10万张国产算力卡扛起“牛来”：智谱开源GLM-5.3-Flash

谜底如期揭晓。8月26日晚， 智谱宣布上线并开源GLM-5.3-Flash（320B-A18B），并官方确认其正是过去一周刷屏海外开发者社区的匿名模型Ox-Alpha——中文社区称之为“牛来”。 该模型为GLM-5系列首个原生多模态模型，总参数320B、激活参数仅18B，采用MIT协议开放权重，上线即登陆Hugging Face。 8月20日，Ox-Alpha以“隐身模型”身份悄然上线全球最大模型聚合平台OpenRouter，首日调用量即登顶并创下单日历史纪录，同时终结DeepSeek在OpenCode长达56天的霸榜，单日处理tokens达62T，迅速成为两大平台当周最受欢迎模型，刷新双平台历史纪录。 测试期间， 独立研究员曾发布技术指纹报告，称其分词器在25组提示词测试中与GLM-5.3的Token计数完全一致、11项探针交叉测试与GLM家族全匹配，“99%把握”指向智谱——如今被官方证实。 据介绍，模型能力端直接对标国际旗舰。 GLM-5.3-Flash在Artificial Analysis Intelligence Index中拿下57分，与Anthropic旗下最受欢迎的Claude Opus 4.8持平，高于GLM-5.2的53分和DeepSeek V4 Pro正式版的53分。 价格端撕开新口子。 GLM-5.3-Flash定价为GLM-5.3的1/10，限时折扣期内低至1/20，仅为Opus 4.8的1/40 。具体到调用价格，该模型每百万token输入0.8元、输出2.8元、缓存命中0.23元。 国产算力首次大规模集体出海。 智谱披露，“牛来”测试期间的全部线上流量，以及GLM-5.3-Flash发布后的线上服务，均由10万张国产芯片承载。 这是国产算力芯片首次大规模直接服务全球真实负载 。此前市场关于“每天100万亿Token算力供给从何而来”的争论，至此有了答案。 此外，《科创板日报》记者另从相关人士获悉上述国产算力芯片或来自华为、海光、摩尔线程。 据智谱方面向《科创板日报》记者介绍，技术架构是成本压降的根源。 GLM-5.3-Flash基于30T Token多模态语料完成预训练，是GLM系列首次引入稀疏注意力与线性注意力混合架构，并创新采用流形约束超连接（mHC）。 据智谱披露，该架构使注意力计算量较GLM-5.3下降约3倍，KV缓存缩小4.4倍，支撑1M上下文窗口的经济化部署。 开源权重即刻可用。GLM-5.3-Flash正式面向全球开源，已接入ZCode等编码平台，并纳入GLM Coding Plan（每天限量发放10,000张体验卡），同步开放API调用。 北京计算机学会AI专委会秘书长、北京大学特聘研究员张有鱼告诉《科创板日报》记者，“匿名上线、全网实测、择日揭晓”的打法让GLM-5.3-Flash在揭晓前已完成真实流量压测并收割盲测口碑； 在DeepSeek V4 Flash提价、市场对“用得起的前沿模型”呼声日高的背景下，其以“前沿能力+1/40价格+国产算力底座”的组合切入，前沿模型的价格底线被再度击穿。