GLM-5.3-Flash 开源，320B 参数
来自 Z.ai Research · 期号 2026-08-26
摘要
智谱 AI 开源了 GLM-5.3-Flash（320B-A18B），这是 GLM-5 系列的首个原生多模态模型。 它的 AA 综合智能指数得分为 57，与 Claude Opus 4.8 持平，但定价仅为后者的 1/40。模型采用稀疏注意力与线性注意力混合架构，注意力计算量和 KV 缓存大小分别比 GLM-5.3 降低了 3.01 倍和 4.44 倍。 模型在发布前以匿名身份在 OpenCode 和 OpenRouter 上测试，成为当周最受欢迎的模型，所有请求流量由国产芯片集群提供算力。团队在 SGLang 基础上构建了专用推理引擎，端到端服务性能相比初始基线提升了 3 倍。 本文是模型发布详解，附有开源权重和技术博客链接。
深读
导读 智谱 AI 开源了 GLM-5.3-Flash (320B-A18B)，这是 GLM-5 系列的首个原生多模态模型。它在 AA 综合智能指数上拿到 57 分，与 Claude Opus 4.8 持平，但定价仅为后者的 1/40。读完本文可以了解这款模型如何在保持前沿智能水平的同时，通过架构创新和国产芯片推理优化将成本压到极低。 关键信息 - GLM-5.3-Flash 总参数量 320B，激活参数量 18B，层数 45，相比 GLM-5.2（355B 参数）参数量更少但全面超越。 - AA 综合智能指数得分 57，与 Anthropic 的 Claude Opus 4.8 持平；在自研 Z.ai Code Bench 体感评估中编程表现也与 Opus 4.8 相当。 - 定价为 GLM-5.3 的 1/10，限时折扣内为 1/20，为 Claude Opus 4.8 的 1/40。 - 发布前以匿名身份 Ox-Alpha 在 OpenCode 和 OpenRouter 上测试，成为当周最受欢迎模型，创下双平台调用量新高。 - 采用稀疏注意力与线性注意力混合架构，相比 GLM-5.3，注意力计算量降低 3.01 倍，KV 缓存大小降低 4.44 倍。 - 所有请求流量由国产芯片集群提供算力，团队在 SGLang 基础上构建专用推理引擎，端到端服务性能相比初始基线提升 3 倍。 逐节讲解 发布与定位 GLM-5.3-Flash 是 GLM-5 系列的首个原生多模态模型，320B 总参数，能力全面超越 GLM-5.2。它在 AA 综合智能指数中拿到 57 分，进入全球前沿模型能力区间，与 Claude Opus 4.8 得分持平，编程表现也相当。但定价仅为 GLM-5.3 的 1/10（限时折扣 1/20），为 Opus 4.8 的 1/40。文章强调这是「前沿智能第一次不需要省着用」。 匿名测试与架构创新 发布前，模型以匿名身份 Ox-Alpha 在 OpenCode 和 OpenRouter 上大规模测试，迅速成为当周最受欢迎模型，创下双平台调用量新高，所有请求流量由国产芯片集群提供算力。架构方面，GLM-5.3-Flash 总参数量与 GLM-4.5 相当（355B vs. 320B），但激活参数量（32B → 18B）与层数（92 → 45）几乎减半，结合 30T Token 多模态预训练语料，以更少计算资源实现更强性能。它是首个采用稀疏注意力与线性注意力混合架构的开源前沿模型，并引入流形约束超连接（mHC）提升模型 Scaling 能力。 极致低成本架构 为降低长上下文场景下的注意力成本，模型采用线性注意力与稀疏注意力混合架构：线性注意力通过递归机制捕获局部依赖，稀疏注意力借助轻量级索引器召回全局上下文。引入 IndexPool 进一步降低 1M…