【導(dǎo)讀】過去一周，一個(gè)代號(hào)為Ox-Alpha的神秘模型橫掃AI圈，以匿名之姿同時(shí)沖上OpenCode和OpenRouter調(diào)用量榜首，終結(jié)了DeepSeek連續(xù)56天的霸榜紀(jì)錄。開發(fā)者們驚呼“它在屠殺我們的內(nèi)部基準(zhǔn)”，全網(wǎng)競(jìng)猜其身份——谷歌？海外神秘團(tuán)隊(duì)？昨天，答案終于揭曉：它正是智譜剛剛開源的GLM-5.3-Flash，GLM-5系列首個(gè)原生多模態(tài)模型。但比“牛來”爆火更值得關(guān)注的，是一個(gè)正在浮出水面的關(guān)鍵信號(hào)：在匿名測(cè)試期間，所有推理請(qǐng)求均由國(guó)產(chǎn)芯片集群支撐，訓(xùn)練端或由海光DCU等國(guó)產(chǎn)芯片支持。
不到一天時(shí)間，Ox-Alpha 同時(shí)沖上 OpenRouter 和 OpenCode 的調(diào)用量榜首，刷新了 OpenRouter 的模型發(fā)布紀(jì)錄，也結(jié)束了 DeepSeek 連續(xù)56天霸榜的局面。短時(shí)間內(nèi)，用戶累計(jì)調(diào)用量達(dá)到62T Token。
Hermes Agent 創(chuàng)始人在測(cè)試后直言：“This model is slaughtering all our internal benchmarks. What the actual fuck is it??”——這個(gè)模型幾乎在“屠殺”他們所有的內(nèi)部測(cè)試基準(zhǔn)。
于是，全網(wǎng)開始猜：這到底是誰家的模型？有人猜是谷歌 Gemini，有人懷疑是某個(gè)海外大廠偷偷放出來測(cè)試的新模型，甚至還有人拿出各種截圖對(duì)比，稱它的表現(xiàn)疑似已經(jīng)明顯超過 Fable 5。一時(shí)間，關(guān)于 Ox-Alpha 的身份猜測(cè)幾乎席卷了整個(gè)AI圈。
直到昨天，答案終于揭曉。Ox-Alpha，正是智譜的 GLM-5.3-Flash。而“Flash”這個(gè)名字，反而很容易讓人低估它。這里的 Flash，并不意味著能力上的“輕量版”或“降檔版”。
前沿智能進(jìn)入普惠時(shí)代
總結(jié)一下，智譜的GLM-5.3-Flash有什么關(guān)鍵點(diǎn)：
第一，GLM首個(gè)原生多模態(tài)模型。GLM-5.3-Flash（320B-A18B）正式上線并開源，是GLM-5系列首個(gè)原生多模態(tài)模型，支持1M上下文，重點(diǎn)面向Coding、Agent及復(fù)雜專業(yè)任務(wù)。
第二，能力進(jìn)入全球第一梯隊(duì)。模型在AA綜合智能指數(shù)中獲得57分，與Claude Opus 4.8持平；在編程能力測(cè)試中表現(xiàn)對(duì)標(biāo)Opus 4.8，同時(shí)全面超過參數(shù)量更大的GLM-5.2。
第三，同等能力，價(jià)格大幅下降。GLM-5.3-Flash價(jià)格僅為GLM-5.3的1/10，限時(shí)優(yōu)惠低至1/20，約為Claude Opus 4.8的1/40，主打“前沿能力+低成本”。
第四，匿名測(cè)試期間直接爆火。正式發(fā)布前，模型以匿名身份Ox-Alpha登陸OpenCode和OpenRouter進(jìn)行大規(guī)模測(cè)試，迅速成為雙平臺(tái)熱門模型并創(chuàng)下調(diào)用量新高，相關(guān)請(qǐng)求全部由國(guó)產(chǎn)芯片提供算力支持。
