GLM-5.3-Flash 已上线大模型云服务，限时五折

pubDate: 2026-08-27
coverIndex: 0
authors: ["Shiyuh"]
description: 花 Opus 4.8 四十分之一的钱，用上同样 57 分的模型——而且全部跑在国产芯片上。

8 月 26 日晚，智谱正式发布并开源 GLM-5.3-Flash（320B-A18B），这是 GLM-5 系列的首个原生多模态模型。在此之前，它以匿名模型“Ox-Alpha”（中文社区称“牛来”）的身份在 OpenCode 和 OpenRouter 上进行了大规模测试，迅速成为当周最受欢迎的平台模型，创下双平台调用量新高。

现在，GLM-5.3-Flash 已正式上线共绩算力大模型云服务，按量计费，稳定易用。

性能持平旗舰，成本仅为 1/40

先看一组数字。

GLM-5.3-Flash 在全球权威的 Artificial Analysis Intelligence Index（AA 综合智能指数）中取得 57 分，与 Anthropic 最受欢迎的旗舰模型 Claude Opus 4.8 得分持平。在智谱自研的 Z.ai Code Bench 体感评估中，其编程表现也与 Claude Opus 4.8 相当。

但价格呢？GLM-5.3-Flash 的定价仅为同系列 GLM-5.3 的 1/10，限时折扣期内进一步降至 1/20，相当于 Claude Opus 4.8 价格的 1/40。

也就是说，你花四十分之一的钱，就能用上综合能力持平 Claude Opus 4.8 的模型。

这不是实验室数据，而是一个已经在全球开发者面前跑了六天真实流量的模型。

全部跑在国产芯片上

GLM-5.3-Flash 的发布，也回应了此前围绕 Ox-Alpha 最大的一个疑问：如此大规模的免费测试，算力从哪里来？

答案是：全部由国产芯片承载。

据悉，智谱共调用了超过 10 万张国产芯片集群用于该模型服务。这也是智谱首次尝试使用大规模国产芯片集群，直接承载来自全球开发者的真实线上负载。用户并不知道模型背后是谁、使用什么芯片，只根据速度、稳定性和效果决定是否继续调用——国产算力因此经历了一次持续的真实流量考验。

为了让模型真正跑在国产芯片上，智谱对推理系统做了大量针对性改造。基于 SGLang 构建专用推理引擎，加入节点内张量并行、W8A8 量化、INT8/FP8/BF16 混合缓存量化等技术。在集群层面采用 Encode-Prefill-Decode（EPD）分离架构，将多模态编码、Prompt 预填充和逐 Token 解码拆分为三个独立调度的算力池。

最终结果：与同一批硬件上的初始基线相比，端到端服务性能提升了 3 倍，硬件效率和单 Token 成本已达到与主流英伟达 GPU 相当的水平。

320B 参数，为什么比上一代旗舰还强

价格下降的另一半原因，来自模型架构本身。

GLM-5.3-Flash 总参数量 320B、激活参数量 18B，是首个采用稀疏注意力与线性注意力混合架构的开源前沿模型。相比 GLM-5.3，其注意力计算量和 KV 缓存大小分别降低 3.01 倍和 4.44 倍。

架构层面还有几个关键点：

• 原生多模态视觉 Coding：视觉能力被原生融入 Coding 循环，模型能主动观察界面、渲染结果与交互反馈，持续测试和改进代码。无论是前端开发、游戏构建、Blender 3D 场景，还是真实环境操作，模型都能在代码、浏览器和图形界面之间协同完成任务。

• 1M 超长上下文：原生支持最长 100 万 Token 上下文，足以处理整部《三体》三部曲体量的内容。

• 专业工作流能力：模型能自主拆解复杂目标、调用合适工具、检查并优化输出，完成从研究分析到 PPTX、PDF、DOCX、XLSX 成品交付的完整工作流。

定价与可用性

GLM-5.3-Flash 现已上线共绩算力平台，标准 API 定价为：

限时五折：上线推广期间，所有调用享五折优惠。

模型兼容 OpenAI API 格式，Base URL 为 https://api.suanli.cn/v1，支持 1M 上下文。

如何开始

通过共绩算力 API 即可快速接入：

from openai import OpenAI

client = OpenAI(
    api_key="<Your-Key>",
    base_url="https://api.suanli.cn/v1",
)

response = client.chat.completions.create(
    model="z-ai/glm-5.3-flash",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Hello, how are you?"}
    ],
    max_tokens=65536,
    temperature=0.7
)

print(response.choices[0].message.content)

GLM-5.3-Flash 已全面开源（MIT 许可证），开放 API 接口和在线体验渠道。模型权重、技术文档和示例代码均已公开。