智譜（Zhipu）は9月18日、GLM-5.3-FlashXを公開し、APIも同時に開放した。モデルIDはGLM-5.3-FlashX。公式が示した指標は事実上ひとつだけで、出力速度が最大200トークン/秒に達するという点だ。智譜によれば、これは既存のGLM-5.3-Flashの5倍にあたる。
モデルの性能グレード自体に変更はない。公開ドキュメントによれば、FlashとFlashXは仕様を共有しており、コンテキスト長は100万トークン、最大出力は12.8万トークン、入力は動画・画像・テキスト・ファイルに対応し、出力はテキストのみとなる。さらに思考モード、ツール呼び出し、ストリーミング応答、コンテキストキャッシュ、JSON構造化出力にも対応する。両者の違いは明快で、FlashXはスループットと引き換えに速度を得て、Flashは単価の安さを守る。
速度とともに価格も上昇
報道されている価格は、入力100万トークンあたり2元、出力100万トークンあたも7元で、従来のFlash料金の2.5倍にあたる。智譜自身の発表ではこの点は強調されておらず、SNS上の議論はほぼ「速度とコストのトレードオフ」に集中している。
2.5倍という倍率から逆算すると、Flash料金の出力単価はおおよそ100万トークンあたも2.8元程度になる。、1日あたり出力トークンを10億消費するエージェント業務を想定すると、Flashなら出力側だけで月額約8.4万元、FlashXに切り替えると約21万元に上がる。差額の12.6万元は、同じ処理量をより速くこなすための対価だ。この差が割に合うかどうかは、その業務が初回トークンの遅延やキューの長さに左右されるかどうか次第になる。対話型プロダクト、リアルタイム字幕、コード補完のように1秒の遅れも許されない用途では、200トークン/秒と40トークン台/秒はまったく異なる体験になる。一方、オフラインのバッチ処理や文書解析、夜間バッチなど数分の遅れが問題にならない用途では、引き続Flashで十分だ。
200トークン/秒はどこから来たのか
智譜の説明は、10万枚規模の中国産チップによる推論基盤の上に、さらに推論最適化を加えたというものだ。この最適化が投機的デコーディングによるものか、並列スケジューリングによるものか、メモリ配置の工夫によるものかは明かされていない。また10万枚という数字が自社クラスタのみを指すのか、パートナー企業の分を含むのかについても、開示はない。
FlashXの前身には海外での実績がある。GLM-5.3-Flashはかつて「Ox Alpha」というコードネームで海外の開発者コミュニティに流通しており、呼び出し量は一時DeepSeekの2倍を超えたと智譜自身が語ったことがある。Ox AlphaからFlash、そしてFlashXへ——智譜のこの系統での動き方は一貫している。まず低価格で呼び出し量を積み上げ、実際の負荷の形を把握したうえで、速度に応じて段階的に課金する。GLM-5.3の正式版が公開された際、出力100万トークンあたりの価格は4.4ドルだった。Flashは有効化パラメータを180億まで削ってコストを圧縮し、FlashXは同じ曲線上で速度側にもう一段踏み込んだ位置づけになる。
値上げが示すシグナル
ここ1年あまり、中国国産大規模モデルの基本戦略は値下げだった。先に下げた方がシェアを取る、という構図だ。FlashXはこの流れに逆行し、同じ能力に高い値をつけ、売りは速度一本に絞った。これが成立するのは、推論側の供給がもはや無尽蔵に安いわけではなく、クラスタ内の並列処理の余力そのものが値付けできる資源になったという前提があるからだ。
この動きが定着するかどうかは、二つの点にかかっている。ひとつは、同格の国産競合がここ数週間のうちに追隨して値上げするかどうか。もうひとつは、高負荷時にもFlashXが200トークン/秒の上限を維持できるかどうかだ。第三者によるストレステストのデータは、現時点では公開されていない。
参考資料：智譜オープンプラットフォーム文書、智譜公式発表、CocoLoop、新浪科技、站長之家（Chinaz）；速度とコンテキスト仕様は公式文書で確認、価格は公開報道に基づく。