神秘“牛来”模型实为智谱GLM-5.3 Flash
智谱于2026年8月下旬正式发布并开源GLM-5.3 Flash模型，该模型此前以匿名测试名“Ox Alpha”（牛来）在海外社区引发轰动。核心信息点如下：
- 发布时间：2026年8月下旬，已同步开源
- 新版本：GLM-5系列首个原生多模态模型（Flash版），参数量320B，激活参数18B
- 价格策略：定价为GLM-5.3的1/10，限时折扣为CLaude Opus 4.8的1/40、GLM-5.2的1/20
- 可用性：已接入ZCode开放平台、开放API，Hugging Face权重完全开放
- 硬件支持：基于国产芯片部署，支持1M上下文长任务
海外爆火的“牛来”模型真身曝光
在智谱正式认领前， anonymously 测试版“Ox Alpha”已悄然走红海外：
- OpenRouter平台首日冲上榜首，刷新单日tokens用量历史纪录
- OpenCode平台终结DeepSeek连续56天霸榜纪录
- 全球开发者用其完成多项高难度任务，包括3D发动机建模、视频字幕生成与电影原片解说
智谱实测显示，320B的GLM-5.3 Flash在能力上全面超越753B的上代旗舰GLM-5.2；在最新AA榜单中以57分与Claude Opus 4.8持平。这一反差凸显其架构效率优势——模型瘦身后单次任务能力不降反升。
| 指标 | GLM-5.3 Flash | GLM-5.2 | CLaude Opus 4.8 |
|---|---|---|---|
| 总参数 | 320B | 753B | 未公开 |
| AA得分 | 57 | 未公开 | 57 |
| 定价（相对） | 1 | ~10x | ~40x |
| 多模态 | 原生支持 | 不支持 | 原生支持 |
| 国产芯片支持 | 是 | 未说明 | 否 |
架构革新：线性+稀疏注意力驱动高效推理
GLM-5.3 Flash的瘦身后劲来自三方面技术突破：
- 混合注意力机制：线性注意力抓局部信息，稀疏注意力通过轻量索引器召回全局上下文，将注意力计算量降低3.01倍，KV Cache缩小4.44倍
- 推理架构分离：Encode-Prefill-Decode三层解耦，支持独立扩缩容，适配国产芯片的资源调度特性
- 视觉反馈闭环：专为Visual Coding构建数据合成流水线，使模型在执行UI还原、3D建模等任务时能“边写边看边改”
配合30T Token多模态预训练语料与-native多模态编码优化，模型在国产芯片上实现端到端服务性能提升3倍，单token成本与主流英伟达GPU相当。
落地场景建议
推荐立即尝试者：
- 中小模型厂商与独立开发者：开源权重降低部署门槛，适合用于多模态内容生成、智能客服、教育视频处理等高频轻任务场景
- 期待国产替代方案的团队：在国产芯片生态（如昇腾、寒武纪）中需兼顾性能与成本的场景
建议再观望者：
- 需要成熟Agent工作流的企业级用户：当前版本侧重单次任务完成能力，复杂多步骤Agent调度尚未体现明显优势
- 极端长上下文（>1M）依赖型应用：虽支持1M上下文，但实际长程推理稳定性有待公开长期压力测试
写在最后
GLM-5.3 Flash的发布标志着国产大模型从“参数竞赛”转向“全栈效率优化”的新阶段：用更低的资源消耗，在国产芯片上跑出全球前沿性能。当前沿模型价格从“奢侈品”步向“日用品”，真正强大的模型将不再由算力规模定义，而是由单位成本下的有效任务完成率决定。