智谱把Claude级能力打到了1/40价格：

星***

【AI】

智谱把Claude级能力打到了1/40价格：GLM-5.3-Flash，跑在国产芯片上

一、事件还原

昨天，智谱上线并开源了 GLM-5.3-Flash（320B-A18B），GLM-5 系列的第一个原生多模态模型。

三组数字值得划线：在全球权威的 Artificial Analysis Intelligence Index（AA综合智能指数）中拿到 57 分，进入全球前沿模型能力区间，与 Anthropic 最受欢迎的 Claude Opus 4.8 得分持平；自研 Z.ai Code Bench 体感评估里，编程表现与 Opus 4.8 相当；定价为 GLM-5.3 的 1/10，限时折扣内 1/20，是 Opus 4.8 的 1/40。

翻译一下：同样的智力，四十分之一的价格。智谱自己的说法更直接——"前沿智能，第一次不需要省着用。"

还有一个容易被忽略的细节：正式发布前，这个模型以匿名身份 "Ox-Alpha"（中文社区叫它"牛来"）在 OpenCode 和 OpenRouter 上做了大规模公测，迅速成为当周最受欢迎的模型，创下双平台调用量新高。而这些流量，全部由国产芯片提供算力。

二、产品拆解

便宜不是靠牺牲能力换来的，是靠架构。

总参数 320B，与 GLM-4.5 相当（355B vs 320B），但激活参数从 32B 砍到 18B，层数从 92 砍到 45——几乎减半。配合 30T Token 的多模态预训练语料，结果是在各项基准测试中全面超越参数量高出一倍的 GLM-5.2。

两个首次值得记下：它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，官方数据是注意力计算量和 KV 缓存相比 GLM-5.3 分别降低 3.01 倍和 4.44 倍——这直接决定了长上下文的服务成本；另外用了流形约束超连接（mHC）来提升 Scaling 能力。

多模态这块，智谱给的概念叫"视觉编码"：视觉能力被原生集成进模型，让它在写代码时能自主判断什么时候该"看一眼"，再用视觉反馈指导下一步。原文里最夸张的例子：没有任何外部素材，GLM-5.3-Flash 自主运行 16 个小时，在 Blender 里搭出一套约 400 平方米的专业主厨自宅与测试厨房。

看出来了吗？重点不是"能看图"，是模型第一次把"观察自己的产出"变成了工作流的一部分。

三、场景分析

对普通打工人，真正有用的可能在 Coding 之外的部分。

官方明确针对 Office 与文档任务做了优化：PPTX、PDF、DOCX、XLSX，模型能检查并优化自己的输出，"具备更强的审美判断"。金融方向覆盖从金融研究、报告生成到建模分析的完整流程，全程提供可追溯的参考依据；法律方向能审查合同条款、按律师惯例批注留痕，起草律师函、合同与诉讼文书，"生成即可交付"。

基础设施那一段才是隐藏的大新闻：这是智谱首次在大规模流量中用国产芯片集群提供服务，自研推理引擎建立在 SGLang 基础上——而且整个构建工作由 GLM-5.3 驱动的 infra agent 大大加速。端到端服务性能相比同硬件基线提升 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"。

"模型优化系统，系统承载模型"——这句话值得单独抄下来。

四、风向判断

前沿模型的价格战进入"架构战"阶段。 靠稀疏化、混合注意力这类架构创新把推理成本打下来，比单纯补贴烧钱更可持续。1/40 的价差一旦被验证可用，会倒逼全行业重定价。

"视觉反馈闭环"会成为 Agent 的标配。 模型不只是生成，还要"看"自己生成的界面并迭代。这意味着前端、文档、3D 这类"产出是给人看的"任务，会被系统性重做一遍。

国产芯片跑前沿模型，从故事变成了工程事实。 匿名测试期间全部流量由国产芯片承载，且单 token 成本对标英伟达 GPU。供应链这条线的确定性在上升。

"模型造模型"开始兑现。 infra agent 加速推理引擎开发，模型参与优化承载自己的系统。AI 研发效率的飞轮，转起来了。

GLM-5.3-Flash：前沿智能进入普惠时代

吴***

这个案例说明，方向对了之后，细节优化很重要。