此前刷屏全球 AI 圈的神秘模型 “牛来（Ox Alpha）” 正式揭晓身份 —— 智谱 GLM-5.3 Flash。这款 GLM-5 系列首款原生多模态模型，匿名测试阶段便登顶海外平台热度榜，凭借 320B 参数实现旗舰级能力，搭配全链路国产算力支撑与极致定价，重新定义了大模型的性价比基准。
一、神秘模型揭面：匿名上线即打破行业纪录
8 月下旬，无官方背书的 Ox Alpha 突然登陆 OpenRouter、OpenCode 平台，凭借 100 万上下文、原生多模态能力与免费试用政策，首日便冲上 OpenRouter 热度榜首，刷新单日 Token 用量纪录，同时终结了 DeepSeek 在 OpenCode 连续 56 天的霸榜态势。由于身份成谜，国内网友戏称其为 “牛来”，引发全行业的身份猜测。 随着官方正式认领，这款模型的完整信息浮出水面：它是智谱 GLM-5.3 Flash，GLM-5 系列首款原生多模态模型，总参数 320B，采用 MoE 架构实际激活 18B 参数。体量仅为上一代 GLM-5.2 的约 42%，综合能力却实现全面超越。
最新 Artificial Analysis 榜单显示，其综合得分 57 分，与 Claude Opus 4.8 持平，跻身全球第一梯队。 二、全场景能力验证：多模态与编码能力双达标
实测覆盖多模态、编码、复杂工程等核心场景，验证了模型的落地能力。
多模态方面，视频字幕任务中，可精准识别多人对话中的不同说话人，匹配画面人物与声音对应关系，生成分角色高亮字幕，时间轴对齐精准；
长视频解说任务中，可完整理解整部电影的剧情脉络、人物关系，自动截取关键片段、生成解说配音与中文字幕，完成从素材到成片的全流程处理。
编码与工程场景同样表现亮眼：输入 UI 设计稿即可还原完整移动端购物 APP，覆盖首页、商品列表、购物车、支付等全链路交互功能；官方测试中，模型可独立运行 12 小时完成 3D Blender 场景构建。
核心得益于专门的 Visual Coding 数据合成流水线，模型能自主查看生成的页面、场景效果，根据视觉反馈迭代优化，实现 “生成 - 校验 - 修改” 的闭环。
三、架构效率革命：小体量跑出旗舰级表现
320B 参数能实现旗舰级效果，核心来自 Flash 系列的效率导向架构设计。
模型层面，层数从 GLM-4.5 的 92 层压缩至 45 层，采用线性注意力 + 稀疏注意力混合架构：线性注意力捕捉局部细节，稀疏注意力通过轻量级索引器召回全局相关信息，配合 IndexPool 缓存优化技术，整体注意力计算量降低 3.01 倍，KV 缓存体积缩小 4.44 倍，大幅降低了长上下文的推理开销。
针对国产硬件适配，智谱采用Encode-Prefill-Decode 分离式架构，将多模态编码、提示预填充、逐 Token 解码拆分为可独立调度的模块，叠加 Layer Split、混合缓存量化等底层优化，在国产芯片上端到端服务性能提升 3 倍，单 Token 成本达到主流英伟达 GPU 同等水平。
四、国产全链路：开源 + 低价 推动智能普惠
本次发布的另一大突破，是实现了从模型到算力的纯国产闭环。匿名测试期间，全球用户的海量请求全部由国产 AI 芯片承接，扛住了峰值流量冲击，验证了国产算力规模化承载高端模型的能力。
定价层面击穿行业底线：常规价仅为 GLM-5.3 原版的 1/10、Opus 4.8 的 1/40，低于 DeepSeek V4 Flash；首发限时优惠更是直接半价，大幅降低了前沿能力的使用门槛。
同时模型采用 MIT 协议正式开源，权重、API、开发工具全面开放，开发者可自由本地部署与二次开发。 整体而言，GLM-5.3 Flash 不止是又一款高分模型，更是把旗舰级能力从 “昂贵的尖端工具” 打造成了 “可负担的日常生产力”。模型、算力、生态的全链路国产突破，也为行业提供了可复制的高性价比发展路径。
AI 速览
