前两天在 OpenRouter 上以代号 “Ox Alpha” 匿名霸榜、引发社区全网盲猜的神秘模型，终于正式“掉马”——智谱（Z.ai）正式发布原生多模态 MoE 模型 GLM-5.3-Flash。
该模型基于 MIT 协议完全开源，不仅支持 100 万（1M）上下文与图文/视频输入，还直接在代码与 Agent 评测中逼近顶尖的 Claude Opus 4.8，而成本直接砍到了前代 GLM-5.2 的十分之一。
看点 1：前几天全网在测的“Ox Alpha”究竟是谁？
- 匿名公测实测：发布前一周，智谱在海外平台以“Ox Alpha”（社区戏称“牛来”）匿名提供算力测试。
- 全流程国产算力跑通：官方证实，该模型的整个匿名早期预览均在纯国产 AI 芯片集群上完成服务调度，基于深度定制的 SGLang 引擎实现了预填充（Prefill）与解码（Decode）解耦，端到端吞吐提升了 3 倍。
看点 2：极致的“偷感”架构——320B 体量，单 Token 仅激活 18B
GLM-5.3-Flash 在 30T 多模态语料上从零预训练，核心优化全点在“省显存”和“提效率”上：
- 混合注意力机制：交替组合 KDA 线性注意力（处理局部细节）与 NoPE 稀疏 MLA（全局检索），单 Token 仅路由到 288 个专家中的 8 个。
- IndexPool 键向量压缩：把 4 个索引 Key 向量加权压缩为 1 个，让注意力计算量锐减 3 倍，1M 超长上下文下的 KV Cache 显存暴降 4.4 倍。
- 流形约束超连接（mHC）：在总参数接近 320B 的情况下，激活参数与网络层数相比 GLM-4.5 减半，实现了“小马拉大车”的高并发响应。
看点 3：打到“地板价”的国内调用成本
折算为人民币后，其 API 价格极具攻击力：
| 计费项 | 美元定价 | 折合人民币（约） |
|---|---|---|
| 标准输入（Prompt） | $0.15 / 百万 Token | ≈ 1.08 元 / 百万 Token |
| 命中缓存输入（Cache Hit） | $0.03 / 百万 Token | ≈ 0.22 元 / 百万 Token |
| 输出（Output） | $0.50 / 百万 Token | ≈ 3.60 元 / 百万 Token |
开发成本体感：在 Artificial Analysis 的自动化基准评测中，执行单次完整长链任务的综合花费仅需 约 0.3 元人民币（$0.045）；GLM 编程订阅用户（Coding Plan）的可用额度直接扩充至以往旗舰的 3 倍。
看点 4：逼近 Opus 4.8，但它也有短板
| 评测维度 | GLM-5.3-Flash | 参考标杆 | 核心结论 |
|---|---|---|---|
| Terminal-Bench 2.1 | 84.3 | Opus 4.8: 85.0 | 终端命令与脚本执行已处第一梯队 |
| DeepSWE v1.1 | 63.4 | GLM-5.2: 46.2 | 代码工程能力大幅跃升 |
| AutomationBench | 48.8 | GLM-5.2: 26.2 | 复杂长程工作流执行翻倍提升 |
| OfficeQA Pro | 62.4 | 超越 Opus 4.8 | 免 OCR 直接分析 PDF/表格/PPT 优势明显 |
- 优势场景：跨文件 Repo 级重构、长达百万 Token 的合同与系统日志审查、免 OCR 直接读 UI 截图写代码。
- 现存短板：输出速度（约 48.7 t/s）和首字延迟（1.52s）中规中矩；在极高难度的细粒度视觉识别（如 BabyVision、MVbench）上仍略落后于 Gemini 3.7 Flash。
看点 5：开源了，但我能本地部署吗？
- 私有化门槛：虽然按 MIT 协议开源了权重，但默认 FP8 权重在未装载 KV Cache 前就需要占满 306 GiB 显存，且当前 vLLM 方案限定 NVIDIA Hopper 及以上架构。这意味着本地部署至少需要 单机 8 卡高端计算节点。
- 选型结论：除非有极严格的合规内网需求，否则中小团队和个人开发者直接调用 API 或订阅 GLM Coding Plan 是性价比最高的方案。