智谱 AI 在其开放平台（BigModel）上线 GLM-5.3-Flash，这是 GLM-5 系列首个原生多模态模型：总计 320B 参数、每个 token 激活 18B，上下文 1M、最大输出 128K，支持视频、图像、文本与文件输入。官方称其在 Artificial Analysis 综合智能指数（AA）取得 57 分，超越 GLM-5.2，与 Claude Opus 4.8 持平；而定价仅为 Opus 4.8 的 1/40（限时折扣价为 GLM-5.3 的 1/20），主打”极致低成本”。

架构：稀疏 + 线性注意力的极致低成本

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：线性注意力通过递归机制捕获局部依赖，稀疏注意力用轻量级索引器召回全局上下文。为控制 1M 上下文下的时延与内存，官方引入 IndexPool，通过加权池化把索引器的 4 个缓存向量压缩为 1 个。

相比 GLM-5.3，GLM-5.3-Flash 的注意力计算量与 KV 缓存大小分别降低 3.01 倍与 4.44 倍；与 DeepSeek-V4-Flash、Kimi-K3 等基线相比，其注意力计算量在所有模型中最低，KV 缓存仍略高于后两者（官方列为后续优化方向）。此外，模型还采用流形约束超连接（mHC）进一步提升 scaling 能力。

原生多模态：从视觉 Coding 到办公成品

视觉能力原生融入 Coding 循环：模型能主动观察界面、渲染结果与交互反馈，并据此持续改进，在代码、浏览器与图形界面之间协同完成任务。官方给出一个 Blender 案例：在无外部素材的情况下，模型自主运行 16 小时搭建了一套约 400 平方米的专业厨房场景。

超出 Coding 之外，GLM-5.3-Flash 可交付 PPTX、PDF、DOCX、XLSX 等 Office 成品，通过视觉理解检查并优化自身输出；金融、法律等专业工作流（研究溯源、报告生成、合同审查等）也做了针对性优化。根据自研 Z.ai Code Bench 的体感评测，其编程表现与 Claude Opus 4.8 相当。

可用性与国产芯片落地

GLM-5.3-Flash 已全量上线 GLM Coding Plan，额度为 GLM-5.3 的 3 倍，采用基于积分的配额系统，非高峰时段（含周末全天）调用仅消耗标准积分的 50%。API 模型名为 glm-5.3-flash，参数与 GLM-5.3 一致，官方建议 temperature: 1、top_p: 0.95、reasoning_effort: max，思考模式仅支持 enabled、不可关闭。

值得关注的是其国产芯片部署：智谱首次在大规模流量中用国产加速芯片集群提供该模型服务，基于自研高带宽互联与 SGLang 定制推理引擎，结合 ReplaySSM、W8A8、INT8/FP8/BF16 混合缓存量化与 EPD（Encode–Prefill–Decode）分离式架构支撑 1M 上下文。官方称端到端服务性能为同硬件初始基线的 3 倍，硬件效率与单 token 成本已接近主流英伟达 GPU 水平。

核心总结

  • 规格：320B 总参 / 18B 激活，1M 上下文、128K 输出，多模态输入（视频/图像/文本/文件）
  • 架构：稀疏 + 线性注意力混合与 IndexPool，相比 GLM-5.3 注意力计算量 -3.01×、KV 缓存 -4.44×
  • 性能：AA 综合智能指数 57 分，看齐 Claude Opus 4.8；定价约为其 1/40（约为 GLM-5.3 的 1/10）
  • 落地：GLM Coding Plan 额度 3 倍；国产芯片集群规模化服务，端到端性能提升 3 倍

原文：GLM-5.3-Flash - 智谱 AI 开放文档（智谱 AI 开放文档，2026-08）