“牛来”真身揭晓：智谱 GLM-5.3-Flash 开源，前沿模型价格直接打到 1/40
…
前几天在 OpenRouter、OpenCode 突然爆火的匿名模型：
Ox Alpha。
现在终于掉马甲了。
它就是智谱刚刚正式上线并开源的：
GLM-5.3-Flash。
而且这次不只是把旗舰模型做了一个便宜版。
GLM-5.3-Flash 使用了全新的 Base Model 和架构：
320B 总参数
18B 激活参数
1M 上下文
并且成为：
GLM-5 系列首个原生多模态模型。
最夸张的还是价格。
常规定价大约只有 GLM-5.3 的：
1/10。
首发限时 5 折以后进一步来到约：
1/20。
按照智谱官方和 Claude Opus 4.8 的对比口径：
同级前沿智能，价格最低可以做到约 1/40。
Flash 这次是真的开始卷“量大管饱”了。
一、320B 总参数，但只激活 18B
GLM-5.3-Flash 并不是一个传统意义上的“小模型”。
总参数达到：
320B。
但每次处理 Token 时实际只激活：
18B。
相比 GLM-5.3 这种 744B 级旗舰模型，它明显把重点放到了：
智能密度和推理效率。
目标很简单：
不是让更多参数一直工作。
而是：
用尽可能少的计算，把前沿模型能力保留下来。
二、AA Intelligence Index 57 分
GLM-5.3-Flash 在 Artificial Analysis Intelligence Index v4.1.1 中取得：
57 分。
已经进入目前全球前沿模型能力区间。
更重要的是，它在多个 Coding 和 Agent Benchmark 中明显超过上一代 GLM-5.2。
例如：
DeepSWE v1.1：63.4 vs 46.2
AutomationBench：48.8 vs 26.2
Toolathlon Verified：78.4 vs 59.9
在智谱自己的 Z.ai Code Bench 中，GLM-5.3-Flash Max 档也已经接近 Claude Opus 4.8。
所以虽然名字叫：
Flash。
但它并不是过去那种：
“便宜很多，能力也砍一大截”
的产品定位。
三、第一次把视觉直接塞进 GLM-5 Coding Loop
GLM-5.3-Flash 最大的变化之一就是：
原生多模态。
模型从预训练阶段就同时学习：
文本；
图片；
视觉界面；
文档；
图表
等信息。
这对于 Coding Agent 特别重要。
比如 AI 做一个网页。
以前它可能：
代码写完就结束。
现在模型可以继续：
写代码
↓
打开网页
↓
自己看渲染结果
↓
发现布局不对
↓
修改代码
↓
重新检查视觉开始真正进入：
Coding Loop。
这对于前端开发、小游戏、3D 场景、浏览器自动化都会比较有用。
四、这其实就是之前爆火的 Ox Alpha
GLM-5.3-Flash 正式发布之前，智谱并没有直接公布身份。
而是把它包装成匿名模型：
Ox Alpha。
放到 OpenRouter 和 OpenCode 上给真实开发者盲测。
结果上线后很快冲到平台调用榜头部，大量开发者拿它跑：
Coding Agent；
代码仓库；
工具调用；
长程任务。
直到正式发布，智谱才认领：
Ox Alpha = GLM-5.3-Flash。
也就是说，之前大家疯狂猜：
Gemini？
微软 MAI？
GLM？
现在终于有答案了。
还真是 GLM。
五、混合注意力架构才是这次省钱的核心
GLM-5.3-Flash 这次最大的架构变化，是：
Sparse Attention + Linear Attention
稀疏注意力与线性注意力混合。
线性注意力负责处理大量局部信息。
稀疏注意力则负责从超长上下文里找到真正需要关注的全局内容。
两者组合以后，可以明显降低长上下文的计算量。
与 GLM-5.3 相比：
Attention 计算量降低约 3 倍。
KV Cache 规模降低约 4.4 倍。
这在 1M Context 下非常重要。
因为 Agent 真正跑长任务时，贵的不只是生成 Token。
还有：
整个上下文到底有多重。
六、价格真的砍得很猛
Z.ai 当前 GLM-5.3-Flash 标准 API 价格为：
输入：$0.15 / 1M Tokens
缓存输入：$0.03 / 1M Tokens
输出：$0.50 / 1M Tokens
首发期间还有：
5 折。
折后变成：
输入：$0.075 / 1M Tokens
缓存输入：$0.015 / 1M Tokens
