智谱开源 GLM-5.3-Flash：Ox Alpha 真身揭晓，320B/18B 权重上线

智谱（Z.ai）8 月 26 日晚 GLM-5.3-Flash 并开源权重。这是 GLM-5 系列首个原生多模态模型：320B 总参数、18B 激活参数，MIT 许可，1M token 上下文窗口；它正是过去一周匿名登顶 OpenRouter 使用量榜首的神秘模型 Ox Alpha。

Ox Alpha 上周末匿名出现在 OpenRouter，免费使用并迅速冲上使用量榜首，身份引发社区连日猜测。8 月 26 日上午，报道智谱确认 Ox Alpha 是 GLM 系列新版本、将于当晚发布权重；当天上午也报道了同一消息。当晚博客上线，承诺兑现，悬疑落幕。

GLM-5 系列的第一个原生多模态模型

博客介绍，GLM-5.3-Flash 总参数 320B、激活参数仅 18B，视觉能力原生内置。与 GLM-4.5 系列相比，总参数相近（320B 对 355B），激活参数从 32B 砍到 18B，层数从 92 层减到 45 层。权重以 zai-org/GLM-5.3-Flash 的名称上传，官方称目前支持 SGLang、vLLM、TokenSpeed 等推理框架本地部署。

模型已向所有 GLM Coding Plan 用户开放，可用配额是 GLM-5.3 的 3 倍；ZCode 的 Browser Use 与 Computer Use 功能可以调用它的多模态能力，让 agent 点击并目视校验网页、操作桌面应用。

ox-alpha 的六天：23.2T token，2.3 倍于第二名

博客首次披露匿名测试的安排：发布前，智谱以 ox-alpha 的名字在 OpenCode 与 OpenRouter 上匿名测试、收集用户反馈，"迅速成为当周最热门的模型——所有这些流量都由国产 AI 芯片提供服务"。博客配图显示，8 月 20 日至 25 日，ox-alpha 在 OpenRouter 上处理了 23.2T token，是第二名 deepseek-v4-flash（9.9T）的 2.3 倍。

凤凰网科技的报道补充了匿名期的细节：Ox Alpha 免费使用，在 OpenRouter 排行榜升至首位，使用量是 DeepSeek 的两倍多，定位编程与智能体任务的推理模型，支持文本、图像和视频输入；智谱方面称其代号灵感来自近期上映的电影《牛来》。正在收购 OpenRouter 的 Stripe CEO 帕特里克·科里森（Patrick Collison）称这次秘密发布"令人印象深刻"。

身份悬疑在一天内收束。上午，彭博报道智谱确认 Ox Alpha 是 GLM 系列新版本并将于当晚发布权重；德国科技分析师 Chubby（superintel 主编）随即在 "Ox Alpha 是 zAI 的 GLM(-5.3 Flash)"，当晚官方博客证实了这一版本号。彭博更新后的报道写明，这个模型"现在叫 GLM-5.3-Flash"，据智谱博客称运行在国产 AI 芯片上。

DeepSWE 63.4 对 46.2，每任务 0.045 美元

性能数字来自智谱官方博客。六项编码与智能体基准中，GLM-5.3-Flash 全部超过 GLM-5.2：DeepSWE v1.1 为 63.4 对 46.2，AutomationBench v1.0.6 为 48.8 对 26.2，Terminal Bench 2.1 为 84.3 对 81.0，Toolathlon Verified 为 78.4 对 59.9，Agents' Last Exam 为 26.3 对 20.4。在智谱自有的 Z.ai Code Bench v1.0（跑在 Claude Code 2.1.207 上）上，模型在每一档推理强度下都超过 GLM-5.2，最高强度下拿到 29.0，接近 Claude Opus 4.8 的 29.5。

价格方面，博客给出的数字是：在 Artificial Analysis 智能指数 v4.1.1 上，GLM-5.3-Flash 以每任务 0.045 美元（折后价）得到 57 分，"这一智能水平此前大约需要 10 倍成本"。博客开篇的表述是：以十分之一的价格在基准与真实工作负载上超越 GLM-5.2，编码与智能体能力接近 Claude Opus 4.8。

这些数字需要按评测口径理解：博客脚注逐项列出设置，例如 HLE w/ Tools 由 GPT-5.6-luna 担任 judge、AutomationBench 采用修复了 null 类型处理问题的 v1.0.6；其中 GDPval-AA v2 由 Artificial Analysis 评测，其余为智谱自测。

Raschka 的拆解：34 层 KDA 与 11 层 MLA/DSA

权重开源后，ML/AI 研究工程师 Sebastian Raschka（@rasbt，《Build a Large Language Model From Scratch》作者）在 X 上发布了：GLM-5.3-Flash 采用 Kimi Linear 风格的 3:1 混合注意力，34 层 Kimi Delta Attention（KDA）加 11 层 MLA/DeepSeek Sparse Attention（DSA）；主干是缩小版的 GLM-5.2 式稀疏 MoE，从 744B-A40B 缩到 320B-A18B；残差路径采用 DeepSeek V4 风格的 mHC（Manifold-Constrained Hyper-Connections），四条并行流；另有原生视觉编码器。他称之为"超级混合"：KDA 与 MLA/DSA 都是高效注意力组件，而 Kimi 只用 KDA 加全注意力 GQA，DeepSeek V3.2 用 DSA 加全注意力 MLA。

这与官方博客的说明相互印证：混合稀疏+线性注意力是 GLM 系列首次引入，线性注意力通过状态建模捕捉局部依赖，稀疏注意力借助轻量 indexer 检索全局上下文；针对 1M token 上下文，IndexPool 用加权池化把四个 indexer key 向量压成一个。官方称相比 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。Raschka 在推文末尾开玩笑说，这或许为买一台 256GB/512GB 内存的 Mac Studio M5 Ultra 本地跑模型找到了理由。

数万颗国产加速器与"模型优化自己"

博客披露，过去一周 Ox Alpha 的全部流量都由国产 AI 芯片集群承担：团队基于 SGLang 自建推理引擎，采用 Encode–Prefill–Decode（EPD）分离式架构，在"数万颗国产加速器"上运行；针对单芯片显存与带宽有限的特点，用 compute-for-bandwidth、communication-for-bandwidth 的思路做激进的内存优化。官方称相比同一硬件上的初始基线，端到端服务性能提升 3 倍，"硬件效率与单 token 成本达到与主流 NVIDIA GPU 相当的水平"。这是智谱的单方口径。

一个细节是，这套推理栈的开发本身有 GLM-5.3 驱动的基础设施 agent 参与：它协助工程师开发和优化 kernel、定位性能瓶颈、改进服务栈，形成"模型帮助优化服务模型自身的系统"的反馈回路。

身份讨论升温期间，智谱 GLM-5.2 项目负责人 8 月 26 日早晨在 X 上回应"刷榜"质疑："GLM-5.2 中没有发现 reward hacking：解决问题，而不是刷榜。"这是公司人士的单方表态。博客结语称，智谱正把这套配方扩展到更大的模型，"构建它的经验已经在塑造我们的下一个前沿模型"。

对开发者来说，可立刻验证的变化已经发生：GLM Coding Plan 用户现在就能调用这个模型，权重可在 Hugging Face 直接下载。接下来值得盯的是两件事——官方基准能否被第三方复现，以及智谱预告的"更大的模型"何时发布。