第五，架構(gòu)、Coding和專業(yè)Agent全面升級(jí)。模型采用稀疏注意力與線性注意力混合架構(gòu)，并引入mHC等新技術(shù)，將注意力計(jì)算量和KV緩存顯著降低；原生視覺能力則讓模型可以“觀察—驗(yàn)證—改進(jìn)”自己的輸出，不僅能用于前端、游戲、3D等視覺Coding，也進(jìn)一步拓展到金融、法律、Office文檔等專業(yè)工作場(chǎng)景。
國(guó)產(chǎn)芯片正在扛起大旗
這次GLM-5.3-Flash最值得關(guān)注的，可能不只是模型本身，而是它背后的算力——國(guó)產(chǎn)芯片開始真正扛起前沿模型的大規(guī)模推理服務(wù)。
過去一周，智譜首次嘗試讓大規(guī)模真實(shí)流量跑在國(guó)產(chǎn)芯片集群上。國(guó)產(chǎn)芯片單卡算力和內(nèi)存容量相對(duì)有限，而GLM-5.3-Flash又支持最長(zhǎng)1M上下文，長(zhǎng)上下文帶來的內(nèi)存容量和帶寬壓力非常大。因此，智譜圍繞國(guó)產(chǎn)芯片的底層架構(gòu)進(jìn)行了大量針對(duì)性優(yōu)化，甚至采用“以算力換帶寬、以通信換顯存”等策略。
在軟件棧上，團(tuán)隊(duì)基于SGLang打造了專用推理引擎，并結(jié)合節(jié)點(diǎn)內(nèi)張量并行、ReplaySSM、W8A8量化、INT8/FP8/BF16混合緩存量化以及Layer Split等技術(shù)，盡可能把有限的硬件資源榨干。集群層面，則采用生產(chǎn)級(jí)的Encode–Prefill–Decode（EPD）分離架構(gòu)，把多模態(tài)編碼、Prompt預(yù)填充和逐Token解碼拆成可以獨(dú)立調(diào)度、獨(dú)立擴(kuò)縮容的工作池，從而提升整個(gè)推理集群的利用率和穩(wěn)定性。
最終的結(jié)果相當(dāng)直接：相比同一硬件上的初始基線，端到端服務(wù)性能提升了3倍，硬件效率和單Token成本已經(jīng)達(dá)到與主流英偉達(dá)GPU相當(dāng)?shù)乃健?/p>
而在訓(xùn)練端，同樣值得關(guān)注。訓(xùn)練或由海光DCU等國(guó)產(chǎn)芯片支持。以海光DCU為代表的國(guó)產(chǎn)GPGPU，不僅提供訓(xùn)練所需要的通用并行算力，還通過DTK軟件棧、算子庫(kù)和集群互聯(lián)能力，盡可能降低從主流GPU生態(tài)遷移過來的成本。換句話說，國(guó)產(chǎn)芯片正在從“能不能跑大模型”，走向“能不能把大模型規(guī)模化訓(xùn)練起來”
結(jié)論
GLM-5.3-Flash的爆火，不只是智譜在模型能力上的又一次躍升，它更是一份關(guān)于“國(guó)產(chǎn)算力能不能扛住前沿模型”的實(shí)戰(zhàn)報(bào)告。匿名測(cè)試一周，真實(shí)流量跑在國(guó)產(chǎn)芯片集群上，端到端服務(wù)性能比初始基線提升3倍，硬件效率和單Token成本對(duì)標(biāo)主流英偉達(dá)GPU——這組數(shù)據(jù)說明，國(guó)產(chǎn)芯片正在從“能跑”走向“能規(guī)模化跑起來”。訓(xùn)練端或由海光DCU支撐，推理端以混合架構(gòu)與EPD分離調(diào)度榨干硬件資源，智譜與國(guó)產(chǎn)芯片的這次深度協(xié)同，為“國(guó)產(chǎn)大模型+國(guó)產(chǎn)算力”的組合提供了一個(gè)極具說服力的實(shí)戰(zhàn)樣本。
