★ 设为星标 | 只讲人话，带你玩转AIGC。 前几天那个把整个 AI 圈猜了个遍的神秘模型 Ox Alpha（牛来） ，终于掉马了。 答案是： 智谱。 8 月 26 日，智谱正式发布并开源 GLM-5.3-Flash 。官方确认，此前突然出现在 OpenCode 和 OpenRouter、没有公布任何背景的 Ox Alpha，其实就是 GLM-5.3-Flash 的匿名预览版。 更有意思的是，智谱表示，匿名测试期间 Ox Alpha 很快成为当周最受欢迎的模型之一，而这些流量 全部跑在国产 AI 芯片上 。 一夜之间，GLM 5.3 Flash 已经成为新的斩杀线。 GLM-5.3-Flash 标准 API 定价（每 100 万 token） ： - 输入：0.15 美元 - 输出：0.50 美元 - 缓存输入：0.03 美元 智谱给出的定位是：GLM-5.3-Flash 正常价格只有 GLM-5.3 的 1/10。 限时折扣期间更低到 1/20 ；按照官方对比，大约只有 Claude Opus 4.8 的 1/40， 是 DeepSeek 的 1/7。 Artificial Analysis 的测试里，它取得 57 分综合智能指数时，每完成一个任务的折扣成本只有约 0.045 美元 。 换句话说，以前需要大约 10 倍成本 才能买到的智能水平，现在被直接打下来了。 这可能才是 GLM-5.3-Flash 真正值得关注的地方。 现在大模型的竞争已经越来越不像单纯的“谁分数最高”，而更像：同样 1 块钱，你到底能买到多少智能。 01 它到底是什么？ GLM-5.3-Flash 可以理解成智谱最新的 高性价比主力模型 。 它有几个非常关键的数据：320B 总参数，但每次只激活 18B。也就是总参数 3200 亿 ，真正推理时只需要激活 180 亿 。 相比 GLM-4.5 的 355B 总参数、32B 激活参数，GLM-5.3-Flash 不仅激活参数接近砍半，模型层数也从 92 层降到了 45 层。 但模型变“轻”了，能力反而更强。 官方数据显示，GLM-5.3-Flash 在多项测试和实际工作负载中已经超过 GLM-5.2，在编程和 Agent 能力上则开始逼近 Claude Opus 4.8。 这也是这个模型最值得关注的地方： 不是继续无脑堆参数，而是想办法用更少的计算量，换来更强的能力。 02 能力对标 Opus 4.8 这次比较炸裂的是 Artificial Analysis 的综合智能指数。 GLM-5.3-Flash 拿到了 57 分 。按照智谱公布的对比，这已经进入目前全球前沿模型区间，并与 Claude Opus 4.8 处于同一分数水平。 在几个更偏 Coding 和 Agent 的测试里，提升也很明显。 DeepSWE v1.1 从 GLM-5.2 的 46.2 提升到 63.4 ；AutomationBench 从 26.2 提升到 48.8 。 智谱自己的 Z.ai Code Bench 上，在最高推理强度下，GLM-5.3-Flash 得分 29.0 ，Claude Opus 4.8 是 29.5 ，已经非常接近。 当然，自家 Benchmark 还是要留一点余地看。 但至少从目前公开结果来看，GLM-5.3-Flash 已经不是传统意义上的“小模型换低价”，而是在尝试做到： 旗舰模型的能力，Flash 模型的成本。 03 还是原生多模态 GLM-5.3-Flash 还是 GLM-5 系列第一个 原生多模态模型 。 它不是后面外挂一个视觉模型，而是在预训练阶段就把文本、图片等多模态数据一起训练，整个预训练数据规模达到 30T Token 。 同时支持最高 100 万 Token 上下文 。 这意味着它的定位其实已经不只是 Coding。 比如 Agent 可以直接看网页、理解界面，然后点击和操作；也可以处理文档、表格、PPT、Dashboard 等内容，甚至根据视觉反馈检查自己刚刚生成的东西，再继续修改。 这其实非常符合下一阶段 Agent 的方向： 不只是“会写代码”，而是开始真正看得见、点得动、做得完。 04 为什么它能这么便宜？ 背后一个很重要的变化，是架构。 GLM-5.3-Flash 首次采用了 稀疏注意力 + 线性注意力的混合架构 。 简单理解： 以前处理超长上下文，有点像每个人都要和房间里所有人说一遍话，人越多，计算量增长越快。 新的方法则是——附近的人重点交流，真正重要的远距离信息再单独建立联系。 这样一来，模型面对几十万甚至上百万 Token 时，就不需要把所有信息都用最昂贵的方式计算一遍。 据公开资料，GLM-5.3-Flash 相比 GLM-5.3 将 Attention 计算量