GLM-5.3-Flash发布：旗舰能力，十分之一成本

智谱终于把开始把旗舰模型的能力，压进 Flash 级别的成本里。

，也就是总参数 320B，但每个 Token 实际只激活约 18B。

，架构和训练方案都重新围绕效率设计，引入了：

用更少的推理计算量，尽量保住旗舰模型能力。

这一点其实和最近 Qwen3.8-Flash-Next 的方向非常像：

下一轮模型竞争，可能已经不只是“谁参数更多”，而是谁能用更低的 Active Params 跑出旗舰能力。

新的性价比之王：GLM-5.3 大约 90% 的能力，十分之一左右成本

Artificial Analysis 最新结果里，GLM-5.3-Flash模型得分是57分

。官方 API 当前价格是 输入、0.15/𝑀输入、

如果你是日常的一些任务，那么直接使用 

 版本，我觉得已经完全够用了。

尤其是日常 Coding、简单 Agent、信息整理、文档处理这些任务，本身就没有必要一直调用旗舰模型。GLM-5.3-Flash 最大的意义，就是把原本旗舰模型才能提供的能力，压到了一个可以长期、大量调用的价格区间。

真正复杂的长程 Agent、超大型 Repo 修改，或者对成功率特别敏感的任务，再切回 GLM-5.3。

所以未来模型的使用方式可能也会越来越像现在的推理分级：

80% 的普通任务交给 Flash，剩下 20% 的高难任务再交给旗舰模型。

从这个角度看，GLM-5.3-Flash 甚至可能比 GLM-5.3 本身更有实际使用价值。

官方公布的数据里面，几个数字挺有意思的

，提升已经不是“小版本升级”了。

当然，这里面部分结果来自官方评测，Harness、Thinking Budget、Context Management 都会影响最终结果，要真实测试之后才会直到最好的效果

18B Active 的模型，Coding Agent 已经进入第一梯队。

另一个容易被忽视的变化：GLM 正式进入“原生多模态Agent”

，而不是额外挂一个视觉模型。

除了文本，还可以处理图像等多模态输入，官方明显在往 Browser Use、Computer Use 这种方向推。

但视觉还不能说全面 SOTA，比如 BabyVision 53.4，仍明显低于 GPT-5.6 Terra 和 Gemini 3.7 Flash。

智谱不是在做一个“VLM”，而是在给 Coding Agent 补眼睛。

官方给出的实例确实让人眼前一亮，比如帮你做一个酒店说明。

还可以做一个8大行星的介绍画面。

之前匿名模型Ox Alpha就是GLM-5.3-Flash

很早之前，我就通过模型的tokenizer判定，Ox模型其实就是GLM系列的。

有社区测试者拿 Ox Alpha 和 GLM-5.3 做 tokenizer fingerprint，测试英文、中文、代码、emoji 等多组字符串后，发现：

Ox Alpha 的 prompt token 数始终等于 GLM-5.3 + 75 tokens。

这个恒定的 75，很像额外塞进去的一段隐藏 system prompt；更关键的是，

。而同样测试 Kimi、Qwen、MiMo、MiniMax 时并不一致。

还有第二个证据甚至更有意思。给 Ox Alpha 传不合法的 reasoning_effort 时，它返回的错误行为和 GLM-5.3 极其接近：模型强制 Thinking，只接受：low / high / max

而公开观察到的 Ox Alpha API profile 也是：

1,048,576 context 131,072 max output reasoning 强制开启 low / high / max 默认 max temperature=1 top_p=0.95

这一整套都和 GLM-5.3 高度重合。

我觉得最近模型行业正在出现一个很明显的变化。以前大家好像都在卷模型的参数，谁的更大，那就是谁家的更好。但是现在好像不太一样。

Qwen、DeepSeek、GLM 都开始卷另一件事：

怎么把旗舰模型的能力压缩到更少的 Active Params 和更低的 Token 成本里。

像这一次的GLM-5.3-Flash模型就是一个这样子的例子。

320B 总参数、18B 激活，AA 57 分，能力距离 GLM-5.3 的 60 分已经很近，但任务成本只剩大约十分之一。

如果这种趋势继续下去，未来真正的“模型斩杀线”可能会不断上移。

这才是 GLM-5.3-Flash 对 DeepSeek V4 Flash、Qwen3.8-Flash-Next，以及整个国产模型价格战最大的意义。

GLM-5.3-Flash 是 320B-A18B MoE，也就是总参数 320B，但每个 Token 实际只激活约 18B。

后台策略工程师

人工智能

云计算

新闻资讯

GLM-5.3-Flash发布，以320B总参数、18B激活的MoE架构实现旗舰级性能，评测得分57分仅比GLM-5.3低3分，但推理成本降至约十分之一。引入SparseAttention+LinearAttention混合架构及30T多模态预训练数据，Coding与Agent能力大幅提升，DeepSWE达63.4，支持原生多模态输入，定位为高性价比的日常任务首选。

文档处理

DeepSeek

Agent

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

GLM-5.3-Flash发布，以320B总参数、18B激活的MoE架构实现旗舰级性能，评测得分57分仅比GLM-5.3低3分，但推理成本降至约十分之一。引入SparseAttention+LinearAttention混合架构及30T多模态预训练数据，Coding与Agent能力大幅提升，DeepSWE达63.4，支...

GLM-5.3-Flash发布：旗舰能力，十分之一成本

GLM-5.3-Flash发布：旗舰能力，十分之一成本

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