过去一周，海外开发者社区被一个匿名模型刷屏：它叫 Ox-Alpha，8 月 20 日以「隐身模型」身份空降 OpenRouter，首日调用量直接登顶并创下平台单日历史纪录。中文社区给它起了个更接地气的名字--「牛来」。8 月 26 日晚，谜底揭晓：智谱正式上线并开源 GLM-5.3-Flash（320B-A18B），官方确认它就是 Ox-Alpha。Artificial Analysis 综合智能指数 57 分、与 Claude Opus 4.8 持平，定价却只有后者的约四十分之一--而承载这一切的，是 10 万张国产算力卡。
先说边界：本文事实基于财联社/科创板日报（记者李明明）、爱范儿、蓝鲸新闻 2026-08-26/27 报道与智谱官方文档、模型卡整理；价格为快照，以官方页面为准；非投资建议。
一、「牛来」是谁：终结 DeepSeek 56 天霸榜的隐身模型
先把时间线捋清楚。8 月 20 日，Ox-Alpha 以不署名的方式上线 OpenRouter：首日调用量登顶并创平台单日历史纪录，终结了 DeepSeek 在 OpenCode 长达 56 天的霸榜，单日处理 tokens 达 62T，成为 OpenRouter 与 OpenCode 两大平台当周最受欢迎模型，直接刷新了双平台的历史纪录。整个测试期 5 天里，它承接了约 50T token 的调用量。
社区没闲着。独立研究员的技术指纹报告显示：其分词器在 25 组提示词测试中与 GLM-5.3 的 Token 计数完全一致，11 项探针交叉测试与 GLM 家族全匹配，报告给出的判断是「99% 把握」指向智谱。8 月 26 日晚，智谱官宣 GLM-5.3-Flash 上线并开源，官方确认它就是那个 Ox-Alpha--猜谜游戏结束，但这场匿名营销本身已经把热度拉满：先让全球开发者用脚投票，再揭晓身份。
值得体会的是这套打法的精妙之处。传统发布会的顺序是「先讲参数、再等用户验证」，Ox-Alpha 把顺序倒了过来：模型先以匿名身份承接真实负载，单日 62T token、终结 56 天霸榜、双平台历史纪录，全部是用户自己跑出来的成绩单；等社区拿着分词器指纹把答案猜到 99% 时，官方只需补上最后 1%。匿名本身成了最好的传播机制--猜谜的人越多，「牛来」两个字的讨论度就越高，揭晓那一刻的声量自然越大。
二、架构：稀疏+线性注意力混合，GLM-5 系列首个原生多模态
GLM-5.3-Flash 是 GLM-5 系列首个原生多模态模型：总参数 320B、激活参数 18B、45 层，基于 30T Token 多模态语料预训练，输入模态覆盖视频、图像、文本、文件，上下文窗口 1M、最大输出 128K。它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，并创新采用流形约束超连接（mHC）。
架构层面的降本幅度，用官方数据说话：
| 维度 | GLM-5.3-Flash | 对比基准 | 变化 |
|---|---|---|---|
| 注意力计算量 | 混合注意力 | GLM-5.3 | 降低 3.01 倍 |
| KV 缓存占用 | 混合注意力 | GLM-5.3 | 缩小 4.44 倍 |
| 激活参数 | 180 亿 | GLM-4.5 系列的 320 亿 | 下降 44% |
| 层数 | 45 层 | GLM-4.5 系列的 92 层 | 减半 |
注意力计算量降 3 倍、KV 缓存缩小 4 倍多、激活参数比上代系列近乎腰斩--这三个数字叠加，就是「四十分之一价钱」在架构端的来源。
再看模态与上下文。1M 上下文窗口加 128K 最大输出，意味着一次塞进整个代码仓库、一份完整研报或一段长视频都还有余量；而视频、图像、文本、文件四种输入模态原生齐备，省掉了「先跑一个视觉模型、再拼接文本模型」的多级流水线。对 Agent 类应用来说，这两点合在一起，才是「一个模型看完整个工作现场」的前提。
三、能力：57 分追平 Claude Opus 4.8，视觉原生融入 Coding 循环
在 Artificial Analysis 的综合智能指数上，GLM-5.3-Flash 拿到 57 分，与 Claude Opus 4.8 持平，高于 GLM-5.2 的 53 分和 DeepSeek V4 Pro 正式版的 53 分。以一个 18B 激活参数的模型追平旗舰闭源模型，这是本次发布最硬的能力证据。
更具辨识度的是 Visual Coding（深度视觉编码）：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持续改进，在代码、浏览器与图形界面之间协同完成任务。场景也拓展到了 Office、金融研究和专业文档，可直接交付 PPTX/PDF/DOCX/XLSX 等成品文件。换句话说，它不只是「能看图的模型」，而是把「看」嵌进了写代码的每一步反馈回路里。
四、价格：Opus 的四十分之一，但缓存命中有个转折
API 定价（每百万 token）：输入 0.8 元、输出 2.8 元、缓存命中 0.23 元。这一定价为 GLM-5.3 的 1/10（限时折扣期内低至 1/20），约为 Claude Opus 4.8 的 1/40。
放在 DeepSeek 刚提价的背景里看更有意思。8 月 17 日 DeepSeek 对 V4 系列提价并首次引入峰谷定价（每天 9-12 点、14-18 点为高峰）：V4-Flash 输出从每百万 token 2 元涨到高峰 9 元，涨幅 350%，缓存命中输入涨 400%；V4-Pro 高峰输出 27 元（约合 3.96 美元，提价前为 0.87 美元）。提价之后，V4-Flash 在 OpenCode 上的调用量掉了一半（《晚点LatePost》报道）。GLM-5.3-Flash 相对 DeepSeek V4-Flash 闲时价的对比：
