智谱神秘模型OX Alpha终于揭晓，竟是GLM-5.3-Flash！这款原生多模态MoE模型不仅性能逼近Opus 4.8，价格更是低至DeepSeek的一半，引发社区热议。本文深度解析其技术突破、定价策略及国产芯片推理实力，并分享作者用千条数据实测的惊喜结果。

刚刚，在AI行业里，火了整整一周的匿名神秘模型 OX Alpha，终于摘下了面具。

它就是智谱刚刚发布的 GLM-5.3-Flash。

虽然大家已经用各种分词啥的实锤是智谱了，但是看到晚上他们正式官宣的时候，我还是有点想笑。

大家可能不知道，OX Alpha这玩意，在海外到底有多火。

8 月 20 日，OX Alpha突然出现在了OpenRouter和OpenCode上，100万上下文，多模态，完全免费试用，然后就没有任何其他信息了。

接下来几天，它直接冲到了两个平台的第一名。

同时，也让整个AI圈，开始疯狂竞猜这个模型到底是谁家的。

哦对了，这款模型在社区里，还有个中文名。

牛来。

主要是Ox等于牛，然后，也不知道是谁做了这个海报。

于是，牛来这个名字，就开始深入人心了。

无数人在问，牛来到底是谁家的。

有人猜是小米MiMo，有人猜是智谱，有人猜是Grok。

甚至Gemini的都来凑一份热闹。

然后被人也不知道为啥，被人一路狂喷。

当然，也有硬核用户用分词的方式，扒拉出来，这玩意百分百是智谱的。

反正社区就是一顿吵，吵得越狠，热度越高，大家反而更想知道这个牛来是谁家的。

到了今天晚上，谜底终于揭开。

OX Alpha就是GLM-5.3-Flash。

这是一个总参数320B、每次激活18B的MoE 模型，也是GLM-5系列第一个原生多模态模型。

对，原生多模态，智谱的GLM终于也有眼睛了，而且，它支持图像、视频和文本输入，原生上下文100万。

你没看错，视频也支持了。

而且我也不知道他们为啥要给这个模型命名为GLM-5.3-Flash。

因为，这个模型，是一个全新的预训练模型，使用了30万亿Token的多模态预训练数据，根本不是那种把GLM-5.3简单蒸馏以后搞个小的模型。

其实讲道理，我觉得GLM-5.5-flash这种名称，才更适合，也不知道他们为啥取个5.3-Flash。

智谱真是命名鬼才。

跑分上看，在这个体积之下，非常不错。

能力基本逼近Opus 4.8，在Terminal-Bench 2.1 上，它拿到84.3，接近Opus 4.8的85.0；DeepSWE 1.1是63.4；Toolathlon是78.4；Agents’ Last Exam是26.3。

