XNews

GLM-5.3-Flash(Ox Alpha)发布

GLM-5.3-Flash(Ox Alpha)发布

Z.ai正式发布GLM-5.3-Flash(此前预览版名为Ox Alpha),这是一款拥有320B总参数/18B激活参数的MoE原生多模态模型,支持100万token上下文窗口,采用MIT许可证发布,并完全运行在中国AI芯片上。 - 性能:DeepSWE v1.1得分63.4(GLM-5.2为46.2,Opus 4.8为58.0);Terminal Bench 2.1得分84.3(Opus 4.8为85.0);AutomationBench得分48.8(GLM-5.2为26.2,Opus 4.8为41.0);Toolathlon Verified得分78.4,为最高记录;内部编码评估得分29.0,而Opus 4.8为29.5。 - 成本:人工智能分析智能指数为57,与Opus 4.8持平;折扣任务成本为0.045美元,约为此前同等智能水平模型成本的十分之一;限时半价优惠使其成本降至Opus 4.8的四十分之一。 - 不足:NL2Repo得分为56.3(Opus 4.8为69.7);视觉/视频基准测试(BabyVision、MVBench、MMVU)落后于Gemini 3.7 Flash。 - 原生多模态:模型能够主动观察渲染输出并进行迭代,适用于前端开发、游戏、Blender 3D、浏览器/电脑使用;训练采用视觉判断数据合成和基于环境反馈的强化学习;可端到端生成PPTX/PDF/DOCX/XLSX文件。 - 国产芯片部署:匿名版本Ox Alpha完全运行在国产加速器上,成为OpenCode/OpenRouter上最受欢迎的模型;推理引擎采用SGLang,结合张量并行、ReplaySSM、W8A8量化、混合缓存量化和分层拆分;集群采用EPD分离架构,调度数万张国产GPU;端到端推理速度提升3倍,每token成本与NVIDIA GPU相当;基础设施智能体(由GLM-5.3驱动)协助引擎优化。 - 可用性:提供API、编程计划、聊天、权重开源;上周五开始免费测试,次日发布正式版;全球每日供应量超过100T,完全由国产芯片提供服务。 - 市场采用:预览版发布后三天内,Ox Alpha在OpenCode上的使用量已超越DeepSeek V4 Flash。

Key insights

基准测试性能在编码和智能体任务上接近Opus 4.8

GLM-5.3-Flash在DeepSWE v1.1上获得63.4分(Opus 4.8为58.0分),Terminal Bench 2.1为84.3分(Opus 4.8为85.0分),AutomationBench为48.8分(Opus 4.8为41.0分),Toolathlon Verified为78.4分,领跑排行榜。在Claude Code上运行的内部编码基准测试得分为29.0,与Opus 4.8相差仅0.5分。这些结果使其性能接近Opus 4.8,而模型激活参数仅为18B,凸显了架构的高效性。

超低成本重新定义性价比

GLM-5.3-Flash的人工智能分析智能指数为57,折扣任务成本为0.045美元,约为此前同类模型成本的十分之一。限时半价促销使其成本降至Opus 4.8的四十分之一,开创了新的性价比“杀伤线”。该模型基于320B MoE架构、仅18B激活参数的设计驱动了这一价格优势,使高级AI变得大幅便宜。

原生多模态视觉循环实现真实世界交互

GLM-5.3-Flash在编码循环中原生嵌入视觉能力,使其能够观察渲染输出、解读反馈,并在前端开发、游戏、Blender 3D场景以及浏览器/电脑使用中迭代自我修正。训练流程包括自我视觉判断数据合成系统和基于环境反馈的强化学习。该能力还扩展到文档理解,使模型能够端到端生成PPTX、PDF、DOCX和XLSX文件。

国产芯片基础设施大规模支撑全服务

在正式发布前,该模型以匿名形式完全运行在国产加速器上,通过OpenCode/OpenRouter处理每日超过100T的供应量,成为当周最受欢迎模型。推理引擎采用SGLang,结合节点内张量并行、ReplaySSM、W8A8量化、混合精度缓存量化和分层拆分。集群架构分离编码、预填充和解码阶段,调度数万张国产芯片。端到端推理性能较基线提升3倍,每token成本与主流NVIDIA GPU持平。值得注意的是,推理引擎优化部分由GLM-5.3自身驱动的基础设施智能体协助完成。

代码仓库生成和视频基准测试仍存在不足

尽管整体性能强劲,GLM-5.3-Flash在NL2Repo上的得分仅为56.3,远低于Opus 4.8的69.7,表明其在代码仓库生成方面较弱。此外,在包括BabyVision、MVBench和MMVU在内的多项视觉和视频基准测试中,该模型表现逊于Gemini 3.7 Flash,凸显了视觉推理任务上的差距。

市场迅速采纳,数天内超越DeepSeek V4 Flash

Ox Alpha预览版发布后分享的使用数据显示,三天内该模型在OpenCode上的流量完全超越DeepSeek V4 Flash(以粉红色和紫色柱状图表示)。这一快速转变表明,当新模型提供更优性能时,开发者社群会迅速切换,任何实验室都可以通过发布最佳模型来赢得市场份额。

Source posts