GLM-5.3-Flash發佈，多模態終於來了

Leo張ToB雜談2026.08.27 08:40 · 來自北京全文3897字00:00 / 10:34GLM-5.3-Flash是GLM-5系列的首個原生多模態模型。不久前，在OpenCode和OpenRouter上進行了出現了一個名為Ox-Alpha（中文社區稱作牛來）的模型，並迅速成為當週最受歡迎的模型。而就在近日，智譜AI出面認領了這個中文名為“牛來”的模型，就是其最新發布的GLM-5.3-Flash。值得注意的是，GLM-5.3-Flash是GLM-5系列的首個原生多模態模型。

重新定義模型“斬殺線”Ox-Alpha上線首日即衝至OpenRouter榜首，並刷新單日tokens用量歷史紀錄，相較OpenRouter平臺之前最大tokens量提升4倍。能力強只是GLM-5.3-Flash最不值得一提的一個環節，GLM-5.3-Flash帶來的驚喜之一就是將模型的價格“打下來”。原先，大模型有著參數越大、能力越強、價格越貴的定律，OpenAI的GPT-4系列、Anthropic的Claude Opus系列，無不遵循這一定律。就連智譜自己的GLM-5.3，上半年提價後輸出價格也達到了28元。GLM-5.3-Flash的出現，打破了這條曲線。GLM-5.

3 Flash的Artificial Analysis Intelligence分數為57分，超過了上一代旗艦模型GLM-5.2，也高於DeepSeek旗艦模型V4 Pro正式版的53分。在Artificial Analysis Intelligence Index的公開榜單上，GLM-5.3-Flash的57分“遠高於同類模型的中間值（18分）”。而就是這種比肩主流閉源模型的能力，其價格主流模型的四十分之一。官方數據顯示，GLM-5.3-Flash每百萬Token輸入0.8元、輸出2.8元、緩存命中價格0.23元。橫向對比調價後的DeepSeek V4 Flash——其谷時價格分別為輸入1.

5元、輸出4.5元。綜合輸入和輸出成本，GLM-5.3-Flash在絕大多數常規調用場景下比DeepSeek V4 Flash更便宜。而對比Claude Opus 4.8，差距更加懸殊。按當時匯率折算，Opus 4.8每百萬Token輸入約35元、輸出約175元。GLM-5.3-Flash的價格僅為對方的四十分之一左右。“同樣智力，1/40價格，前沿智能，第一次不需要省著用。”智譜在發佈公告中這樣寫道。8月，DeepSeek V4 Flash已經完成了一輪提價。漲價說明市場有強勁需求——也說明“便宜”這件事，在商業上不可持續太久。而智譜在GLM-5.

3-Flash上選擇的路徑恰恰相反：用更低的成本結構，支撐更低的價格，同時不犧牲模型能力。這不再是一個單純的市場營銷動作，而是一次工程能力的驗證。多模態終於來了此前，智譜首席科學家唐傑在社交平臺上發起全球意見徵集，為GLM-5.3收集功能建議，瀏覽量超過40萬。評論區被一個詞刷屏了：視覺。GLM-5.3-Flash是GLM-5系列的首個原生多模態模型。視覺編碼（Visual Coding）並不只是處理圖像，它拓展編程所能觸及的邊界。

對於前端開發、遊戲開發、3D仿真等任務而言，最終產物包括用戶能夠感知的界面、交互或虛擬世界，視覺能力被原生集成進模型中，使其能夠自主判斷何時需要“觀察”，並利用視覺反饋來指導下一步行動。GLM-5.3-Flash的多模態能力，最直接的落點是Coding。傳統編程模型的工作方式是：你給它需求，它輸出代碼，然後你拿去跑、去看效果、發現問題、再把問題喂回給它。這是一個“人”在閉環裡當裁判的流程。GLM-5.3-Flash把裁判也交給了模型自己——視覺能力被原生融入Coding循環，使模型能夠主動觀察界面、渲染結果與交互反饋，並據此持續測試和改進。這意味著什麼？

模型寫完前端代碼，可以自己“看”一下渲染出來的頁面長什麼樣；做完一個遊戲功能，可以自己“玩”一下看看有沒有bug；搭完一個3D場景，可以自己“轉”一圈檢查各個視角是否協調。智譜針對視覺編碼開發了專門的數據合成流水線，重點訓練模型的自我視覺判斷與測試時改進能力。最終生成的軌跡要求模型與環境交互、檢視自身輸出，並進行迭代式改進。這不再是“生成代碼”的單向輸出，而是一個“生成-觀察-修正”的閉環。智譜官方展示：GLM-5.3-Flash在Blender中自主運行了16個小時，沒有任何外部素材，從零搭建了一套約400平方米的專業主廚自宅與測試廚房。這個任務遠不止“寫代碼”那麼簡單。

