AREX Feed Article
GLM-5.3-Flash 上线 Together AI：DeepSWE 几乎追平 Luna，预算产出翻倍
8 月 27 日 16:38（UTC，北京时间 8 月 28 日 0:38），宣布 GLM-5.3-Flash 上线其推理平台：320B 总参数、18B 激活参数、100 万 token 上下文、混合注意力架构，是 Z.ai 的 GLM-5 系列首个原生多模态模型。公告同时给出了一条可以对照核实的声明：在 DeepSWE 基准上，该模型"几乎追平 Luna 的表现，同等预算下完成的工作量超过两倍"。
这句话是平台方发布的评测声明，只能证明平台作出了这一说法，不能证明其为真。但可以拿 DeepSWE 官方榜单逐项核对：8 月 26 日更新的上，glm-5.3-flash 为 63%±4、平均任务成本 0.24 美元；被拿来对比的 OpenAI GPT-5.6 Luna（榜单名 gpt-5.6-luna，）为 67%±4、0.61 美元。此时距离 Z.ai 官宣发布这款模型，刚过去约 26 小时。
26 小时：从 Z.ai 官宣到 Together AI 上架
GLM-5.3-Flash 由 Z.ai 于 8 月 26 日 14:12（UTC）在上发布：320B-A18B 参数、原生多模态、100 万 token 上下文，MIT 许可，权重公开，此前以 ox-alpha 的匿名身份预览。Z.ai 同日发布说明架构与成本设计。截至本文核验时，这条官宣推文获得 2.3 万赞、约 554 万次浏览。
约 9 分钟后，发推祝贺，称 GLM-5.3-Flash 是"第一个同时要求两种注意力（线性加稀疏）的模型"，vLLM 提供首日支持，已在 NVIDIA 与 AMD GPU 上验证。
次日 16:38（UTC），Together AI 宣布上线，39 秒后给出。模型页显示接口名为 zai-org/GLM-5.3-Flash，同时提供 serverless 与专用部署，标注 99.9% SLA。另一家推理平台 Baseten 的也已收录该模型，价格与 Together AI 完全一致。
上线即报价：$0.15/$0.50，约为同平台 GLM-5.2 的九分之一
Together AI 给 GLM-5.3-Flash 的标价是输入 0.15 美元/百万 token（缓存命中 0.03 美元）、输出 0.50 美元/百万 token。同一页面的相关模型列表里，ChatGLM-5.2 标价 1.40/4.40 美元——输入与输出价格都约为其九分之一。Z.ai 博客的说法是"以十分之一的价格，在基准与真实负载上全面超过 GLM-5.2"。
模型页给出的能力数据（Z.ai 口径）包括：DeepSWE v1.1 63.4（GLM-5.2 为 46.2）、Terminal Bench 2.1 84.3（81.0）、AutomationBench 48.8（26.2）、Toolathlon Verified 78.4（59.9），Artificial Analysis Intelligence Index v4.1.1 得分 57。接口支持按请求设置 reasoning effort（low/high/max），输入支持文本与图像。
"几乎追平 Luna"：把声明与 DeepSWE 榜单对一对
DeepSWE 是 Datacurve 推出的长期软件工程基准：113 道从零编写的任务，覆盖 91 个仓库、5 种语言；任务不改编自既有 commit 或 PR（防污染），验证器逐题手写；所有模型统一用 mini-swe-agent 框架运行。8 月 26 日更新的榜单上：
| 模型 | Pass@1 | 平均任务成本 | 输出 token | 步数 |
|---|---|---|---|---|
| gpt-5.6-luna | 67%±4 | $0.61 | 73k | 102 |
| glm-5.3-flash | 63%±4 | $0.24 | 73k | 123 |
| glm-5.3（同系列大杯） | 69%±3 | $3.99 | 80k | 124 |
按平均任务成本算，0.61÷0.24≈2.5，"同等预算完成两倍以上工作"在算术上成立。63% 对 67% 差 4 个百分点，双方置信区间重叠——"几乎追平"是平台方表述，与榜单数据相容，但没有被单独坐实。榜单当前展示的 19 个模型中，glm-5.3-flash 的平均任务成本最低，第二低是 deepseek-v4-flash 的 0.46 美元。聚合站 llm-stats 将 gpt-5.6-luna 标注为 OpenAI 的 GPT-5.6 Luna（0.670，API 价 0.20/1.20 美元）、将 GLM-5.3-Flash 标注为 Zhipu AI 的模型（0.634，0.15/0.50 美元），并提示其收录的 27 个结果中有 10 个为自报。
320B 参数、18B 激活：混合注意力把长上下文成本压下来
成本优势来自架构。GLM-5.3-Flash 是 MoE 模型：320B 总参数、每次只激活 18B、45 层——对比 GLM-4.5 系列的 355B、32B 激活、92 层，总参数相近，激活参数和层数几乎减半（Z.ai 博客口径）。
它首次在 GLM 系列中混合稀疏注意力与线性注意力：线性注意力用状态建模捕捉局部依赖，稀疏注意力通过轻量索引器取回全局上下文；索引器再用 IndexPool 把四个 key 向量加权池化成一个，压低 100 万 token 长度下的延迟与显存。按 Z.ai 的测量，相比 GLM-5.3，注意力计算量降至约三分之一，KV cache 降至约四分之一。
模型在 30T token 的多模态语料上预训练，视觉原生接入编码回路，能查看自己渲染的界面并迭代修改。权重以 MIT 许可公开在 HuggingFace，支持 SGLang、vLLM、TokenSpeed。
发布前约一周，它匿名以 ox-alpha 身份在 OpenCode 和 OpenRouter 上运行。Z.ai 博客公布的 OpenRouter 流量图显示，8 月 20-25 日 ox-alpha 处理 23.2T token，是第二名 deepseek-v4-flash（9.9T）的 2.3 倍；博客称这段流量全部跑在中国 AI 芯片上，团队在 SGLang 之上自建推理引擎，端到端服务性能比初始基线提升 3 倍。这三项均为 Z.ai 单方口径。
平台同事、租卡用户与"每任务预算"
Together AI 团队内部先接住了这条公告。mahadev konar（X 简介：在 Together AI 任职，曾任 Instacart，Hortonworks 联合创始人）写道："So exciting!! Give it a try!!"（太激动了，快试试）。同在 Together AI 做 AI/ML 的 zainhas "Lets goo!"。
外部回应集中在价格上。Ryan Sael 在里评价"非常便宜且能干"，并附上自己 8 月 27 日凌晨的：用 GLM-5.3-Flash 生成一段 3D 可视化，自称全程成本 0.01975 美元。自称专注本地模型与真实成本的 Fahad Saleem ："18B 激活和 100 万上下文对我才是最有用的部分。如果只需要用这个模型几小时，我就租几小时的 GPU，不会为了它买一台 DGX Spark。"关注基准排名的 Liam Nerd 则说："每任务预算是真正站得住的指标。"
这条公告本身声量不大，截至核验时 78 赞、约 4000 次浏览，与 Z.ai 官宣的 2.3 万赞、554 万浏览不在一个量级。但 Together AI 把"预算效率"直接写进了公告，DeepSWE 榜单给了它一个可以核对的落点：平均任务成本 0.24 美元、全榜最低，成绩与 Luna 的差距落在同一个置信区间里。"几乎追平"与"两倍产出"能否坐实，取决于按 0.15/0.50 美元计价跑真实负载的用户，而不是公告本身。