屠榜海外的「牛来」真身揭晓！智谱 GLM-5.3-Flash 开源：320B 大模型，价格只有前代 1/10

前阵子，一个代号 ox-alpha（中文社区昵称“牛来”）的神秘模型，在 OpenRouter、OpenCode 两大海外 AI 平台杀疯了：登顶调用榜、刷爆双平台历史 Token 调用纪录，甚至终结了 DeepSeek 在 OpenCode 长达 56 天的霸榜地位（据社区统计与媒体报道，累计 Token 调用量高达 62T）。圈内人都在猜——这到底是谁家的模型？

真身揭晓：它正是智谱 AI 于 8 月 26 日正式发布开源的 GLM-5.3-Flash。

本文关键参数与价格均已对照智谱官方（ModelScope 模型卡、GitHub 仓库、Z.AI 官方文档）核实，截至 2026-08-27。

一、这是什么？

GLM-5.3-Flash 是 GLM-5 系列首款原生多模态基座模型，也是智谱当下最开放、性价比最高的旗舰——用 MoE 稀疏架构实现了“超大模型规模、小模型推理成本”：

320B 总参数，单次只激活 18B，推理成本压到极致
原生图文视频理解，从底层融合多模态能力
100 万 token 超长上下文，一次能读近 70 万字
MIT 开源协议，权重全开放，可商用可二改
API 价格约前代 GLM-5.3 的 1/10（官方口径）

一句话：以前要花大价钱才能用到的旗舰能力，现在白菜价开源给你。

二、核心硬核参数，一表看懂

项目	详细参数
总参数量	320B（3200 亿）
单 Token 激活参数	18B（激活比例仅 5.6%）
核心架构	MoE 混合专家 + 稀疏注意力 + 线性注意力双轨混合
上下文窗口	100 万 token（1,048,576）
多模态能力	原生支持文本、图片、视频、视觉文档解析
训练数据	30T tokens 多模态高质量语料
模型层数	45 层（相较 GLM-4.5 的 92 层近乎减半）
开源协议	MIT，模型权重全面开放

这次架构是重新设计的，不是简单阉割。注意力机制上做了大胆拆分：线性注意力负责捕捉局部依赖，稀疏注意力轻量召回全局关键信息，专治长上下文场景的计算爆炸。

对比前代 GLM-5.3：注意力计算量降低 3.01 倍，KV Cache 缓存占用缩减 4.44 倍——处理大型代码库、超长合同、多步骤 Agent 任务时，推理成本和硬件压力大幅下降。

还有个细节值得一提：匿名测试期间的全部流量，都是由数万张国产芯片集群承载的（官方口径），国产算力第一次大规模扛住前沿大模型的高并发负载。

三、三大核心亮点，重新定义使用体验

1. 原生多模态 + 编程 Agent 闭环

不是文本模型外挂视觉模块，而是从底层融合图文视频理解。最亮眼的是编程 Agent 闭环：模型能直接读取界面截图、程序渲染结果、交互报错反馈，自主完成**“编写代码 → 运行查看效果 → 定位问题 → 迭代修改代码”**的完整流程。

开发前端页面、做小游戏、图形化应用、调试后端脚本，都能边生成、边观测、边优化，视觉编程、界面复刻能力很能打。

2. 百万超长上下文

100 万 token，相当于一次性读近 70 万字的书、整套项目源码、几百页财报、多轮对话历史。配合优化后的注意力架构，超长文本不降精度、不卡顿——企业知识库检索、法律文书分析、金融研报整合、大型代码库通读这些专业场景都能扛。

3. 思考强度按需调节

调用时可根据任务复杂度调节推理深度：日常问答走轻量档，极速响应、成本最低；常规编程、文档总结走均衡档；复杂逻辑推理、深度代码调试、多步骤 Agent 任务拉满思考档，逼近旗舰水准。灵活控成本，不浪费一分算力。

