智谱开源 GLM-5.3-Flash：旗舰级智能降到 Claude Opus 4.8 约 1/40 的价格，国产芯片首次扛起全球推理流量

发生了什么

2026 年 8 月 26 日晚，智谱认领此前在 OpenCode 与 OpenRouter 匿名测试的模型 Ox-Alpha（社区称「牛来」），并以 GLM-5.3-Flash 开源。它总参数 320B、激活参数 18B，在 Artificial Analysis 智能指数上拿到 57 分，与 Anthropic 的 Claude Opus 4.8 持平；定价为 GLM-5.3 的十分之一，限时半价后约为 Claude Opus 4.8 输出价的四十分之一。

它是 GLM-5 系列首个原生多模态轻量旗舰开源模型，支持文本、图像、视频输入和 1M 上下文，通过「稀疏注意力 + 线性注意力」混合架构把旗舰级智能压进轻量价位。每百万 token 输入 0.8 元、输出 2.8 元、缓存命中 0.23 元，上线前两周再半价，9 月 9 日结束。模型已以 zai-org/GLM-5.3-Flash 在 Hugging Face 开源，API 上线 BigModel 与 Z.ai，ZCode 同步接入。

匿名测试的六天

智谱第二次走「先匿名免费、再官方认领」的路径：春节前夕的 Pony Alpha 事后被证实是 GLM-5，这次 Ox-Alpha 沿用同一节奏。8 月 20 日 Ox-Alpha 在 OpenRouter、OpenCode 上线，免费且无厂商署名。

据 AI信息Gap 汇总的第三方平台数据，6 天内它在 OpenRouter 消耗 23.2 万亿 token，第二名 DeepSeek-V4-Flash 为 9.9 万亿；在 OpenCode 消耗 43 万亿 token，断层第一。社区用分词器指纹完成识别：25 组提示词下，Ox-Alpha 与 GLM-5.3 每次返回的 token 数只差固定 75 个，开源工具 modelprint 的 95 次对比全部命中智谱。有开发者从 DeepSWE 抽 10 个任务测试，通过率 80%，高于 Claude Fable 5 与 GPT-5.6 Sol。谷歌 DeepMind 研究员曾暗示指向 Gemini，官方认领后被社区以「GLM，Google Language Model」调侃回敬。

钱从哪里省出来

1/40 的价格不是补贴，而是成本结构下移。相比 GLM-5.3，GLM-5.3-Flash 把激活参数从 32B 降到 18B、层数从 92 层减到 45 层，注意力计算量约为前代三分之一，KV 缓存不到四分之一；这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。同时，Ox-Alpha 测试期间全部流量运行在超 10 万张国产芯片组成的集群上，端到端性能较初始基线提升 3 倍，单 token 成本已与主流英伟达 GPU 相当。

把价格放回中国模型市场的时间线：Kimi K3 输出价曾达每百万 token 100 元；智谱上半年提价后输出价 28 元。8 月 DeepSeek 全面提价，V4 Pro 从 6 元涨到 13.5 元（高峰 27 元），V4 Flash 输出从 2 元涨到谷时 4.5 元、高峰 9 元，理由是算力稀缺。结果 OpenCode 上 V4 Flash 调用量掉了约一半。GLM-5.3-Flash 落在弧线最低处，常规调用综合成本低于调价后的 DeepSeek V4 Flash；海外输出价 0.5 美元，而 Claude Opus 4.8 官方输出价 25 美元。

同一档智能里的对手

Artificial Analysis 智能指数 v4.1.1 的散点图上，57 分附近站着不同出身的产品：Claude Opus 4.8 同为 57 分、输出 25 美元/百万 token；Claude Sonnet 5、Qwen3.8 Max、GPT-5.6 Terra 与 GLM-5.3-Flash 分数相近，单个任务成本分别约为 3 美元以上、1.2 美元和 0.5 美元。同样接近 57 分的智能，价格差出十几倍到六十几倍。智谱想在这条「同价位最聪明、同智能最便宜」的帕累托前沿上占据成本最低点。

直接对手是 DeepSeek V4 Flash：参数规模接近（320B 对约 300B），智谱口径下 57 分高于 DeepSeek 旗舰 V4 Pro 正式版的 53 分。7 月 31 日 DeepSeek 靠「每百万输出 token 2 元」画过斩杀线，OpenCode 上单日调用量一度突破 8 万亿 token；8 月提价后让出的需求缺口被免费的 Ox-Alpha 接住。调价后的 V4 Flash 谷时价为 1.5/4.5/0.05 元，缓存命中仍比 GLM-5.3-Flash 便宜，但常规输入输出综合成本更高。

同一天发布的 Qwen3.8-Flash-Next 架构预览（125B 总参数、6B 激活，混合注意力 + n-gram embedding）显示「极致稀疏 + 混合注意力」已是下一代开源轻量模型的共同方向。往外一层，OpenAI 同日公布自研推理芯片 Jalapeño 首测：每瓦吞吐为 GB200/GB300 的 1.5–1.9 倍，DeepSeek R1 端到端延迟 1.65 秒对 GB300 的 5.99 秒。英伟达则用 Groq 3 LPX 的 SRAM 方案和 Vera Rubin 平台回应；苹果用 2nm M6 和 M5 Ultra 抬高本地大模型推理的硬件规格。三条降本路线——模型架构稀疏化、专用推理芯片、端侧统一内存——同日形成完整对照，智谱是其中唯一把「架构 + 国产算力」两条腿并在一起的公司。

三个判断

第一，降价有工程支撑，市场对价格有真实弹性。架构减半加国产芯片降本，让 1/40 的价格由两项工程变化支撑，而非烧钱换份额；DeepSeek 提价后 V4 Flash 调用量在 OpenCode 减半，说明「智能需求没有弹性」的判断被证伪——一旦有人能在 57 分档位持续供货，调用量就会迁移。

第二，国产算力在旗舰级推理上第一次从「可用」走到「平价」。超 10 万张国产卡承接全部免费测试流量、端到端性能提升 3 倍、单 token 成本与英伟达 GPU 相当，合起来是一个可复用的推理部署方案。公开材料没有披露具体芯片型号，《晚点 LatePost》称供应商或来自华为、摩尔线程与海光，智谱未评论；10 万卡集群的长期稳定性、故障率和软硬件生态仍是后续验证点。

第三，匿名测试加开源正在成为智谱固定的发布与圈地机制。两次重复说明路径已固定：免费换真实调用量和口碑，分词器指纹和社区「破案」负责传播，官方认领收口，开源权重把生态引向自家 API 和云。这比传统发布会更快建立价格锚。

后续信号

可观察四个具体信号：9 月 9 日半价结束后价格与调用量是否回落；DeepSeek 是否再度调价或放出下一代轻量模型；国产芯片集群的型号披露；Hugging Face 开源权重的下游微调生态。

信息来源

1. AI信息Gap：刚刚，智谱开源 GLM-5.3-Flash！牛真的来了 2. AI信息Gap：刚刚，智谱认领「牛来」！DeepSeek 惨遭斩杀 3. 华尔街见闻全球：智谱推出对标 DeepSeek 的轻量旗舰模型，由 10 万国产卡支持 4. 腾讯研究院：AI 速递 20260827 5. APPSO：OpenAI 自研「辣椒芯片」首测超英伟达，会让 ChatGPT 更便宜吗？