“唐圣”重置了！智谱开源“牛来”多模态模型，1亿token花3元

牛来啦！（哞～）

本来想发MiniMax财报，无奈智谱又发了新模型。

刚刚，8月26日晚，「牛来」模型GLM-5.3-Flash（ Ox Alpha） 正式开源。

这个模型此前一直匿名跑分，大约320B参数，仅激活 18B， 原生支持文字、图片和视频，也是 GLM-5 系列首个原生多模态模型，而且价格只有 GLM-5.2 十分之一，模型权重已经上线 Hugging Face。

官方称，GLM-5.3-Flash 整体性能超过 GLM-5.2，编程和 Agent 评测已经接近 Claude Opus 4.8，但价格只有 GLM-5.2 的十分之一。它还换了一套新的基础模型，首次在 GLM 主系列引入稀疏注意力和线性注意力混合架构，并用 30T Token 多模态数据预训练。

不止 Coding，新模型进一步支持 Office、金融研究、专业文档等工作场景，可完成 PPTX / PDF / DOCX / XLSX 等完整交付。

此前，社区对Ox Alpha的 DeepSWE 小样本测试一度跑出 80%，但那只有 10 道题。扩大样本后成绩回落到约 63%，测试者也主动纠正了最初的说法。这个成绩依然属于第一梯队，但没有最初 80% 那么夸张。

权重开源后，开发者可以直接用 vLLM、SGLang、KTransformers 等框架自己部署，不需要再走匿名模型的 API。

目前，GLM-5.3-Flash (ox-alpha) 现已面向 GLM Coding Plan 全量用户开放，同档 Coding Plan 可用额度提升至原来的 3 倍，而且已经重置所有套餐用户账号内的体验卡数量。

价格层面，GLM-5.3-Flash“斩杀线”价格堪称“多样化”。

先说，我们Coding Plan用户已经被重置了。

再捋一捋。

官方算的数据，GLM-5.3-Flash定价为GLM-5.3的1/10，限时折扣内为GLM-5.3的1/20，为Opus 4.8的1/40。同样智力，1/40价格。

甚至定价低于DeepSeek-V4-Flash，限时折扣定价远低于DeepSeek-V4-Flash的谷时价格。

再说实际价格。

国内价格：输入限时0.4元、输出1.4元，之后2.8元，缓存命中0.115元。

海外：GLM-5.3-Flash 标准 API 定价（每 100 万 token） ：- 输入：0.15 美元 - 输出：0.50 美元 - 缓存输入：0.03 美元

限时两周50%折扣，-输入：$0.075，- 输出：$0.25，- 缓存输入：$0.015。

本周智谱已经发了每天100万亿免费token了。

群里他们算了一笔账，如果按1亿token计算，95%缓存命中0元，1%输出1.4元计算，算下来3块钱消耗1亿token。

最后说问题，如果按coding plan的538元套餐价格计算，API比套餐便宜，后者才可用70亿token。

相当之神奇，多用API吧。

值得注意的是一个点：智谱首次披露，新模型全面运行于国产AI芯片。

智谱表示，过去一周，公司已在国产AI芯片的大规模集群上部署了 GLM-5.3-Flash，该集群由高带宽互连和针对底层硬件优化的服务堆栈提供支持。

“为了克服单个芯片相对有限的计算和内存容量，我们基于 SGLang 为该架构构建了一个专用的推理引擎。值得一提的是，我们基于 GLM-5.3 的基础架构代理加速了这项工作，它协助工程师开发和优化内核、诊断性能瓶颈并改进服务栈——从而形成了一个反馈循环，在这个循环中，模型反过来又帮助优化服务于模型自身的系统。这些芯片主要受限于内存容量和带宽，尤其是在支持高达一百万个标记的上下文长度时。这就需要进行积极的内存优化，包括针对底层架构量身定制的计算带宽优化和通信带宽优化技术。我们的技术栈结合了用于线性注意力机制和LM头的节点内张量并行性、ReplaySSM、W8A8量化、混合INT8/FP8/BF16缓存量化以及层分割。”

在集群规模上，智谱用了新架构——生产级的编码-预填充-解码 (EPD) 解耦架构将多模态编码、提示预填充和逐个令牌解码分离到独立调度和可扩展的工作池中，从而能够在数万个国产加速器上实现高效可靠的服务。

与相同硬件上的初始基准相比，智谱在端到端服务性能方面实现了3倍的提升，硬件效率和单令牌成本均达到了与主流英伟达GPU相当的水平。这表明国产芯片能够高效、经济地支持大规模前沿模型推理。

当然，目前还未上线技术报告，不清楚更多的技术细节。

semiAnalysis表示，但是所有流量都运行在中国芯片上，实现了与 Nvidia GPU 相当的硬件效率和每个 token 成本。cuda 护城河在昨天 Jalapeño 宣布后再次受到考验。

模型效果呢。

轻松识别图片中的文字，而且还联网，之前不太行。

做点视频音轨，毫无意外的遇到了429限流。

识别一下论文，你看行不行——我觉得没识别到它石丁文超，还需要努力。

最后，今晚除了智谱，还有阿里同步开源千问最新模型Qwen3.8-Flash，该模型采用全新下一代架构。

Qwen3.8-Flash训练成本较Qwen3.7-Plus下降近90%，推理成本同样大幅下降，每百万Tokens输入仅1元，输出3元，价格最低至DeepSeek-V4-Flash的1/3。

Qwen3.8-Flash今晚将首发上线“千问办公”，开发者和企业也可通过千问AI平台获取新模型API服务。

截至目前，Qwen3.8已开源发布2.4T参数量的Qwen3.8-Max、Qwen3.8-27B及Qwen3.8-Flash三大尺寸模型，Qwen模型全球下载量突破30亿次，衍生模型数超30万个，全尺寸、全模态的全面开源正在全球掀起新一轮中国模型浪潮。

但看样子，Qwen这价格没“斩杀”住智谱GLM。

尤其是千问AI平台的token Plan，消耗的比隔壁9.9火山引擎要快的多，我基本上用个30分钟就用完了。

堪称“抠门大侠”。

要不也搞个重置？

而MiniMax，刚才闫俊杰在财报会已经确认称，他们还是会往多模态模型方向做，这个还是AGI方向最大的落地点。

©本文为原创内容

未经授权，禁止转载