智谱内部的Z.ai Code Bench 里，GLM-5.3-Flash 在最高思考档拿到 29.0，Claude Opus 4.8是29.5。

而在这一段时间的Ox的匿名测试中，社区里的反馈也一致的好评，跟Opus 4.8的这个感觉对得上。

但我知道，你可能会说，这都2062年了，Fable 5.1都要出来了，你咋还对标Opus 4.8啊？

我想说，你不能抛弃价格和成本来看待这个事。

这一次，智谱GLM-5.3-Flash最震撼的，我觉得就是价格。

每百万Token输入0.8元、输出2.8元。

而且还有两周限时优惠，截止到2026年9月9日24:00，直接半价，输入 0.4元，输出1.4元，缓存输入是0.115元。

这个价格是什么概念呢，我们直接对比一下过去一致被称为大模型斩杀线的DeepSeek V4系列。

输入和输出比最便宜的DeepSeek V4 Flash在空闲时段的价格还要便宜一半，不过这块有一说一，Deepseek的缓存黑科技还是有一些东西的。

而能力上，这个GLM-5.3-Flash的能力，还要比DeepSeek V4 Pro还要强一大截。

这就有点太离谱了。

而跟其他同能力等级的模型进行对比。

我觉得这根柱子，就可以看出价格有多低了，而且同时智能水平又非常能打。

今天，GLM-5.3-Flash发了之后，我已经能在很多地方看到这段话了。

牢唐我觉得今天可以荣升唐圣，智谱看来也有自己的滑动变阻器了。

现在，全新的大模型斩杀线的图也正式亮相。

这个斩杀线覆盖的范围，真的越来越大了。

而且还有一个关键点是很多人所忽略的，就是GLM-5.3-Flash除了便宜之外。

过去这一周，他们匿名在OpenRouter和OpenCode上产生这一周的全部推理，是用了10万张国产卡，扛下来的。

他们针对国产芯片显存容量和带宽上的特点，重新优化了整套推理系统。

国产卡，如今这么大规模的实现了推理，抗住了一整周全球用户的免费流量，我觉得这个消息，比所有的东西都更加值得我们振奋。

讲道理，这可能是最近看到的，最让我开心的一个模型了。

而且可能很多老粉都知道，我自己业余时间，运营着一个给大家免费使用的公益网站，叫AIHOT。

现在的月活已经莫名其妙快逼近百万大关了，更别提有多少接我的AIHOT的免费API进行二次开发的了。

那我之所以敢这么给大家免费的用，是因为每个月的运营成本，是我自己扛得住且不肉疼的。

但自从DeepSeek8月17号官宣涨价，梁圣降为牢梁之后，我的AIHOT背后的运营成本，就巨幅上涨，模型层面的支出，每个月直接比翻倍还要多。

这是我AIHOT背后所有用到AI的地方，所用的模型。

几乎绝大多数都是DeepSeek，因为便宜，性价比最高。

我当然知道接Fable 5或者GPT-5.6 Sol之类的效果最好，但是代价就是，我一个月的光给AIHOT上用的API费用，就能烧掉六位数的人民币，未来我想把信源规模继续扩大，那就是继续乘倍数，一个月烧掉百万不是梦。

我除非是脑子被驴踢了我才会用这些最顶级模型来烧，我又不是王思聪。

所以我7月份的时候，还在群里说过。

结果，DeepSeek涨价了，涨到量级大了以后，我现在每天有点扛不住的阶段了，由俭入奢易，由奢入俭难啊。。。

而且，Pro更新以后，世界知识和品味我总觉得怪怪的，导致我自己觉得我整个精选的效果，我自己感觉都变差了。

所以被迫，我开始自建评测集，前几天，人肉标了将近1000条新闻资讯，准备开始全面评估一下现在模型的一些品味和世界知识，找到真正适合AIHOT的且成本我能抗住的模型。

这个评测集，我大概花了一个周末的时间做完了，也做了一下评估。

然后，GLM-5.3-Flash来了，价格比DeepSeek还要低很多，智能水平又高，代码能力大家都有目共睹了，我其实第一时间就想切换了。

但是对我这种任务来说，我要求更高的是世界知识，是对各种资讯的品味，虽然是个全新的预训练模型，但是毕竟才300多B，我很担心这一块能力很差，比不过DeepSeek，导致虽然价格低，但是替代不了。

但是在我花了一点时间，用几个国产的性价比模型跑完了1000条数据回测之后。

结果还挺让我意外的，大家直接看结果吧。

我两个最核心的指标，精选率和挡住垃圾率，就是我自己标了精选的，有多少是AI也精选了的，我明确不精选的，有多少是AI直接拒绝的，中间还有一些我觉得可选可不选的，那些就是中性的给模型的弹性地带。

