“牛到家”的智谱，第一刀就砍向DeepSeek

作者｜周末

原创首发｜蓝字计划

当了这么久的“价格屠夫”，DeepSeek终于也等来了砍向自己的一刀。

动刀的，是智谱。

智谱AI刚刚发布的GLM-5.3-Flash，即是风靡海外社区的神秘大模型OX Alpha，也是GLM-5系列里的第一个原生多模态模型。

虽它的名字带着Flash，但性能可一点都不Flash，特别是在Artificial Analysis Intelligence Index上，它拿下57分，高于DeepSeek V4 Pro正式版的53分；连官方也毫不谦虚，说在某些口径上，性能甚至可以对标之前Claude的旗舰Opus 4.8。

但GLM-5.3-Flash最震撼的莫过于：模型一上线，就把“便宜”两个字写在了脸上。

每百万Token输入0.8元、输出2.8元，甚至还有两周限时半价优惠。能力可以对标Opus 4.8，价格却只有它的1/40，甚至比“价格屠夫”DeepSeek的闲时价格还要低。

这价格，谁看了不迷糊？

而这，恰恰是DeepSeek最熟悉的打法。

前脚，主打超绝性价比的DeepSeek开始执行峰谷定价，涨幅最高可达1100%；后脚，GLM-5.3-Flash就价格压到了“日常消耗品”的区间。

难道，AI大模型性价比之王要“改朝换代”了？

花小钱，办大事

要了解GLM-5.3-Flash，还是得从一头神秘的“牛”说起。

8月20日，AI聚合平台OpenRouter突然上线了一个名为Ox Alpha的匿名模型。没官宣、没预热，没有公布开发者，没有披露参数规模，更没有给出技术报告，堪称“野模”。

适逢动画电影《牛来》走红，而“Ox”本身就是“牛”的意思，于是中文开发者顺手借梗，把Ox Alpha叫成了“牛来”模型。

“野模”虽“野”，却相当大方：Ox Alpha可以接收文本、图片和视频输入，输出文本，匿名测试版本还提供104万Token上下文，然而开发者调用它，却不用花一分钱，全部由模型公司买单。

这种几乎“白嫖”的方式，让Ox Alpha迅速走红。

上线不到一天，Ox Alpha同时登顶了OpenRouter和OpenCode两个调用量榜，创下了OpenRouter的模型发布纪录，终结了DeepSeek连续56天霸榜的纪录。

就连Hermes Agent创始人也震惊发文：这个模型正在屠杀我们所有的内部基准，究竟发生了什么？！

一时间，猜测Ox Alpha背后的“爹妈”成为了开发者社区的新乐子。毕竟，能拿出这种性能模型的还出手如此阔绰的，背后大概率不会是个“无名之辈”。

事实上，果真如此。

背后是智谱这样的头部大模型公司，当然解释了它为什么有底气替全球开发者买单。

但再家大业大，也经不起海量Token一直免费烧下去。Ox Alpha敢于如此阔绰，还因为这头“牛”看着块头很大，饭量却比想象中小得多。

GLM-5.3-Flash拥有3200亿总参数，但每处理一个Token，只会激活约180亿参数，占比只有5.6%。面对104万Token的超长上下文，它又把线性注意力和稀疏注意力结合起来，尽量减少处理海量历史信息所需的计算量。

两套设计，服务的其实是同一个目标：模型看起来是个3200亿参数的大块头，实际账单却尽量不按3200亿参数来开。

这才是智谱出手阔绰的另一层底气：公司负责兜底，模型自己也得学会省钱。

现在回头看，Ox Alpha匿名期间的免费大放送，本身也像是一场“低成本宣言”。

海量Token全部由智谱买单，除了测试模型、制造热度，也是在向开发者证明：智谱敢把调用量彻底放开，是因为这款模型本身就没有想象中那么烧钱。

总价下来就是一句话：这头“牛”确实吃得不多。

到了Agent场景，这一点就更加重要了。一次任务可能连续调用模型几十次甚至上百次，单次调用省下的一点成本，最终都会被高频调用不断放大。

所以，GLM-5.3-Flash的架构真正瞄准的是让Agent把大模型当成一种可以高频消耗的基础设施。

而在开发者心中，“性能强、价格低、可以放心调用”这些标签，过去几乎都属于DeepSeek。

智谱真正想冲击的，恐怕正是DeepSeek最值钱的性价比招牌。

赢了“梁文峰”，输了“梁文谷”

GLM-5.3-Flash发布的时间点，相当巧妙。

7月31日，DeepSeek V4 Flash正式版上线后，OpenCode上的使用量单日增长了30%，OpenCode Go的新订阅用户也增长了30%。仅8月1日一天，DeepSeek V4 Flash的单日处理量就高达8万亿Token。

但8月17日，DeepSeek的新版定价正式生效。DeepSeek V4 Pro高峰时间段涨幅最高达1100%；DeepSeek V4 Flash峰时输出价格也从0.28美元提高到1.32美元，涨了4.71倍。

