智谱 GLM-5.3-Flash 上线：320B 只激活 18B，价格砍到 Opus 4.8 的四十分之一

那个在开源社区被叫做”牛来”的匿名模型 Ox-Alpha，谜底揭开了——是智谱的 GLM-5.3-Flash。

发布前它在 OpenCode 和 OpenRouter 上以匿名身份跑了六天，双平台调用量都创了新高，处理超过 20 万亿 token。这种匿名压测的做法这两年越来越常见，好处是拿到的反馈不掺品牌滤镜。

参数上，总参 320B，激活只有 18B，是 GLM-5 系列第一个原生多模态模型。Artificial Analysis 的综合智能指数给了 57 分，高于 DeepSeek V4 Pro 正式版的 53 分，同类模型的中间值才 18 分。智谱自己的 Z.ai Code Bench 体感评估里，编程表现和 Claude Opus 4.8 相当。

价格更狠。限时优惠期内每百万 token 输入 0.075 美元、缓存输入 0.015 美元、输出 0.25 美元，缓存存储暂时不收费；原价是 0.15、0.03、0.50。折算下来大约是上一代 GLM-5.3 的十分之一，限时期内是二十分之一，对比 Claude Opus 4.8 是四十分之一。

架构上用了稀疏加线性注意力的混合方案。但这次最该被记住的其实是另一件事：全部流量由国产 AI 芯片集群承载，官方说在同一硬件上端到端推理性能比初始基线提升了 3 倍，成本可以比肩主流英伟达 GPU。

之前国产芯片跑推理的公开案例，规模都不大，多半停在”能跑”这一层。20 万亿 token 的真实流量压过去，性质不太一样。这条线要是稳住了，国内大模型的算力账本得重算。