智谱开源GLM-5.3-Flash 首个原生多模态模型

🚨让我们欢迎新王GLM-5.3-Flash登基！

智谱 @Zai_org 刚刚正式发布并开源 GLM-5.3-Flash！ 同时确认此前在 OpenCode、OpenRouter 上爆火的匿名模型 Ox-Alpha，就是它。

GLM-5.3-Flash拥有320B 总参数，仅激活 18B，是 GLM-5 系列首个原生多模态模型。

官方称，GLM-5.3-Flash 在 Artificial Analysis Intelligence Index 拿到 57 分，与 Claude Opus 4.8 持平；在 Code Bench 中，Coding 表现也达到 Opus 4.8 水平。 但价格只有 Opus 4.8 的约 1/40。

而且相比上一代 GLM-5.2，它总参数更小、激活参数更低、层数几乎砍半，性能反而更强，API 定价只有 GLM-5.3 的 1/10。

背后是一套新的低成本架构： 线性注意力 + 稀疏注意力混合架构，加入 mHC，并针对 1M 长上下文优化 KV Cache 和注意力计算。

官方数据显示，相比 GLM-5.3，注意力计算量降低 3.01 倍，KV Cache 降低 4.44 倍。

但这次还有一个更重要的信息： 过去一周 Ox-Alpha 在全球产生的大规模真实调用流量，全部跑在国产芯片上。

智谱称，他们基于 @sgl_project 针对国产芯片重做推理引擎，通过 EPD 分离、W8A8、混合缓存量化、Layer Split 等技术，把端到端性能提升了 3 倍，单 Token 成本已经做到接近主流 NVIDIA GPU。

也就是说，这次不只是国产模型追上了前沿能力。

连前沿模型的大规模线上推理，也开始真的跑在国产芯片上了。