智谱旗下神秘模型 Ox Alpha 正式现身，带动公司股价大幅走高，并以国产芯片全量承载海量推理流量的披露，在 AI 硬件领域引发广泛关注。
周四，智谱股价盘中涨超 9%，报 1124 港元。消息面上，智谱 8 月 26 日正式确认，此前在开发者社区引发热议的匿名模型 Ox Alpha ——中文社区称 " 牛来 "，即为其最新发布的 GLM-5.3-Flash（320B-A18B）。该模型在 Artificial Analysis Intelligence 综合智能指数中取得 57 分，与 Anthropic 的 Claude Opus 4.8 持平，高于 DeepSeek 旗舰模型 V4 Pro 正式版的 53 分。
国产芯片全量承载，硬件叙事引发市场关注
智谱此次披露中，国产芯片的表现是市场关注的焦点之一。据智谱官方技术文档，公司调用超过 10 万张国产芯片组成集群，为 GLM-5.3-Flash 提供推理算力支持，并表示硬件效率与单 token 成本已可与英伟达 GPU 相媲美。
半导体研究机构 SemiAnalysis 随即在 X 平台发文评论称：" 所有流量均由国产芯片承载，硬件效率和单 token 成本已可与英伟达 GPU 相媲美。继 Jalape o（OpenAI 自研推理芯片）昨日宣布之后，CUDA 护城河再度受到考验。" 该机构还特别指出，此前业界普遍认为只有顶级前沿实验室才具备每日 100 万亿 token 的算力规模，" 而这里每日 100 万亿 token 的免费流量，全部跑在国产芯片上。"
据《晚点 LatePost》了解，这批芯片的供应商或来自华为、摩尔线程与海光。智谱官方对此未予置评，技术文档中亦未明确具体芯片型号。
为应对单张芯片内存容量与带宽的瓶颈，智谱在 SGLang 基础上构建了专用推理引擎，采用 W8A8 量化、INT8/FP8/BF16 混合缓存量化及节点内张量并行等技术，并引入生产级 Encode – Prefill – Decode（EPD）分离式架构。智谱称，与同一硬件上的初始基线相比，端到端服务性能提升了 3 倍。
架构重构：激活参数与层数近乎减半
GLM-5.3-Flash 在架构层面与前代产品存在显著差异，这也是其能够以更低成本实现更高性能的核心原因。
与 GLM-4.5 相比，GLM-5.3-Flash 总参数量相近（355B 对比 320B），但激活参数量从 32B 降至 18B，层数从 92 层减至 45 层，几乎减半。参数量约为上一代旗舰 GLM-5.3 的 40%，与 DeepSeek V4 Flash 几乎持平。
智谱称，GLM-5.3-Flash 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，相较于 GLM-5.3，其注意力计算量与 KV 缓存大小分别降低了 3.01 倍和 4.44 倍。此外，该模型也是 GLM-5 系列首个原生多模态模型，支持图像和视频输入，同时是智谱战略聚焦 coding 以来首次推出具备多模态能力的新模型。
定价策略：瞄准涨价潮后的需求缺口
GLM-5.3-Flash 的发布，恰逢中国 AI 模型市场一轮集体涨价之后。Kimi K3 输出价格高达每百万 token 100 元，超过前代 K2.6 三倍以上；DeepSeek V4 Pro 从 6 元涨至 13.5 元，高峰时段达 27 元；DeepSeek V4 Flash 输出价格从 2 元涨至 4.5 元，高峰时段 9 元。
据《晚点 LatePost》，DeepSeek V4 Flash 提价后，在 OpenCode 平台上的调用量下滑了一半，这部分外溢需求成为国产模型厂商新的增长空间。
GLM-5.3-Flash 的定价策略正是瞄准这一缺口。该模型每百万 token 输入 0.8 元，输出 2.8 元，缓存命中价格 0.23 元，为 GLM-5.3 的十分之一，上线前两周实行半价。智谱表示，限时折扣期内定价为 GLM-5.3 的 1/20，为 Claude Opus 4.8 的 1/40。与调价后的 DeepSeek V4 Flash 相比，GLM-5.3-Flash 在绝大多数常规调用场景下更为便宜。
智谱计划于下周一发布首份详细财报，覆盖今年 1 月上市以来的前六个月业绩。此次 GLM-5.3-Flash 的发布及其市场表现，将为投资者提供评估公司商业化进展的重要参照。
