智谱 GLM-5.3 Flash 开源：首个原生多模态，320B 参数对标 Claude Opus 4.8

近日在网上以「牛来（Ox Alpha）」名义匿名走红的神秘模型，终于被智谱正式认领——它就是 GLM-5.3 Flash，GLM 5 系列首个原生多模态模型，现已面向全球开源。在 OpenRouter 与 OpenCode 上匿名运行期间，Ox Alpha 一举刷新了单日 tokens 用量纪录，并终结了 DeepSeek 在 OpenCode 连续 56 天的霸榜；更引人注目的是，承接这波全球真实流量的算力，全部来自国产芯片。

核心能力：原生多模态 + 长上下文

GLM-5.3 Flash 是智谱 5 系列中首个原生多模态模型，不再依赖外挂视觉模块，而是从预训练阶段就将视觉与语言统一建模。结合 30T Token 多模态预训练语料与面向 Visual Coding 的数据合成流水线，模型在执行任务过程中可以自主查看最终页面、交互和 3D 场景，再依据视觉反馈继续修改。上下文长度支持到 1M，配合注意力机制的改造，长任务场景下不会出现明显的「轻量版」折损感。

实测表现

• 多人说话视频分人配字幕：能精准捕捉画面中只出现一次的名签，将声音、人物、名字三者对齐。
• 电影解说：输入完整电影后，可自行完成剧情梳理、关键片段剪辑、配音与字幕生成。
• UI 设计稿还原：依据一张设计稿实现完整移动端购物 App，包含首页、商品、购物车、支付、门店地图等可交互页面。
• 3D Blender 场景构建：官方展示了一次连续运行 12 小时的复杂 3D 场景构建任务，由模型独立跑通。

架构：混合注意力 + 极致瘦身

GLM-5.3 Flash 总参数 320B，实际激活仅 18B，层数也从 GLM-4.5 时期的 92 层压缩到 45 层，能力反而超过 753B 的上一代 GLM-5.2。

• 注意力机制：采用线性注意力 + 稀疏注意力的混合架构。线性注意力负责局部信息，稀疏注意力通过轻量级索引器召回真正相关的全局上下文。
• IndexPool：把索引器原本 4 个缓存向量压缩为 1 个。
• 效率收益：相比 GLM-5.3，注意力计算量降低 3.01 倍，KV Cache 缩小 4.44 倍。

在推理栈层面，智谱将多模态编码、Prompt 预填充与逐 Token 解码拆成可独立调度的 Encode-Prefill-Decode 分离式架构，并叠加 Layer Split、混合缓存量化等优化。同一套国产硬件上，端到端服务性能提升 3 倍，单 Token 成本做到与主流英伟达 GPU 相当。

Benchmark 与定价

• AA 榜单：57 分，与 Claude Opus 4.8 持平，进入全球前沿梯队。
• 定价：GLM-5.3 Flash 定价为 GLM-5.3 的 1/10，限时折扣可达 1/20 的 GLM-5.3、1/40 的 Opus 4.8，且低于 DS-V4-Flash。

开源与生态

GLM-5.3 Flash 已在 HuggingFace 开源权重（zai-org/GLM-5.3-Flash 及 BF16 版本），同步接入 ZCode 并开放 API，开发者可直接下载部署。智谱表示，模型、国产算力、开源生态三者首次在同一个发布节点上完整对齐。

参考链接：

• 智谱 Blog：https://z.ai/blog/glm-5.3-flash
• HuggingFace 开源：https://huggingface.co/zai-org/GLM-5.3-Flash
• BigModel 开放平台文档：https://docs.bigmodel.cn/cn/guide/models/vlm/glm-5.3-flash