8 月 26 日，智谱正式上线并开源 GLM-5.3-Flash (320B-A18B)，这是 GLM-5 系列的首个原生多模态模型。

该模型总参数 320B，能力超过 GLM-5.2，在全球权威的 Artificial Analysis Intelligence Index（AA 综合智能指数）中取得 57 分，进入全球前沿模型能力区间。在自研 Z.ai Code Bench 体感评估中，其编程表现与 Claude Opus 4.8 相当。

打开网易新闻 查看精彩图片

定价方面，GLM-5.3-Flash 定价为：

输入价格：0.15 美元

输出价格：0.50 美元

命中缓存的输入价格：0.03 美元

相比之下，是GLM-5.3 的 1/10，限时折扣内为 GLM-5.3 的 1/20，仅为 Claude Opus 4.8 的 1/40。

在正式发布前，智谱以匿名模型 Ox-Alpha 在 OpenCode 和 OpenRouter 上进行了大规模测试，创下双平台调用量新高。在OpenRouter 平台，仅用时6天便处理了超过 20 万亿个 Token。

打开网易新闻 查看精彩图片

架构方面，GLM-5.3-Flash 专为极低成本设计，总参数量与 GLM-4.5 相当（355B vs 320B），但激活参数量从 32B 降至 18B、层数从 92 层降至 45 层，几乎减半。结合最新的 30T Token 多模态预训练语料，该模型能够以更少的计算资源实现更强的性能。它也是首个采用稀疏注意力与线性注意力混合架构的开源前沿模型，相较于 GLM-5.3，注意力计算量与 KV 缓存大小分别降低了 3.01 倍和 4.44 倍。

多模态能力方面，GLM-5.3-Flash 将视觉能力原生集成进模型中，可自主判断何时需要 "观察" 并利用视觉反馈指导下一步行动，适用于前端开发、游戏开发、3D 仿真等任务。

智谱首次在大规模流量中使用国产芯片集群提供服务，通过自研高带宽互联网络连接，并在 SGLang 基础上构建专用推理引擎。与同一硬件上的初始基线相比，端到端服务性能提升了 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。

目前，GLM-5.3-Flash 已正式面向全球开源，接入 ZCode 等编码平台，纳入 GLM Coding Plan（每天限量发放 10,000 张体验卡），并同步开放 API 调用。