“牛来”真身揭晓，智谱GLM-5.3-Flash开源，57分比肩Claude Opus 4.8

8月26日晚，智谱正式上线并开源GLM-5.3-Flash（320B-A18B），并官方确认——这款模型正是过去一周刷屏海外开发者社区的匿名模型Ox-Alpha，中文社区称之为“牛来”。

8月20日，Ox-Alpha以“隐身模型”身份悄然上线全球最大模型聚合平台OpenRouter，首日调用量即登顶并创下单日历史纪录，同时终结DeepSeek在OpenCode长达56天的霸榜。OpenRouter数据显示，仅Hermes、ClaudeCode等前五大入口对其累计调用量就已突破4万亿Token。Stripe联合创始人兼CEOPatrick Collison体验后表示，它“非常令人印象深刻”。

独立研究员此前发布技术指纹报告，称其分词器在25组提示词测试中与GLM-5.3的Token计数完全一致、11项探针交叉测试与GLM家族全匹配，“99%把握”指向智谱——如今被官方证实。事实证明，OxAlpha并非智谱在GLM之外另起炉灶，而是GLM-5系列中的新成员。匿名上线更接近一次大规模公开盲测：先隐藏厂商和模型名称，让开发者根据实际使用效果作出判断。

GLM-5.3-Flash是GLM-5系列首个原生多模态模型。总参数量320B（3200亿）、激活参数仅18B，基于30TToken多模态预训练语料。在Artificial Analysis Intelligence Index（AA综合智能指数）中取得57分，与Anthropic旗下最受欢迎的Claude Opus4.8得分持平；在智谱自研的Z.ai Code Bench中，编程表现同样与Opus4.8相当。

模型是首款融合稀疏注意力与线性注意力的开源前沿大模型，引入流形约束超连接技术优化扩展缩放能力。对比GLM-5.3，单Token注意力计算量降低3.01倍，KV缓存体积减少4.44倍，支持1M上下文窗口。权重以MIT协议开放，上线即登陆HuggingFace。

定价端撕开新口子。GLM-5.3-Flash定价为GLM-5.3的1/10，限时折扣期内低至1/20，仅为Opus4.8的1/40。具体调用价格：每百万Token输入0.8元、输出2.8元、缓存命中0.23元。横向对比调价后的DeepSeekV4Flash——其谷时价格分别为输入1.5元、输出4.5元，GLM-5.3-Flash综合成本更低。而Opus4.8按当时汇率折算，每百万Token输入约35元、输出约175元。

智谱在发布公告中写道：“同样智力，1/40价格，前沿智能，第一次不需要省着用。”

国产算力首次大规模集体出海。GLM-5.3-Flash全部线上流量由10万张国产芯片承载。正式发布前，模型以匿名身份在OpenRouter、Open Code两大海外平台测试，Token调用量高达62T，这些请求流量全部由国产芯片提供算力支持。这是国产算力芯片首次大规模直接服务全球真实负载。

智谱基于SGLang构建专用推理引擎，加入张量并行、W8A8量化等技术。在集群层面采用Encode-Prefill-Decode（EPD）分离架构，让多模态编码、Prompt预填充和逐Token解码按各自算力特征独立调度。智谱称，与同一批硬件上的初始基线相比，端到端服务性能提升3倍，硬件效率和单Token成本已达到与主流英伟达GPU相当的水平。此前市场关于“每天100万亿Token算力供给从何而来”的争论，至此有了答案。