输出：$0.25 / 1M Tokens
优惠持续到：
2026 年 9 月 9 日 24:00。
相比 GLM-5.3：
常规价格大约降到：
1/10。
优惠期则接近：
1/20。
而按照智谱官方与 Claude Opus 4.8 的综合对比口径：
约为 1/40。
这才是这次 Flash 最狠的地方。
不是单纯做个小模型。
而是：
把旗舰级能力往低价区间硬塞。
七、1M 上下文，Agent 更适合放开跑
GLM-5.3-Flash 同样支持：
1M Token Context。
所以它特别适合：
大型代码仓库；
复杂研究；
大量文档；
长程 Coding Agent；
连续工具调用。
以前 Agent 最大的问题之一就是：
任务越长越烧钱。
现在如果模型单价降低一个数量级，很多以前舍不得跑的：
几百轮工具调用；
大型 Repo 分析；
批量办公；
自动化 Research
都会变得更现实。
八、不只是 Coding，办公也直接做完整交付
GLM-5.3-Flash 现在还强化了专业办公任务。
它可以围绕：
PDF；
Word；
Excel；
PPT；
图表；
网页资料
继续完成多步骤任务。
比如：
阅读这些行业报告和销售表格，分析三项主要风险，再制作一份管理层 PPT。
Agent 可以继续完成：
研究；
数据处理；
模型分析；
视觉检查；
文件制作。
最后直接交付：
PPTX；
PDF；
DOCX；
XLSX。
再加上原生视觉以后，它甚至可以自己查看：
PPT 是否溢出；
图表是否清楚；
图片有没有裁错；
页面对齐是否异常。
这比普通“帮我写个 PPT 大纲”又往前走了一步。
九、模型权重已经开放
GLM-5.3-Flash 不是只有 API。
模型权重已经正式开放。
目前提供：
FP8；
BF16
版本。
可以通过：
Hugging Face；
ModelScope
获取。
模型页面采用：
MIT License。
同时支持包括：
SGLang；
vLLM；
Transformers；
KTransformers；
Unsloth
等推理和部署方案。
所以开发者可以继续：
本地部署；
量化；
研究架构；
接自己的 Agent Harness。
这也是“开源”真正有意思的部分。
十、现在连 GLM Coding Plan 都给了 3 倍额度
GLM-5.3-Flash 目前也已经全面进入：
GLM Coding Plan。
同一份套餐下，它能够获得大约：
GLM-5.3 的 3 倍可用额度。
而在算力闲时和周末：
积分消耗还会进一步降低。
对于 Claude Code、ZCode、OpenCode 这类 Coding Agent 的重度用户来说，这种模型可能比旗舰模型更适合：
长期常驻。
普通任务跑 Flash。
真的碰到特别难的问题，再切旗舰。
结语
GLM-5.3-Flash 这次最值得记住的是：
320B 总参数。
18B 激活参数。
1M 上下文。
原生多模态。
AA Intelligence Index 57 分。
稀疏注意力 + 线性注意力混合架构。
常规价格约为 GLM-5.3：
1/10。
首发折扣：
约 1/20。
按智谱官方和 Opus 4.8 的对比口径：
约 1/40。
更有意思的是：
它就是前几天在 OpenRouter 和 OpenCode 上爆火的匿名模型：
Ox Alpha。
这也说明现在大模型竞争的方向已经很明显了。
以前大家卷：
谁最聪明。
现在开始继续卷：
同样聪明，谁更便宜。
Agent 时代一天跑掉几百万甚至上亿 Token 并不稀奇。
所以最终真正能被大量使用的模型，不一定只是 Benchmark 第一。
还得：
跑得动、跑得快、跑得起。
GLM-5.3-Flash 这次瞄准的，就是这个位置。
相关链接
Z.ai 在线体验
GLM-5.3-Flash 官方介绍
https://z.ai/blog/glm-5.3-flash
GLM-5.3-Flash 官方开发文档
https://docs.z.ai/guides/vlm/glm-5.3-flash
Z.ai API 价格
https://docs.z.ai/guides/overview/pricing
GLM-5 GitHub 开源仓库
https://github.com/zai-org/GLM-5
GLM-5.3-Flash Hugging Face
https://huggingface.co/zai-org/GLM-5.3-Flash
ZCode
GLM Coding Plan
标签
评论 0
最新评论登录后发布评论并参与互动。
暂无评论，欢迎抢沙发。