智譜發布最新模型 GLM-5.3-Flash，該模型此前以匿名形式 Ox Alpha 在測試平台免費開放，5 天內流量超過 50 萬億 token。模型調用超過 10 萬張國產晶片叢集進行推理服務，硬體效率及單 token 成本已與英偉達 GPU 相當。性能方面，該模型在 AA 綜合智能指數中得分 57，與 Claude Opus 4.8 持平。定價上，每百萬 token 輸入 0.8 元、輸出 2.8 元，遠低於競爭對手。架構採用稀疏與線性注意力混合設計，是 GLM-5 系列首個原生多模態模型。在國內 AI 模型集體漲價的背景下，智譜以低價策略搶佔市場。文章作者、來源：晚點LatePost
8月26日，智譜正式確認：此前在開發者社區引發熱議的匿名模型 Ox Alpha（中文社區稱「牛來」），即為其最新發布的 GLM-5.3-Flash。模型代號靈感源自國內近期熱映電影《牛來》。
該模型在正式發佈前，以匿名形式於 OpenRouter 和 OpenCode 上免費開放測試，5 天內流量累計超過 50 萬億 token，刷新了兩個平台的流量增長紀錄，當前使用量已超過 DeepSeek 的兩倍以上。但真正引發市場關注的，是智譜隨後披露的一個細節：這些流量，全部由國產晶片承載。
智譜在官方技術文檔中表示，調用超過 10 萬張國產晶片叢集用於該模型推理服務，“硬體效率及單 token 成本已經達到了與主流英偉達 GPU 相當的水平”。
半導體研究機構 SemiAnalysis 隨即在 X 平台發文評論：「所有流量均由國產晶片承載，硬體效率與單 token 成本已可與英偉達 GPU 相媲美。繼 Jalapeño（OpenAI 自研推理晶片）昨日宣布之後，CUDA 护城河再度受到考驗。」
100,000 張國產卡：從測試到生產，智譜在技術文檔中描述了這套國產晶片叢集的部署細節。
單張晶片的主要瓶頸在於記憶體容量與頻寬，支援長達 100 萬 token 的上下文長度尤其困難。為此，智譜在 SGLang 基礎上構建了專用推理引擎，採用 W8A8 量化、INT8/FP8/BF16 混合快取量化，以及節點內張量平行等技術，並引入生產級 Encode–Prefill–Decode（EPD）分離式架構，將多模態編碼、prompt 預填充和逐 token 解碼拆分為可獨立調度的工作池。
ZhiPu 表示，與同一硬體上的初始基線相比，端到端服務性能提升了 3 倍。
據《晚點LatePost》了解，這批晶片的供應商或來自華為、摩爾線程與海光。智譜官方對此未予置評，技術文檔中也未明確具體晶片型號。
SemiAnalysis 在評論中特別指出，此前有觀點認為只有頂級前沿實驗室才具備每日 100 萬億 token 的算力規模，「而這裡每日 100 萬億 token 的免費流量，全部跑在國產晶片上。」
模型本身：對標 DeepSeek，定價為 Claude Opus 的 1/40。GLM-5.3-Flash 的總參數規模為 320B，激活參數為 18B，參數量約為上一代旗艦 GLM-5.3 的 40%，與 DeepSeek V4 Flash 幾乎持平。
在性能方面，智譜官方評測顯示，GLM-5.3-Flash 在 Artificial Analysis Intelligence Index（AA 綜合智能指數）中取得 57 分，超越上一代旗艦 GLM-5.2，與 Anthropic 的 Claude Opus 4.8 持平，亦高於 DeepSeek 旗艦模型 V4 Pro 正式版的 53 分。
在定價方面，GLM-5.3-Flash 的每百萬 token 輸入為 0.8 元，輸出為 2.8 元，快取命中價格為 0.23 元，為 GLM-5.3 的十分之一。上線前兩週享半價優惠。
智譜表示，GLM-5.3-Flash 的定價為 GLM-5.3 的 1/10，在限時折扣期間為 GLM-5.3 的 1/20，為 Claude Opus 4.8 的 1/40。
與調整後的 DeepSeek V4 Flash 相比（谷時輸入 1.5 元、輸出 4.5 元），GLM-5.3-Flash 在絕大多數常規調用場景下更便宜。
架構創新：激活參數和層數幾乎減半 GLM-5.3-Flash 採用了與 GLM-5.3 完全不同的架構設計，這也是其能夠以更低的成本實現更高性能的核心原因。
與 GLM-4.5 相比，GLM-5.3-Flash 的總參數量相近（355B 與 320B），但激活參數量從 32B 降至 18B，層數從 92 層減至 45 層，幾乎減少一半。
智譜表示，GLM-5.3-Flash 是首個採用稀疏注意力與線性注意力混合架構的開源前沿模型。與 GLM-5.3 相比，其注意力計算量與 KV 緩存大小分別降低了 3.01 倍和 4.44 倍。
此外，該模型是 GLM-5 系列首個原生多模態模型，支援圖像和影片輸入，也是智譜自戰略聚焦 coding 以來首次推出具備多模態能力的新模型。
在漲價潮中低價突破：GLM-5.3-Flash 的發布，發生在中國 AI 模型市場一輪集體漲價之後。
Kimi K3 的輸出價格高達每百萬 token 100 元，超過前代 K2.6 的三倍以上；智譜在上半年調價後，輸出價格也達到 28 元；DeepSeek V4 Pro 從 6 元漲至 13.5 元，高峰時段為 27 元；DeepSeek V4 Flash 的輸出價格從 2 元漲至 4.5 元，高峰時段為 9 元。
價格上漲的直接後果是需求外溢。《晚點LatePost》指出，DeepSeek V4 Flash 提價後，在 OpenCode 平台上的調用量下滑了一半，這部分需求成為國產模型廠商新的增長空間。
GLM-5.3-Flash 的定價策略，正是瞄準了這一缺口。