四、性能实测：全面超越前代，编程对标 Claude Opus 4.8

智谱官方与第三方 Artificial Analysis 的多组基准，表现很亮眼：

综合能力：全面超越 GLM-5.2，AA 综合智能指数 57 分，与 Claude Opus 4.8 处于同一梯队
编程代码：DeepSWE v1.1 得分 63.4（GLM-5.2 仅 46.2，提升超 37%）；TerminalBench 2.1 得分 84.3，代码终端执行、软件工程基准表现顶尖
Agent 能力：Toolathlon Verified 工具调用 78.4 分，领先同类 8 分以上；AutomationBench 自动化基准 48.8（GLM-5.2 只有 26.2）
通用场景：联动搜索、文件读写、数据分析工具，做 Office 办公自动化、金融深度研究、专业文档处理，直接输出 PPTX、PDF、DOCX、XLSX 等格式文件

横向对比 DeepSeek-V4-Flash，在 TerminalBench、DeepSWE、Agent 基准等多个硬核维度上也有优势。

五、价格炸裂：官方定价 1/10，还限时 5 折

对开发者和企业来说，最香的还是定价。官方（Z.AI）现价：

计费项	单价（每百万 tokens）
输入 tokens	$0.075
输出 tokens	$0.25

对比前代 GLM-5.3 的 $1.4 / $4.4，约为 1/10（官方口径，现促销期折算约 1/18）
限时 5 折促销中，截至 2026-09-09；还有 Coding Plan 套餐、非高峰时段半价
对比国际旗舰模型，成本差出一个数量级

用平民级 API 费用，享受接近国际旗舰的能力——AI 开发、Agent 落地、长文本处理的商业化成本直接被打下来。

六、本地部署友好，多框架已适配

权重已上架 Hugging Face 与魔搭（ModelScope），MIT 协议允许商用、二次修改，生态适配极快：

推理框架：SGLang、vLLM、Transformers、llama.cpp 等均已支持
Ollama 一键跑：已上架，ollama pull glm-5.3-flash 即可本地运行
量化版本完善：1-bit 极致量化版仅需约 102GB 显存/内存；INT4、FP8 适配不同梯度硬件，个人工作站、小型服务器都能部署
并行能力：支持张量并行、专家并行，企业集群可搭高并发推理服务

本地部署实操（新手首选 Ollama）：

# 1. 安装 Ollama 后，拉取模型
ollama pull glm-5.3-flash

# 2. 启动对话（支持图文输入）
ollama run glm-5.3-flash

硬件参考：轻度测试 64G 内存 + 中端显卡走 INT4 量化即可；企业级高并发用多卡集群开专家并行。

七、总结：国产大模型从“堆参数”走向“抠效率”

GLM-5.3-Flash 的发布，标志着国产大模型在性能、成本、开放度三个维度完成了一次跨越：

320B 大总参打底，18B 稀疏激活控成本
百万上下文 + 原生多模态拓宽边界
MIT 开源放开生态限制
API 价格下探到普惠级别

国产大模型不再一味堆参数、拼算力，而是走向架构优化、效率优先的路线——GLM-5.3-Flash 就是这一趋势的标志性产品。个人开发者做项目、程序员调试代码、AI 爱好者本地玩模型、企业搭 Agent 处理海量文档，它都是当下性价比极高的选择。

想体验的，搜 GLM-5.3-Flash：魔搭 modelscope.cn、GitHub（github.com/zai-org/GLM-5）、Ollama 都拿到了，README 里部署教程齐全。

互动话题：你用过智谱的 GLM 系列吗？打算拿它做什么？欢迎评论区聊聊。

参考资料： 智谱官方 ModelScope 模型卡（ZhipuAI/GLM-5.3-Flash）；官方 GitHub 仓库 github.com/zai-org/GLM-5；Z.AI 官方文档（docs.z.ai，含定价页）；Ollama 官方模型库

价格与促销信息截至 2026-08-27（促销截止 2026-09-09），模型能力与定价可能迭代，请以官方最新文档为准。