在Blender中構建一個連貫的3D場景，需要把幾何、材質、光照與空間等知識轉化為一個在不同視角下都保持一致的3D結構。模型需要判斷什麼時候該“看一眼”渲染結果，再用看到的結果決定下一步該做什麼。它要自己決定牆怎麼砌、光怎麼打、廚房動線怎麼規劃——然後看到效果，再調整，再看到效果，再調整。16個小時，一個模型在虛擬世界裡當了一次建築師兼室內設計師兼施工隊。另一個官方展示的案例是復刻遊戲《泰拉瑞亞》。從圖像到可運行工程，從兩小時電影到8分鐘成片，這些實測合集展示的，是一個不僅能寫代碼、還能“看懂”自己寫了什麼的模型。跑在國產卡上GLM-5.

3-Flash最不尋常的地方，或許不在模型本身，而在它跑在什麼上面。過去一週，智譜首次嘗試用一個大規目國產芯片集群，直接承載來自全球開發者的真實線上負載。據瞭解，官方沒有確認具體供應商，也沒有公佈具體芯片數量，但據某些媒體報道，其調用超過10萬張國產芯片，算力供應商或來自華為、摩爾線程與海光，有知情人士透露，訓練或由海光DCU等國產芯片支持。但可以確認的是：Ox-Alpha在OpenCode和OpenRouter上的所有請求流量，全部由國產芯片提供算力支持。這是一次真實的、持續的壓力測試——不是在實驗室裡跑幾個峰值數據，而是讓全球開發者用腳投票。

用戶不知道模型背後是誰、用的是什麼芯片，只根據速度、穩定性和效果決定是否繼續調用。結果，Ox-Alpha成了當週最受歡迎的兩個平臺上的調用冠軍。國產芯片跑前沿大模型，這件事本身就很有挑戰性。單張國產芯片當前面對的主要瓶頸是內存容量和帶寬，而GLM-5.3-Flash又原生支持最長1M上下文，對顯存和通信提出了更高要求。智譜的解法是在SGLang基礎上構建專用推理引擎，並做了一系列激進的內存優化。包括節點內張量並行、ReplaySSM、W8A8量化、INT8/FP8/BF16混合緩存量化以及Layer Split等技術。

核心思路是“以算力換帶寬、以通信換顯存”——用國產芯片相對充裕的算力，去彌補內存上的短板。在集群層面，智譜採用了Encode-Prefill-Decode（EPD）分離式架構。多模態編碼、Prompt預填充和逐Token解碼被拆分為三個可以獨立調度和擴縮容的工作池，讓不同階段按照各自的算力特徵運行。這套方案的效果是：與同一批硬件上的初始基線相比，端到端服務性能提升了3倍。智譜稱，最終硬件效率和單Token成本已經達到與主流英偉達GPU相當的水平。這裡需要做一個重要區分。所謂“1/40”，並不是說國產芯片的硬件推理成本只有海外GPU的1/40。目前並沒有公開數據支持這樣的比較。

更準確的理解是：一款全部由國產芯片集群承載的前沿模型服務，把面向用戶的價格壓到了Claude Opus 4.8的大約1/40。但這已經足夠說明問題。國產芯片不僅可以跑前沿大模型，而且可以在大規模真實流量下跑得穩定、跑得經濟。更值得關注的是智譜形成的一個正向循環。整個推理引擎的構建工作，由GLM-5.3驅動的infra agent大大加速——它協助工程師開發與優化算子、診斷性能瓶頸、改進部署服務棧。“模型優化系統，系統承載模型”，這句話不再是一個願景，而是已經跑通的現實。過去一年，中國大模型公司一直在做兩件事：把模型能力往前推，把推理成本往下壓。GLM-5.

3-Flash在這兩個方向上都邁出了一步——用更少的參數激活、更低的計算量、更高效的注意力機制，實現了與Claude Opus 4.8持平的綜合智能評分；然後用國產芯片集群承接大規模真實流量，把價格壓到了對方的四十分之一。這不再是一個“追趕”的故事。當一款開源、原生多模態、全部跑在國產芯片上的模型，在第三方綜合評測中與全球最受歡迎的閉源旗艦得分持平，而價格只有對方的四十分之一——行業競爭的規則，正在被重新書寫。GLM-5.3-Flash的模型權重已通過MIT許可證在Hugging Face等平臺開源，API同步開放。任何人都可以下載、使用、二次開發。

（本文首發於APP，文｜Leo張ToB雜談，作者｜張申宇，編輯丨蓋虹達）