结果是，GLM-5.3-Flash，在精选率上，直接达到了68.1%，也就是有7成，是跟我自己打标的选的一样，这个数据我还是很惊讶的。

而且我对天发誓，这不是我为了写GLM-5.3-Flash来作弊的，这是真真切切我跑出来的评测，也是真真切切我要解决的AIHOT的痛点的。

而MiMo 2.5 Pro和DeepSeek V4 Pro，都没过50分。

而大家的挡住垃圾率，基本都到了90%左右，差值不过2%，可以无视。

这里我不敢说其他模型的世界知识不够好，我只能说，跟我自己对信息的品味更接近的模型，是GLM-5.3-Flash。

至于K3和Qwen 3.8 Max那些模型我之所以没测的原因，特别简单，因为我用不起。。。。除非我是王思聪，要不然我不敢往AIHOT里面挂。

而在打出的分数上也特别有意思，因为我的精选体系，是让模型给这个新闻打一个0～100分的分值的，这个分值可以简单的理解为，这个信息的重要程度。

然后，正常来说，一般打的分，是符合正态分布的，这样才代表模型的多样性是还不错的。

而这个，是模型给1000条信息打分以后，分值分布。

GLM-5.3-Flash的分值分布是最优雅的，MiMo 2.5 pro次之，出现了2个高峰，而DeepSeek V4 pro的跑分，也解释了为什么更新以后整体的效果变差了，打的分数在两个波段里高度集中，全都在40多分和60多分聚集，多样性严重不足，大家的Prompt和约束全都是一样的，我是真的不知道这个模型出了什么问题。

意外，真的是意外，这两天处理一下工程，后面我要全面的把整个AIHOT背后的模型，全部切换成GLM-5.3-Flash了。

价格低，智能程度高，世界知识也不错，品味好。

我只能用脚投票了。

然后因为这一次，又是智谱的GLM5系列第一个多模态模型，我又随手跑了点前端的案例，只能说，这不像是一个300B的如此便宜的模型能干出来的东西，真的直逼Opus 5了，大家看案例吧。

比如说这个，这个是我希望用代码来模拟一个很古老的工艺，叫做螺钿工艺，就是把贝壳或者海螺嵌在瓷器上，光扫过去很有质感，那我就就希望用这种工艺，来做一个小小的数字艺术的实验网站，能用这种风格，承载几幕小故事。

我就给了几句Prompt，然后又对话了一轮稍微修改了一下故事和文案，GLM-5.3-Flash出来的效果是这样的。

所有的光影、破碎合并的动画、螺钿工艺的效果，都是它自己发挥的，还有下面的文案。

那个文案，我觉得写的也真的很有意境。

“老翁不语，钓起半江灯火。”

“帆一转，家就近了一寸。”

写的就很棒。

然后，还做了一个墨水线条组成的生物，你的鼠标放到哪里，他就能看向哪里，还可以按空格键打散重组，重新随机生成，直接一次成。

还做了一个以蓝为主题的没有用任何所谓设计skill的网页，这个审美我觉得就很棒。

我觉得，这个前端审美和可用性，已经极其的棒了。

最后，再给大家看一下我这个新号的Pro套餐的Coding Plan的额度消耗吧，从0开始，全部都是GLM-5.3-Flash，12点多开始测的，我截图的时间是凌晨5点15分，今晚的跑测试+高强度的跑Case，最终消耗这么多。

我之前一直说，我们需要这样的模型。

需要这样便宜、日常能用得起的模型。

当最前沿的智能，便宜到可以被稍微浪费一点的时候，它才真正开始成为基础设施。

智谱的这一个模型，我觉得做到了。

以原生多模态之姿，极高的性价比。

我觉得，未来一段时间，可能就是很多人的默认模型了。

我也分享一下自己现在的常用搭配，因为开的会员太多了，用量也比较大，所以只能说是仅供参考而已：

日常的部分开发依然会使用Grok 4.6，速度快+量大管饱。

高难和长程任务依然还是GPT-5.6 Sol，稳如老狗，非常安心。

所有的系统自动化任务、后端任务、还有办公任务，全面切换到GLM-5.3-Flash上，极度的经济实惠。

我唯一担心的，就是智谱的算力储备，即使有国产卡推理加持之下，到底能不能抗住后面汹涌的Token消耗。

还是希望，能有更多的国产算力撑起来这片天空。

国运，昌隆。