8月26日，智譜把在OpenCode、OpenRouter上匿名跑了一週多的Ox Alpha正式公開身分——它的正式名稱是GLM-5.3-Flash，權重當天就上架HuggingFace，採用MIT授權條款。
這是GLM-5系列裡第一個原生多模態的成員。總參數320B，但每個token只啟用180億；層數從GLM-5.3的92層砍到45層，啟用參數也從上一代的320億降到180億。省下來的算力直接反映在價格上：官方定價約是GLM-5.3的十分之一，限時優惠期間再打對折，換算下來大約是Claude Opus 4.8的四十分之一。Z.ai另外提供的一個口徑是，折扣價下平均完成一個任務要花0.045美元。
參數砍一半，分數沒跟著掉
在Artificial Analysis的智慧指數v4.1.1上，GLM-5.3-Flash拿到57分，落在全球前沿模型的區間，與Anthropic目前最受歡迎的Opus 4.8同一個等級。個別項目的落差則更大：DeepSWE v1.1從GLM-5.2的46.2漲到63.4，Terminal-Bench 2.1拿到84.3，Toolathlon Verified 78.4，AutomationBench v1.0.6是48.8。智譜自家的Z.ai Code Bench最高難度給出29.0，對照組Opus則是29.5。
多模態是這一代新增的部分：OfficeQA Pro 62.4，CharXiv搭配工具推理拿到89.4，Chartography搭配工具是78.0，影片方面MVBench 77.8、MMVU 80.5。這套組合瞄準的是「看得懂表格和圖表的辦公室代理」，不太像在拚通用圖像理解的跑分秀。
架構上，它是第一個把稀疏注意力與線性注意力混用的開源前沿模型，同時導入IndexPool與mHC（流形約束超連接）。效果落在兩個數字：相比GLM-5.3，注意力運算量降到約三分之一（減少3.0倍），KV快取降到約四分之一（減少4.4倍）。長上下文的開銷大頭就在KV快取，這個倍數決定了100萬token的視窗是真的能開著用，還是只是寫在規格表上好看。
全部流量都跑在國產晶片上
匿名測試期間，Ox Alpha一度是OpenCode上呼叫量最高的模型。智譜表示，這段期間的推論流量全部由國產AI晶片承接，端到端服務效能比過去提升3倍，成本已經能跟主流NVIDIA GPU方案打平。
這則消息的含金量不比跑分低。過去一年，國產開源模型的通行說法是「分數接近，部署還是得靠H系列卡」，一旦推論端能在國產晶片上滿載運作、單位成本也追平，模型廠商的定價空間就不再被卡的採購價卡住。GLM-5.3-Flash敢把定價砍到上一代的十分之一，底氣有一半來自這裡。
粗略算一筆帳：按限時優惠價，每百萬token輸入0.075美元、輸出0.25美元，一個日均消耗5000萬輸入token、1000萬輸出token的中型代理應用，一天的模型帳單大約是6.25美元（粗估，未計入快取折扣與失敗重試）。同樣的呼叫量放到Opus 4.8上，差距是一個數量級。對中國國內做代理產品的團隊來說，這把「能不能上線正式環境」從預算問題拉回了工程問題。
部署端，SGLang、vLLM、KTransformers都已支援，API也同步在docs.z.ai上線。MIT授權是這次少見的一步——GLM前幾代大多採用自家授權條款，MIT之下的商業二次散布幾乎沒有附加條件，海外團隊拿去修改也不必再跑一次法務審查。
一週前智譜才公開承認Ox Alpha是自家的迭代版本，當時給出的數據是呼叫量超過DeepSeek的兩倍。如今名字、權重、價格三樣都攤在檯面上，剩下的問題是有多少團隊願意把它從「便宜的測試模型」換成正式主力。
參考來源：Z.ai官方部落格、HuggingFace模型頁面、CocoLoop、Artificial Analysis；參數規模、基準分數與API單價以官方發布頁口徑核實。