智谱发布 GLM-5.3 Flash：原生多模态 MoE，320B 参数 1M 上下文

智谱（Zai_org）旗下 GLM-5.3 Flash 模型近日上线，由 Together AI 在 X 平台公布关键规格与基准表现。作为 GLM-5 系列首款原生多模态模型，GLM-5.3 Flash 面向长上下文与高吞吐场景，主打软件工程类代理任务。

模型规格与架构

GLM-5.3 Flash 采用 MoE（混合专家）架构，总参数规模 320B，每次推理激活 18B 参数，兼顾大模型能力与推理成本。

关键参数一览：

• 总参数：320B；激活参数：18B
• 上下文长度：1M token
• 注意力机制：混合注意力（hybrid attention）
• 模态支持：原生多模态，为 GLM-5 系列首次

混合注意力机制通常结合全局注意力与局部/滑动窗口注意力，有助于在 1M 超长上下文下控制显存与计算开销。原生多模态意味着模型在预训练阶段即同时处理文本与其他模态，而非后期拼接。

基准表现与效率

Together AI 给出的对比数据来自 DeepSWE——一个面向软件工程代理（SWE-Agent）的基准测试。

主要结论：

• 在 DeepSWE 上，GLM-5.3 Flash 的得分接近 Together AI 所述参考模型 Luna
• 在相同预算下，GLM-5.3 Flash 完成的工作量达到 Luna 的两倍以上

该表述侧重单位成本下的产出（throughput-per-dollar），而非绝对跑分领先。对于需要在大量代码任务中部署代理的企业而言，成本效率是比单次基准峰值更关键的指标。

部署与可用性

GLM-5.3 Flash 通过 Together AI 平台提供接入，意味着开发者可直接调用 API 而无需自行部署 320B 级别的模型。GLM 系列过往权重多以开源或开放权重形式发布，本次是否同步开放权重，Together AI 的通告中未明确披露，需以智谱官方渠道为准。

考虑到 1M 上下文与多模态能力的组合，GLM-5.3 Flash 的主要应用场景预计包括：长代码库理解与重构、多文档 Agent 任务、跨模态信息抽取与总结，以及需要高吞吐 API 调用的生产环境。