智谱 5.3-flash 成了新的斩杀线

这几天 ox-alpha 用爽了吧...正如很多人猜的那样,这个模型来自智谱,正式名称为 glm-5.3-flash,支持多模态,但很多人没猜到的是:这个乱杀的模型只有 321B,且与 glm-5.3 不同,是完全的新架构
给啊哞的情书
这几天 ox-alpha 用爽了吧...正如很多人猜的那样,这个模型来自智谱,正式名称为glm-5.3-flash,支持多模态,但很多人没猜到的是:这个乱杀的模型只有321B,且与 glm-5.3 不同,是完全的新架构

更尼玛离谱:智谱的这段时间模型给全世界畅跑,完全是用国产卡供的!!其支撑起的单日 token 消耗量,创下了 OpenRouter 平台历史纪录的 4 倍,而这一切的背后,是 10万+ 张国产芯片集群的服务
还有就是:这模型比 ds4p 聪明,比 ds4f 便宜,还开源,至此...大模型行业又多了一条斩杀线

你以为这就完了?不不不...这个模型开启了限时折扣,半价,所以...真实的斩杀线在这里....斩杀这个词,现在具像化了

对此...只能说唐老师的信用分还是太稳定了:牛来,就是给啊哞的情书

能力越级,价格脚斩
对于这个模型,一句话说:Opus 4.8 的能力,1/40 的价格


考虑到这款模型在限时半价...

于是,我们的模型地图...就变成了这么一个...诡异的样子

凭什么又便宜又能打?
这就引出一个关键问题:它是怎么做到把成本压这么低的
答案在底层:它模型结构大改,跟 GLM-5.3 已经完全不是同一个东西了,底层的混合注意力架构被整个重写了一遍

首先是身板变轻了,跟 4.5 系列比,虽然总参数量还在 300B 的量级,但每次激活的参数从 32B 直接砍到了 18B,层数也几乎减半
更大的手术动在注意力机制上。它走了一条极简的路子:局部依赖交给线性递归,全局的上下文则用一个轻量级的索引器去捞。为了在 100 万 token 的超长上下文里压住内存消耗,智谱引入了一个叫 IndexPool 的池化技术,把索引器的缓存向量狠狠压缩了一把
这套活儿整下来,它的注意力计算量降了整整 3 倍,KV 缓存也降了 4 倍多,成为了同级别模型里计算量最低的那一档同时,为了给模型后期的 Scaling 铺路,他们还引入了 mHC(流形约束超连接)技术
最后在所有基线模型中,GLM-5.3-Flash的注意力计算量最低。不过,GLM-5.3-Flash的平均每层KV缓存大小仍略高于 Kimi-K3 和DeepSeek-V4-Flash,这也是在后续工作中进一步优化的方向

说完了模型结构,再看底层的算力基建,过去这一周 Ox-Alpha 在海外面临那么恐怖的流量,背后其实全是大规模的国产芯片集群在硬扛。但在 1M 这么长的上下文里,国产卡本身的算力和内存带宽是有很大瓶颈的。在这个构建过程里,很多开发和优化算子、诊断性能瓶颈的脏活累活,是让 GLM-5.3 驱动的 infra agent(基建智能体)去帮忙干的。等于说,大模型自己帮着优化了自己要跑的系统,跑通了一个自我进化的正向循环
到了集群层面,他们把接收多模态、预填充(Prefill)和解码(Decode)全拆开,做成了可以独立调度和扩缩容的工作池,也就是 EPD 分离式架构
再加上底层那一堆像张量并行、混合缓存量化、Layer Split 的极限操作,硬是把性能拔了上去。与同一硬件上的初始基线相比,端到端服务性能直接提升了 3 倍
此举证明了:国产芯片完全可以在大规模场景下高效、经济地支撑前沿模型的推理需求
原生多模态
GLM 的模型,之前一直不支持多模态,编程确实牛逼,但就是没有视觉
在模型结构大改,并且喂了 30T Token 的多模态预训练预料后,GLM-5.3-Flash 成了该系列第一个真正意义上的原生多模态

为了练就这个本事,智谱专门做了一套视觉编码的数据合成流水线。模型生成的训练轨迹会被要求与环境交互,自己检查输出并迭代改进。在前端 Coding 这种强视觉方向,甚至跑了基于环境反馈的强化学习
那么就让我们看看,社区里的开发者们都整出了哪些狠活
比如我们的 V 佬直接拿它写了五六十万行代码,硬生生从零搓出了一个泰拉瑞亚....

也比如让它用 Godot 写个 2v2 的喷漆对战游戏....尼玛离谱了

到了前端 UI 这里也是一样的降维打击。甩给它几张移动端 App 的设计稿,或者直接给个 Zaha Hadid 建筑事务所官网的 URL,它能像素级给你还原出来

在 3D 建模软件 Blender 里,它甚至能独立完成一套 400 平米豪宅的建模和渲染。你只要在提示词里给它定个 100 分的评分标准,没到 90 分它就自己打回去重画。16 个小时里,它自己循环检查修复,最后交出一套涵盖开放厨房、酒窖和露台的专业级成图

回到日常打工搬砖
除了搓代码,它在日常的办公和内容场景里也很好用
比如它处理视频时,是真的在用眼睛「看」。比如给它一段多人对话视频,哪怕某个人的名牌只在画面里闪过一瞬间,它也能敏锐地抓到,然后准确地把名字和后面的每一句话对应起来,能自动区分主讲人、主持人和插话者,给不同的人配上不同的颜色和高亮动效


至于做 PPT,有了视觉把关后,版式和图片的裁切终于不会乱飞了,比如下面这个是没有上视觉校验的

而这个是上了校验的

如果配合 ZCode 使用,它的 BUA 和 CUA(浏览器与电脑控制)可以直接把能力延伸到图形界面。它能直接接管你的电脑,比如让它自己打 Slay the Spire;

或者让它打开本地的网易云音乐,照着界面手搓一个一模一样的出来,写完还自己左右对比找茬

最后
这款模型现已正式上线&开源,开源通过智谱的开放平台、z.ai、以及智谱的 Coding Plan 来进行访问,并且已开源

还有就是..这个模型最早在匿名测试的时候,也不知道是图个啥... 之前 Gemini 一众人纷纷前来认领 ox 是他们的...

文章来自于微信公众号 “赛博禅心”,作者 “赛博禅心”
Related topics
After reading
Join the AINRK community
Read how to join the community and connect with people working in AI.