| 项目（每百万 token） | GLM-5.3-Flash | 相当于 V4-Flash 闲时价 | 半价期内 |
|---|---|---|---|
| 输入 | 0.8 元 | 53% | 27% |
| 输出 | 2.8 元 | 62% | 31% |
| 缓存命中 | 0.23 元 | 4.6 倍（V4-Flash 闲时 0.05 元） | -- |
注意那个转折：缓存命中 0.23 元反而高于 DeepSeek V4-Flash 闲时的 0.05 元。而编程类 Agent 的缓存命中率普遍超过九成，输入大头走的是缓存价--对这类重度用户，DeepSeek 实际更便宜；GLM-5.3-Flash 的「四十分之一」更多是相对 Opus 的旗舰级对比，而非对所有对手的全面碾压。选型时先算清楚自己的缓存命中率，再选边。
给预算一个直观参照：假设一个团队每天消耗 100M token、输入输出比 3:1，按 GLM-5.3-Flash 定价一天成本约 130 元（输入 75M 约 60 元、输出 25M 约 70 元）；若缓存命中九成，输入大头按 0.23 元计，还能再压掉一大截。同样负载放在 Claude Opus 4.8 上，账单直接乘以四十。这也是中小团队盯住这类「旗舰性能、lite 价格」模型的原因。具体接入步骤（Coding Plan、ZCode、API 迁移路径），本站同批 SOP 有完整拆解。
五、10 万张国产算力卡：国产芯片首次大规模服务全球真实负载
比模型本身更有信号意义的是算力底盘。10 万张国产芯片承载了 Ox-Alpha 测试期间的全部线上流量及发布后的线上服务，这是国产算力首次大规模直接服务全球真实负载。供应商或来自华为、海光、摩尔线程（《晚点LatePost》/科创板日报援引相关人士，智谱官方未评论；智谱官方博客的表述是「数万个国产加速器」加自研高带宽互联网络）。
工程层面的细节同样值得记录：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、Encode-Prefill-Decode（EPD）三段分离调度，同一套硬件端到端性能提升 3 倍。用大白话拆解：W8A8 量化是把权重和激活压到 8 位精度，显存和带宽开销同步下降；混合缓存量化按 KV 缓存的新旧冷热分别用 INT8/FP8/BF16 存放；EPD 三段分离则是把编码、预填充、解码三个阶段拆开各自调度，让不同阶段的硬件不再互相等待。智谱称，单 token 的硬件效率与成本已达主流英伟达 GPU 同等水平。
边界要说清楚：训练环节的国产化，全行业尚无答案；10 万张卡的芯片构成，也没有官方口径。推理侧的这一步是真实的，但别外推成「全链条自主」。
六、开源与价格战语境：MIT 协议开放，行业却在集体提价
GLM-5.3-Flash 以 MIT 协议开放权重，上线即登陆 Hugging Face，接入 ZCode 等编码平台；GLM Coding Plan 已全量上线 GLM-5.3-Flash 且额度翻 3 倍，官方每天限量发放 10,000 张体验卡。
把它放进 2026 年的价格战语境里看：DeepSeek 提价九天后智谱用十分之一的价格杀进来（蓝鲸新闻的标题一针见血），但整个行业其实在反向操作--智谱自己今年 2 月取消了 Coding Plan 首购优惠，3 月将 GLM-5-Turbo API 上调 20%，截至一季度 API 调用定价累计提升 83%，调用量反而增长了 400%；Kimi K3 输出价格定到每百万 token 100 元，是上一代的三倍多；年初以来已有七家云厂商和模型厂商上调价格（律动 BlockBeats 统计）。
换句话说，行业共识是「白菜价不可持续」，而智谱的打法是：用 GLM-5.3-Flash 这个 18B 激活、架构降本的模型去打价格战，旗舰线 GLM-5.3 维持原价--低价不是慷慨，是新架构给的底气。
这里还藏着一个对采购方实用的信号：当一家厂商一边整体提价、一边对某个特定模型打到一折，说明那个折扣大概率不是烧钱换市场，而是架构红利，短期内被收回的概率相对更低。当然这只是推断，不做承诺。
一句话收尾：当 57 分的智能被压到 Opus 四十分之一的价格、跑在 10 万张国产卡上、还以 MIT 协议开放权重，「便宜的旗舰」第一次不是营销话术，而是一份可以核对的报价单。
参考来源
-
财联社/科创板日报（2026-08-27，记者李明明）：《10万张国产算力卡扛起"牛来"：智谱开源GLM-5.3-Flash》，https://baijiahao.baidu.com/s?id=1874642322871069438
-
爱范儿（新浪，2026-08-26 23:20）：智谱开源 GLM-5.3-Flash 原生多模态模型，https://sina.cn/news/detail/5336304606774049.html
-
蓝鲸新闻（2026-08-27 15:17）：《DeepSeek提价九天后，智谱用十分之一的价格杀进来》，https://baijiahao.baidu.com/s?id=1874660001676882489
-
智谱 AI 开放文档 GLM-5.3-Flash 模型卡：https://docs.bigmodel.cn/cn/guide/models/vlm/glm-5.3-flash
-
GLM Coding Plan 官方页：https://bigmodel.cn/glm-coding
-
关联阅读：本批姊妹篇 GLM-5.3-Flash 接入 SOP、轻量旗舰 API 五强横评；往期 GLM-5.3 深度解析、ZCode 3.0 与 Coding Plan 额度回满、大模型价格战、DeepSeek V4 Flash 上线
本文基于公开报道与官方文档整理（截至 2026-08-27），价格与活动为快照，以官方页面为准，非投资建议。