智谱GLM-5.3-FlashX模型正式上线，推理速度再提速
智谱AI于2026年9月18日正式推出GLM-5.3-FlashX模型，面向企业与开发者提供最高200 tokens/s的极速推理服务。以下是本次更新的关键信息：
- 发布时间：2026年9月18日
- 新版本：GLM-5.3-FlashX（Model Key：glm-5.3-flashx）
- 价格：未在公告中披露具体定价， API已上线开放调用
- 何时可用：即日起可通过官方API开放平台调用
- 权重是否开放：仅通过API调用，未提及开源权重
技术升级：从Ox Alpha到FlashX的演进路径
GLM-5.3-FlashX此前以“Ox Alpha”为名向全球开发者开放测试，并收获了广泛关注与认可，其调用量持续攀升。面对快速增长的用户体验需求，智谱在10万张国产芯片提供的推理算力基础上，进一步加大对基础设施侧的投入与推理优化。
值得留意的是，本次提速并未弱化模型智能水平——GLM-5.3-Flash系列长期保持同尺寸最强智能水平，此次speed提升使其在智能、价格、速度三方面形成更全面的竞争力。这是一个关键反差点：多数厂商在提升推理速度时会牺牲部分准确率或推理质量，而GLM-5.3-FlashX却实现了智能与速度同步增强。
API调用接口为标准OpenAI兼容格式，支持纯文本对话与工具调用（tool_calling），模型默认返回完整响应（非流式），也可通过stream参数启用SSE流式输出模式。
接口参数与Model Key映射关系
GLM-5.3系列目前提供多个版本供选择，官方文档明确列出了Model Key映射规则：
| 模型版本 | Model Key | 最大输出长度 | 推理特点 |
|---|---|---|---|
| GLM-5.3 | glm-5.3 | 128K tokens | 旗舰系列，复杂推理、超长上下文 |
| GLM-5.3-Flash | glm-5.3-flash | 128K tokens | 同尺寸最强智能+提速 |
| GLM-5.3-FlashX | glm-5.3-flashx | 128K tokens | 最高200 tokens/s |
| GLM-5.2 | glm-5.2 | 128K tokens | 支持thinking模式（none/minimal/low/medium/high/max/xhigh） |
| GLM-5.1 | glm-5.1 | 128K tokens | 温度默认值1.0 |
| GLM-5 | glm-5 | 128K tokens | 温度默认值1.0 |
注：表格数据仅依据源材料中提及的Model Key与参数整理，未包含未公开的版本。GLM-4系列因未在参数描述中提及FlashX相关升级，暂未纳入同一对比维度。
适配建议与落地场景
适合立即使用的场景：
- 对响应速度敏感的实时交互应用（如客服对话、游戏NPC、高并发API服务）
- 需要批量处理短文本且对成本敏感的场景（流式与非流式自由切换）
- 已集成OpenAI风格API的现有系统（兼容性高，改动成本低）
建议再观望的场景：
- 对模型除速度外的特定能力（如多模态、音频生成）有强依赖的项目，当前资料未提及FlashX在视觉/音频模态上的升级
- 需要本地部署或私有化部署的政企客户，本次仅明确API上线，未提及其他交付形式
写在最后
在国产推理芯片加速落地的背景下，智谱此次将10万张国产芯片算力与模型优化深度结合，体现了从model-to-inference的全链路优化趋势。当推理速度突破200 tokens/s，用户体验的延迟焦虑或将进入新一阶段的定义。