8月26日，智譜正式確認：此前在開發者社區引發熱議的匿名模型Ox Alpha（中文社區稱「牛來」），就是其最新發布的GLM-5.3-Flash。模型代號靈感來源於國內近期熱映電影《牛來》。

這個模型在正式亮相前，以匿名形式在OpenRouter和OpenCode上免費開放測試，5天內流量累計超過50萬億token，刷新了兩個平台的流量增長紀錄，當前使用量已超過DeepSeek的兩倍以上。但真正引發市場關注的，是智譜隨後披露的一個細節：這些流量，全部由國產芯片承載。

智譜在官方技術文檔中表示，調用超過10萬張國產芯片集群用於該模型推理服務，「硬件效率及單token成本已經達到了與主流英偉達GPU相當的水平」。

半導體研究機構SemiAnalysis隨即在X平台發文評論：「所有流量均由國產芯片承載，硬件效率和單token成本已可與英偉達GPU相媲美。繼Jalapeño（OpenAI自研推理芯片）昨日宣佈之後，CUDA護城河再度受到考驗。」

10萬張國產卡：從測試到生產

智譜在技術文檔中描述了這套國產芯片集群的部署細節。

單張芯片的主要瓶頸在於內存容量與帶寬，支持長達100萬token的上下文長度尤為困難。為此，智譜在SGLang基礎上構建了專用推理引擎，採用W8A8量化、INT8/FP8/BF16混合緩存量化，以及節點內張量並行等技術，並引入生產級Encode–Prefill–Decode（EPD）分離式架構，將多模態編碼、prompt預填充和逐token解碼拆分為可獨立調度的工作池。

智譜稱，與同一硬件上的初始基線相比，端到端服務性能提升了3倍。

據《晚點LatePost》了解，這批芯片的供應商或來自華為、摩爾線程與海光。智譜官方對此未予置評，技術文檔中也未明確具體芯片型號。

SemiAnalysis在評論中特別指出，此前有觀點認為只有頂級前沿實驗室才具備每日100萬億token的算力規模，「而這裏每日100萬億token的免費流量，全部跑在國產芯片上。」

模型本身：對標DeepSeek，定價是Claude Opus 4.8的1/40

GLM-5.3-Flash的參數規模為320B總參數，激活參數18B，參數量約為上一代旗艦GLM-5.3的40%，與DeepSeek V4 Flash幾乎持平。

性能方面，智譜官方評測顯示，GLM-5.3-Flash在Artificial Analysis Intelligence Index（AA綜合智能指數）中取得57分，超過上一代旗艦GLM-5.2，與Anthropic的Claude Opus 4.8持平，也高於DeepSeek旗艦模型V4 Pro正式版的53分。

定價方面，GLM-5.3-Flash每百萬token輸入0.8元，輸出2.8元，緩存命中價格0.23元，為GLM-5.3的十分之一。上線前兩周實行半價。

智譜表示，GLM-5.3-Flash定價為GLM-5.3的1/10，限時折扣內為GLM-5.3的1/20，為Claude Opus 4.8的1/40。

與調價後的DeepSeek V4 Flash相比（谷時輸入1.5元、輸出4.5元），GLM-5.3-Flash在絕大多數常規調用場景下更便宜。

架構創新：激活參數和層數近乎減半

GLM-5.3-Flash採用了與GLM-5.3完全不同的架構設計，這也是其能夠以更低成本實現更高性能的核心原因。

與GLM-4.5相比，GLM-5.3-Flash總參數量相近（355B vs. 320B），但激活參數量從32B降至18B，層數從92層減至45層，幾乎減半。

智譜稱，GLM-5.3-Flash是首個採用稀疏注意力與線性注意力混合架構的開源前沿模型。相較於GLM-5.3，其注意力計算量與KV緩存大小分別降低了3.01倍和4.44倍。

此外，該模型是GLM-5系列首個原生多模態模型，支持圖像和視頻輸入，也是智譜戰略聚焦coding以來首次推出具備多模態能力的新模型。

漲價潮中的低價突圍

GLM-5.3-Flash的發布，發生在中國AI模型市場一輪集體漲價之後。

Kimi K3輸出價格高達每百萬token 100元，超過前代K2.6三倍以上；智譜上半年提價後輸出價格也達到28元；DeepSeek V4 Pro從6元漲至13.5元，高峯時段27元；DeepSeek V4 Flash輸出價格從2元漲至4.5元，高峯時段9元。

漲價的直接後果是需求外溢。《晚點LatePost》指出，DeepSeek V4 Flash提價後，在OpenCode平台上的調用量下滑了一半，這部分需求成為國產模型廠商新的增長空間。

GLM-5.3-Flash的定價策略，正是瞄準了這一缺口。