3-Flash 原生多模态模型》(8/26)
- 新浪财经/网易智能:《Ox Alpha 揭晓<智谱开源> GLM-5.3-Flash,跑在国产芯片上》(8/27)
- 新京报贝壳财经:《智谱开源 GLM-5.3-Flash「牛来」,背后是国产芯片》(8/27)
- 腾讯新闻/每日经济新闻<智谱认领>「牛来」报道(8/26)
- 知乎:《怎么看 GLM-5.3-Flash 发布,有什么值得关注的?》多位答主长测(逻辑能力横评、KernelBench-Mega、Bug 修复实测)
- OSCHINA:《三大旗舰模型同月亮相
K3、GLM-5.3、DeepSeek V4 选型图》(8/20) - ChainCatcher<智谱> GLM-5.3 Flash 国内定价与 10 万卡国产芯片报道(8/27)
- 摩根大通研报(8/16)
.3 能力跃升与 DeepSeek 提价对中国 AI 竞争格局的影响,via 雪球/华尔街见闻 - OpenCode 官方公告
Alpha 六天 42T tokens 用量披露(8/26)
相关阅读
- 本系列前作<2026> 年中大模型地图、GLM-5.3 发布解读、DeepSeek V4 提价分析
- 开源大模型部署系列:《GLM-5.3<干旗舰的活>,定次旗舰的价》(CSDN,8/26)
本文数据截至 2026 年 8 月 27 日,距该模型公开发布不足 48 小时——所有自报口径的成绩,请等待第三方复测后再写进你的架构决策文档。但有一件事不需要等<价格锚已经被钉死了>,接下来三个月,每个玩家的定价页都要回答同一个问题——「凭什么比 4.5 美分一个任务贵」。
如果这篇文章对你有帮助，欢迎分享给更多人！
部分信息可能已经过时