今天，智谱上线并开源了 GLM-5.3-Flash（320B-A18B）------GLM-5 系列第一个原生多模态模型。
官方通报浓缩成一句：Artificial Analysis 综合智能指数 57 分，与 Claude Opus 4.8 持平；限时折扣价 4.5 美分一个任务，是 Opus 4.8 的 1/40。
翻译一下：你之前按奢侈品价格省着用的那种智力，现在按民用电价供电。
前沿智能要不要绑定前沿价格？这是智谱今天想撬动的行业默认设定。
先看官方公告原文：
公告不长，但有三条容易被略过的背景信息值得标出：
- MIT 许可证。 320B-A18B 直接以 MIT 协议发布------主流开源协议里限制最少的一档，商用、修改、再分发均不设附加条件。「开源」在这里不是一个需要打折理解的词。
- 1M token 上下文窗口。 和「原生多模态」并列写在公告第一行卖点里，百万级上下文是出厂配置，不是后挂的长文本方案。
- 发布即全渠道在线。 公告原话是「现已可在所有官方平台获取」：HuggingFace 权重、API、Coding Plan、ZCode、chat.z.ai 同步就位，没有渐进放量。
传播速度也是背景的一部分：公告于当晚 22:12 发出，一个半小时后浏览量 96 万、点赞 1.1 万。
前沿智能，一直是奢侈品定价
过去两年，行业里有一条不成文的等式：前沿智力 = 前沿价格。
独立开发者不敢让 Agent 跑过夜------一觉醒来，账单可能比房租贵。
创业团队把「上不上旗舰模型」当成融资级别的架构决策。
重度用户人均一套省钱秘籍：截断上下文、控制轮数、能降级就降级。
姿势各不相同，本质是同一件事：按 token 计费的智力，得省着用。
牛来，原来是它
发布前有个插曲。
智谱以匿名模型「Ox-Alpha」把 GLM-5.3-Flash 放上 OpenCode 和 OpenRouter 收集真实反馈，中文社区给它起了个名字：牛来。
它当周就成为双平台最受欢迎的模型，创下 OpenCode 和 OpenRouter 调用量新高。
也就是说，不少人在不知道它是谁、不知道多少钱的情况下已经用过了，体感是「这模型又强又便宜」。
还有个当时没人知道的细节：这些流量全部由国产芯片承载。
性能：贴着 Opus 4.8 打
先看硬数据。
GLM-5.3-Flash：320B 总参数，18B 激活，45 层，GLM-5 系列首个原生多模态模型。
AA 综合智能指数（v4.1.1）57 分，进入全球前沿模型区间，与 Anthropic 最受欢迎的 Claude Opus 4.8 持平；4.5 美分/任务的折扣价，此前这个智力水平大约要 10 倍价格才买得到。
编码与 Agent 基准全面超过参数量大它一倍的 GLM-5.2：DeepSWE v1.1 63.4 vs 46.2，AutomationBench 48.8 vs 26.2。
对 Opus 4.8 则是贴身缠斗：DeepSWE 63.4 vs 58.0，Toolathlon Verified 78.4 vs 76.2，AutomationBench 48.8 vs 41.0，多项反超；自研 Z.ai Code Bench 体感评估里，max effort 下 29.0 vs 29.5，几乎打平。
一个模型，能力追平头部旗舰，价格是它的四十分之一。中间的差价不是补贴，是架构。
架构：为 1/40 的价格而生
三个关键词。
混合注意力。 首个采用稀疏注意力 + 线性注意力混合架构的开源前沿模型：线性注意力靠递归捕获局部依赖，稀疏注意力用轻量级索引器召回全局上下文，长上下文的服务成本被结构性压低。
IndexPool。 通过加权池化，把索引器的 4 个缓存向量压成 1 个，专门削减 1M token 上下文下索引器的时延和内存开销。
mHC（流形约束超连接）。 进一步提升模型的 scaling 效率。
再算一笔总账：总参数与 GLM-4.5 相当（320B vs 355B），但激活参数 32B→18B，层数 92→45，几乎减半；叠加最新的 30T token 多模态预训练语料。
结果是：对比 GLM-5.3，注意力计算量降 3.01 倍，KV 缓存降 4.44 倍；在 GLM-5.3、DeepSeek-V4-Flash、Kimi-K3 的对比里，单 token 注意力计算量最低。
克制地说，短板也有：KV 缓存仍略高于 Kimi-K3 和 DeepSeek-V4-Flash，官方承认这是下一步的优化方向。
视觉进编码循环，编码进专业工作
第一个案例，已经超出「编程」的字面范畴。
