GLM-5.3-Flash

发布背景：GLM-5 系列的第一个原生多模态模型

GLM-5.3-Flash 由智谱 AI / Z.ai 于 2026 年 8 月 26 日发布，是 GLM-5 系列中第一个原生多模态的成员。它在正式发布前曾以 ox-alpha 的匿名身份在 OpenCode 与 OpenRouter 上公开测试，官方在发布时确认了这一对应关系，因此 Ox Alpha、ox-alpha、stealth/ox-alpha 仍作为别名保留。

需要澄清一点常见误解：Flash 并不是同系列旗舰 GLM-5.3 的轻量蒸馏版，而是重新训练的基础模型。它的目标是在“Flash 档位的成本”下提供接近旗舰的智能体与编程能力，官方发布标题即为“Frontier Intelligence, Flash Cost”。

架构与规格

官方披露的总参数为 3200 亿，每 token 激活 180 亿，共 45 层，预训练使用约 30T tokens 的多模态语料。这是 GLM 系列首次把线性注意力与稀疏注意力结合，并采用 Manifold-Constrained Hyper-Connections（mHC）提升扩展效率；用于长上下文索引的 IndexPool 会把四个 indexer key 向量压缩为一个。官方给出的效率数据是：相比 GLM-5.3，注意力计算量降低约 3.0 倍、KV Cache 降低约 4.4 倍——这正是它能以“Flash”定价支撑 100 万 tokens 上下文的技术前提。

• 上下文窗口：1M tokens
• 最大输出：128K tokens
• 输入模态：文本、图片
• 输出模态：文本
• 官方 API 模型 ID：glm-5.3-flash

关于视频输入需要注意：匿名测试阶段 OpenRouter 曾展示过视频输入能力，但 Z.ai 正式 API 文档目前只给出文本参数和 image_url 图片输入方式，官方视频基准的说明也对不原生接收视频的模型采用 1 fps 抽帧。因此在官方补充说明之前，稳妥的理解是：正式 API 的确认输入模态为文本与图片。

视觉编程与智能体能力

这一代最值得关注的变化是把视觉能力直接纳入编程闭环：模型可以观察界面、渲染结果和交互反馈，并据此持续测试和修改代码，而不是只按文字描述写代码。官方展示的场景覆盖前端开发、游戏制作、Blender 3D 场景构建，以及通过 Browser Use / Computer Use 操作网页和桌面应用。编程之外，它也面向 Office 办公、金融研究和专业文档处理，可配合工具完成从研究分析、建模到交付 PPTX、PDF、DOCX、XLSX 文件的端到端流程。

调用方式与思考档位

Z.ai 文档说明其文本参数与 GLM-5.3 保持一致：reasoning_effort 支持 low、high、max 三档，官方推荐使用 max；thinking.type 只支持 enabled，即思考不可关闭，并建议设置 thinking.clear_thinking=false。流式调用建议同时启用 stream=true 与 tool_stream=true。模型已向 GLM Coding Plan 用户开放，可用额度为 GLM-5.3 的 3 倍。

官方评测

智能体与编程方向：Terminal-Bench 2.1 84.3、DeepSWE v1.1 63.4、NL2Repo 56.3、Toolathlon Verified 78.4、AutomationBench v1.0.6 48.8、Agents' Last Exam 26.3、HLE（带工具）55.3、GDPval-AA v2 1773。视觉方向：OfficeQA Pro 62.4、CharXiv Reasoning（带工具）89.4、Chartography（带工具）78.0、BabyVision 53.4、MVBench 77.8、MMVU 80.5。

这些均为官方发布数据，且多数项目在带工具、max 思考档位下取得，官方脚注还记录了各自的上下文与采样设置，与无工具口径的成绩不能直接比较。

开放权重与部署

权重已发布到 Hugging Face，许可证为 MIT License——在同档位模型中属于限制最少的一类，商用无附加条件。safetensors 元数据显示约 321.32B 参数，权重索引总大小约 328.3 GB，仓库提供 FP8 权重、分为 62 个文件。官方列出的本地推理框架包括 SGLang、vLLM、TokenSpeed 与 KTransformers。另据官方说明，匿名测试期间的全部推理流量由中国产 AI 芯片承载。

API 价格

Z.ai 按每 100 万 tokens 计费，标价为输入 0.15 美元、缓存输入 0.03 美元、输出 0.50 美元，缓存存储限时免费。发布期实行 5 折优惠：输入 0.075 美元、缓存输入 0.015 美元、输出 0.25 美元，官方注明优惠截至 2026 年 9 月 9 日 24:00（UTC+8），之后恢复标价。

官方来源

• GLM-5.3-Flash 官方发布博客
• Z.ai GLM-5.3-Flash 模型文档
• Z.ai API 价格页
• Hugging Face 模型卡与权重
• GLM-5 GitHub 仓库
• GLM-5 技术报告