大幅涨价，最直接的影响就是开发者开始用脚投票。

此前流出的梁文锋录音中，他曾提到，智能需求没有弹性。但现实似乎没那么简单，尤其对于轻量级模型。

涨价后，DeepSeek的日Token用量很快跌到了此前峰值的一半以下。OpenCode CEO甚至估算，平台因此空出了接近10万亿Token的日需求。

偏偏就在这个时候，披着“牛来”外套的GLM-5.3-Flash来了。

GLM-5.3-Flash堪称“便宜大碗”：每百万Token缓存未命中输入0.8元、输出2.8元，相当于GLM-5.3的十分之一。

上线后还有两周限时半价优惠，缓存未命中输入0.4元、输出1.4元，缓存命中输入0.115元，优惠一直持续到2026年9月9日24时。

按这组最显眼的价格来看，GLM-5.3-Flash确实杀气腾腾。

但要判断GLM-5.3-Flash究竟有没有砍到DeepSeek，只看缓存未命中输入和输出，还不够。

因为到了真实的Agent场景，缓存命中价格反而可能成为账单的大头。

所谓缓存命中，可以简单理解成：Agent反复调用模型时，经常会带着相同的系统提示词、工具定义、历史对话和代码。这些内容平台此前已经计算过，下一次可以直接复用。

既然是用过的东西再拿出来用，那价格当然也比“缓存未命中”的便宜。

这在普通聊天里可能没那么重要，但Agent完成一次任务，往往要连续调用模型几十次甚至上百次，同一套任务背景和历史记录会被反复塞进上下文。特别是写代码这类输入很长、输出相对较短的任务，缓存命中价格会更多地影响账单。

这也是智谱定价里藏着的一点小心思。

它在宣传中重点突出每百万Token输入0.8元、输出2.8元，以及限时半价后的0.4元和1.4元。按照缓存未命中输入和输出比较，GLM确实比DeepSeek便宜。

但GLM-5.3-Flash的标准缓存命中价格是0.23元，半价期间也要0.115元。DeepSeek V4 Flash峰时只要0.1元，谷时更低至0.05元。

只看缓存这一项，即便在半价期间，GLM也比DeepSeek峰时更贵；恢复原价后，更是DeepSeek峰时的2.3倍、谷时的4.6倍。

假设一个Agent任务累计输入50万Token，其中99%命中缓存，最终只输出1万Token。也就是49.5万Token按照缓存命中计费，剩下5000 Token按照缓存未命中计费。

优惠结束后，这个任务使用GLM-5.3-Flash大约需要0.146元；使用DeepSeek V4 Flash，谷时只需要约0.077元，峰时则需要约0.155元。

按照这个假设，同一个任务，GLM比“梁文谷”贵了接近90%，只比“梁文峰”便宜了不到6%。

这也解释了为什么有开发者实际使用后发现，GLM综合用下来比DeepSeek谷时更贵，只是比峰时便宜：对于高缓存命中的Agent任务，GLM在输入和输出上省下的钱，很容易被更贵的缓存吃掉。

更关键的是，智谱的半价优惠只有两周，9月10日就会恢复原价。

所以，GLM-5.3-Flash只能砍过“梁文峰”，却未必砍得过“梁文谷”。

但除了缓存命中，GLM-5.3-Flash其他方面的定价，确实全面低于DeepSeek。

DeepSeek已经够便宜了，智谱究竟是怎么在保持不错性能的同时，还把价格地板继续打穿的？

而答案，就藏在支撑这头“牛”的算力里。

还是“国产牛”

不光模型出自国内，撑住这波全球海量真实流量的算力，用的也是国产方案。

匿名上线期间，Ox Alpha单日处理量一度达到约62万亿Token，线上流量全部由10万张国产芯片扛下。有媒体报道，这些芯片可能来自华为、摩尔线程和海光。

当然，把10万张卡堆在一起，并不会自动变成一套高效的推理系统。

按照智谱的说法，这批国产芯片面临的主要瓶颈是内存容量和带宽。

为了支撑最长104万Token的上下文，智谱在SGLang基础上搭建了一套专用推理引擎，把多模态编码、提示词预填充和逐Token解码拆开，分别进行调度和扩缩容，再通过量化、并行和内存优化，尽可能把国产芯片的性能榨出来。

更有意思的是，这套系统的优化也有GLM-5.3自己参与。智谱用Infra Agent协助工程师开发和优化算子、诊断性能瓶颈、改进部署服务栈，形成了一个“模型优化系统，系统承载模型”的循环。

智谱称，与同一批硬件上的初始基线相比，这套系统的端到端服务性能提升了3倍，硬件效率和单Token成本已经达到主流英伟达GPU的水平。

国外半导体研究机构SemiAnalysis也评价称，英伟达的护城河再次受到了考验。

模型架构负责少算，推理系统负责把国产芯片的性能尽量榨出来，两者合在一起，才构成了智谱继续压低价格的工程底座。

这当然不是说国产芯片已经全面追上英伟达。

10万张国产卡承载全球开发者的真实流量，能够证明的是这套系统已经具备大规模服务能力；至于硬件效率和单Token成本是否真正达到主流英伟达GPU的水平，目前仍主要来自智谱自己的测算。

但这头“牛”真正难缠的地方，是它背后站着的，除了一个国产模型，还有一整套被真实流量压过的国产算力方案。

对于DeepSeek来说，这恐怕比单纯的低价更棘手。

参考资料：

[1]量子位：神秘「牛来」模型果然是智谱！GLM首个原生多模态，还用的国产卡

[2]科技狐：霸榜多日的“牛来”模型，果然是智谱GLM-5.3-Flash！

[3]硅基深蓝：智谱的牛来了！股价暴涨12.62%，吃透DeepSeek开源技术

[4]智能纪元AGI：“唐圣”重置了！智谱开源“牛来”多模态模型，1亿token花3元

[5]APPSO：DeepSeek的斩杀线一夜被斩杀，便宜大碗才是真旗舰

[6]数字生命卡兹克：这一次，智谱用GLM-5.3-Flash实现了真正的智能平权