一项任务九分钱
完成一项任务 0.09 美元,是自家旗舰版本的七分之一,也比同分的两个对手便宜四到六倍。
这个模型叫 GLM-5.3-Flash,开发者是中国公司 Z.ai。上线前它以代号「Ox Alpha」匿名放出来试用了一阵,发布当天谜底才揭开。
给它打分的是独立评测机构 Artificial Analysis。在它们的智能指数上,GLM-5.3-Flash 拿到 57 分,和 GPT-5.6 Terra、Muse Spark 1.2 并列,比 Z.ai 自家更大的 GLM-5.3(60 分)低 3 分。
分数咬得很紧,账单没有。Artificial Analysis 算下来,跑完整套评测,GLM-5.3-Flash 平均每项任务花 0.09 美元,GLM-5.3 max 花 0.68 美元,约 7.5 倍的差距。和 GPT-5.6 Terra 比便宜约 5.7 倍,和 Muse Spark 1.2 比便宜约 4.4 倍。
定价是每百万输入 token(模型读写文字的最小单位)0.15 美元、每百万输出 0.50 美元,重复送进去的内容还能再便宜八成。模型权重挂在 Hugging Face 上公开下载,用的是 MIT 许可(一种几乎不设限制的开源协议,商用、改造、再发布都不用谁批准)。
全程国产芯片
比分数更难做到的是:每天 100 万亿 token 的服务流量,整条链路跑在中国产的 AI 芯片上。
Z.ai 在发布里写得很明确:这个模型完全运行在中国 AI 芯片上。
半导体分析机构 SemiAnalysis 把这句话单独拎出来放大,称每天有 100 万亿个 token 在这些芯片上被吞吐,并认为这才是整场发布里最惊人的部分,比模型本身更值得看。
训练出来和天天扛住真实流量,是两码事。前者是一次考试,考完就能收工;后者是一座工厂连轴转,任何一个环节掉链子,用户当场就能感觉到。
分析师 teortaxesTex 做了一次公开倒推:假设单颗芯片每秒处理 1 万个 token,一天就是 8.64 亿个;要凑够 100 万亿,大约需要 11.6 万颗芯片。他自己也强调这是估算,不是官方数字,但结论是「做得到,只是会吃掉极大一块算力」。
开发者 theo 的原话最能代表当时的反应:
Ox 居然是个「Flash」级的小模型,已经很离谱了。所有流量都用中国芯片扛下来,更离谱。
便宜是怎么省出来的
便宜来自一次彻底瘦身:总参数砍掉一半以上,层数对半砍,读长文本的算力开销被压下来。
独立研究者 Sebastian Raschka 拆解后给出对比:上一代 GLM-5.2 的骨架是 7440 亿参数、每次调用激活 400 亿;GLM-5.3-Flash 换成 3200 亿参数、每次只激活 180 亿。
工程师 thealexker 补了另一半账:层数从 92 层降到 45 层,每层需要暂存的中间结果更小,内容越长省得越多,最终整体成本大约降到十分之一。
还有一处改动是「注意力」,模型读到一句话时,决定该回头看哪些内容的那部分机制。新版本换成了更省算力的做法,文本变长时计算量不再急剧膨胀。研究者 Elie Bakouch 指出,几乎所有中国前沿开源模型现在都在做同一件事,GLM-5.3-Flash 只是最新一个样本。
有意思的是最后一句:thealexker 说,Z.ai 上一代模型带的运维 agent(agent 指能自己拆任务、连续干活的 AI 程序)参与了这次开发,帮着找性能瓶颈、优化服务链路。模型在帮人造下一个模型。
便宜不等于话少
它省的是单价,不是字数。跑完同一套评测,它吐出的内容比同分对手还多,九成是自己的思考过程。
Artificial Analysis 记了一笔容易被忽略的账。跑完整套智能指数评测,GLM-5.3-Flash 输出了 1.49 亿个 token,比 GLM-5.3 的 1.68 亿少一些,但比同一分数段的 Kimi K3(1.33 亿)和 Qwen3.8(1.36 亿)都多。
更关键的是这 1.49 亿的构成:其中 1.34 亿、约九成,是模型自己的思考过程,不是最终给用户看的答案。
这意味着它的经济性建立在一个前提上:每个 token 的单价足够低。前提一旦变化,这笔账要重算。换成按次计费,或者你把权重下载下来自己租机器跑,多吐出来的那些字就不再是免费的。
会干活,不太懂事
它在操作终端、写代码这类实干任务上挤进第一梯队,但一问事实性知识,超过四分之一的答案是编的。
先看能干的一面。在模拟真实职业产出的 GDPval 评测里,它的 Elo 分是 1770,和 GLM-5.3、Grok 4.6 在误差范围内持平,只输给 Claude Opus 5 的最高档。终端操作评测 Terminal-Bench 上拿到 84.3%,还略微高过比它大得多的 GLM-5.3(83.9%)。银行客服场景的评测略逊,47.2%,落后 GLM-5.3 三个百分点出头。
再看不能干的一面。同一家机构的知识评测里,它答对率只有 28%,幻觉率(把不知道的事编得像真的)同样是 28%。作为参照,GLM-5.3 是答对 34%、编造 30%,GPT-5.6 Terra 答对 47%。
多模态这块还被当场质疑。Z.ai 宣传它「原生支持视觉」,计算机视觉工程师 skalskip92 实测后认为,它在多项物体检测任务上表现很弱。
所以拿它当一个动手的助手,和拿它当一个能问事的百科,是完全不同的两种体验。
开源的主场在挪位
最能打的开源模型来自中国,而托管这些模型的平台刚被英伟达以 130 亿美元买走。同一周的两件事。
落地速度是实打实的。编程工具 Cline 说 GLM-5.3-Flash 是它历史上增长最快的模型,上线不到一周就占了平台 11% 的请求量,同时宣布免费开放。推理平台 Baseten 首日就上线支持,CoreWeave 宣布即将接入,戴尔把它和 Qwen 3.8 Flash 一起推荐为可以装进企业自己机房的开源选项。
同一周,英伟达确认以 130 亿美元 收购 Hugging Face,正是 GLM-5.3-Flash 权重的托管地。这个价格约等于 Hugging Face 1.5 亿美元年化收入的 80 倍,也接近英伟达 2026 年 1 月出价 70 亿美元的两倍;Hugging Face 的客户数在 2026 年翻了一番。
两件事放一起看很清楚:美国公司在买开源的基础设施,中国实验室在往这套基础设施上放最有竞争力的开源模型。而后者用的还不是英伟达的芯片。
有三条怀疑必须留着:
- 「和 Claude Opus 4.8 打平」这句出自 Z.ai 自家的代码评测,第一方数据要打折听。
- 11.6 万颗国产芯片是分析师倒推,不是官方披露,Z.ai 自己只说了「跑在中国芯片上」。
- 发布当天工程师 Zixuan Li 就通知早期下载者重新下载,因为对话模板改了。这种细节说明发布节奏赶得很紧。