不给任何外部素材，GLM-5.3-Flash 在 Blender 里自主运行 16 个小时，搭出一套约 400 平方米的专业主厨自宅与测试厨房。
几何、材质、光照、空间关系要在所有视角下保持一致------把世界知识变成可检验的 3D 结构，Coding 成了模型表达并验证自己所知的代理。
第二个案例，闭环到像素。
在 ZCode 里，Browser Use Agent 和 Computer Use Agent 让模型在代码、浏览器、图形界面之间协同：自己写、自己渲染、自己看、自己改。
很多问题只有渲染出来、交互起来才会暴露------视觉能力原生内置后，模型能自己判断什么时候该「看一眼」。
第三个案例，生成即可交付。
金融：从有来源的金融研究、报告生成到建模分析全流程跑通，参考依据可追溯。
法律：审查合同的费用、账户与责任条款，按律师惯例批注留痕；起草律师函、合同与诉讼文书，格式符合实务规范。
专业工作基准 GDPval-AA v2 拿到 1773 分，是全部对比模型（含 Opus 4.8 的 1582、GPT-5.6 Terra 的 1571）里最高的；OfficeQA Pro 62.4，比 Opus 4.8 的 48.9 高出一截。
诚实注脚：BabyVision 等纯视觉感知基准上，与 GPT-5.6 Terra（61.6）、Gemini 3.7 Flash（70.9）仍有差距------它的视觉强项在「带工具的推理与编码」，不是裸眼感知。
真正值得记录的三件事
比模型本身更值得说的是这三件。
第一，国产芯片跑前沿模型，被大规模验证了。
过去一周，Ox-Alpha 的全部流量由国产芯片集群承载------数万张国产加速卡，自研高带宽互联。为克服单卡算力与内存的限制，智谱在 SGLang 基础上构建了专用推理引擎：生产级 EPD（Encode--Prefill--Decode）分离式架构、W8A8 量化、INT8/FP8/BF16 混合缓存量化、Layer Split。
对比同一硬件上的初始基线，端到端服务性能提升 3 倍，硬件效率和单 token 成本达到与主流英伟达 GPU 相当的水平。
彩蛋是：这套推理引擎的开发本身，被 GLM-5.3 驱动的 infra agent 大幅加速------帮工程师写算子、诊断性能瓶颈、改进部署栈。模型优化系统，系统承载模型。
第二，前沿智能的价格锚被重设了。
主公告发出十分钟后，Z.ai 团队的 Zixuan Li 补发了官方定价：GLM-5.3-Flash 通过官方 Z.ai API 即享五折，为期两周------并明确写了「该折扣也适用于第三方模型聚合商」。
落到账单上的数字：折后输入 0.075、输出0.25、缓存输入 0.015。放进同一张图里看更直观------ClaudeSonnet5的输出标价10，GPT-5.6 Terra 标到 12，最便宜的Gemini3.7Flash也要7.5；GLM-5.3-Flash 即便按原价（输出 $0.5）也只是这些数字的零头，缓存输入折后更是只剩最低竞品的十分之一。
4.5 美分买到一个此前要 10 倍价格的任务智力。能力-成本曲线被推到新位置之后，所有「旗舰模型」的定价都需要重新解释。
第三，权重开源。
320B-A18B 的权重以 MIT 许可证放在 HuggingFace，SGLang、vLLM、TokenSpeed 开箱可跑。1/40 的价格锚，加上一张几乎没有使用门槛的开源协议，留给 API 定价者的缓冲区不多了。
如何上手
- API ：BigModel 开放平台、Z.ai（Z.ai 官方渠道限时两周五折中，第三方聚合商同享）
- 在线体验 ：chat.z.ai、智谱清言 App
- GLM Coding Plan ：已全量接入，可用配额是 GLM-5.3 的 3 倍，每天限量发放 1 万张体验卡
- ZCode ：zcode.z.ai
- 开源权重 ：huggingface.co/zai-org/GLM...
官方博客的结论适合放在最后：前沿智能不必伴随前沿成本------这不是某一个技巧，而是架构、语料、基础设施三层协同的结果，而这套 recipe 正被用于更大的模型。
如果你还在按 token 省着用旗舰模型，不妨把这个开源模型加进默认选项，试一周。
参考
- 智谱官方博客：GLM-5.3-Flash --- Frontier Intelligence, Flash Cost
- 微信公众号发布文：GLM-5.3-Flash------前沿智能进入普惠时代
- 开源权重 · HuggingFace
文中图表均截取自以上官方发布材料。