GLM-5.3-Flash首发：开源多模态模型，价格只要Claude的1/40

GLM-5.3-Flash（320B-A18B）来了，这是智谱AI GLM-5系列的首个原生多模态模型。

说实话，很多人习惯把前沿智能和前沿价格绑一块儿，总觉得技术牛了就该贵着来。但这次，GLM-5.3-Flash直接打脸这个逻辑。

320B总参数，AA指数57分，和Claude Opus 4.8持平。编程测试里也是同款表现。

价格呢？官方定价是GLM-5.3的很之一，限时折扣直接干到二很之一，对比Opus 4.8更是四很之一。

同样的智力水平，四分之一的价格，前沿智能终于不用省着用了。

正式发布前，这个模型以匿名身份Ox-Alpha在OpenCode和OpenRouter上跑了大规模测试，两周拿下双平台调用量新高。你猜怎么着？这些请求全部由国产芯片撑起来。

极致低成本架构

GLM-5.3-Flash总参数量320B，和GLM-4.5差不多，但激活参数从32B降到18B，层数从92砍到45，近乎腰斩。

配合30T Token多模态预训练语料，性能反而全面超越参数量高一倍的GLM-5.2。

这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。

线性注意力负责抓局部依赖，稀疏注意力负责召回全局上下文，再加一个IndexPool把索引器4个缓存向量压缩成1个——1M上下文下，延迟和内存开销直接降下来。

对比数据摆在这儿：GLM-5.3-Flash的注意力计算量比GLM-5.3低3.01倍，KV缓存小4.44倍，是所有对比模型里最低的。

技术细节看这篇：https://z.ai/blog/glm-5.3-flash

代码循环里的视觉反馈

GLM-5.3-Flash是GLM-5系列第一个原生支持多模态的模型。

视觉编码这事儿，不只是看图那么简单。它拓展的是编程的边界——前端开发、游戏开发、3D仿真这些活儿，最终产物全是他看得见摸得着的界面或虚拟世界。

模型原生集成视觉能力，能自主判断什么时候该"看"，再用视觉反馈指导下一步。

他们把模型丢进Blender里自主跑了16个小时，搭出一套约400平方米的专业主厨自宅加测试厨房，全程没靠任何外部素材。ZCode里的Browser Use Agent和Computer Use Agent，让模型能在代码、浏览器、图形界面之间来回切换，边写边看边改，很多渲染和交互问题只有真正跑起来才能发现……话说回来，这体验确实不一样。

超越Coding的工作伙伴

GLM-5.3-Flash在专业办公场景表现挺能打。

PPTX、PDF、DOCX、XLSX这些格式，模型现在能检查自己的输出，甚至能做审美判断——不是那种"对错"的判断，是"好不好看"的判断。

金融场景：覆盖研究、报告生成、建模分析全流程，所有结论都有可追溯的参考依据。法律场景：合同审查、费用账户责任条款批注、律师函和诉讼文书起草，格式直接对标实务规范。还有文档处理：跨格式审阅、智能排版建议、批量生成这些活都能接。

国产芯片集群扛大旗

过去一周，团队首次在大规模流量里用国产芯片集群提供服务。

单卡算力和内存有限，怎么办？在SGLang基础上搭专用推理引擎，整个构建过程还让GLM-5.3驱动的infra agent加速了。

模型优化系统，系统承载模型，形成正向循环。

内存是主要瓶颈，尤其是1M上下文。技术栈包括W8A8量化、INT8/FP8/BF16混合缓存、Layer Split等一系列激进优化手段。生产级EPD分离架构把多模态编码、prompt预填充、逐token解码拆成独立工作池，互不干扰。

最终效果：端到端性能提升3倍，硬件效率和单token成本追平主流英伟达GPU。

如何体验

GLM-5.3-Flash已正式开源，接入ZCode等平台，API同步开放。

每天限量10,000张体验卡，先到先得。

领取链接：https://bigmodel.cn/activity/trial-card/PU9MTWG0PM

常见问答

GLM-5.3-Flash是什么？

GLM-5.3-Flash是智谱AI推出的首个原生多模态开源模型，总参数320B，AA综合智能指数57分，与Claude Opus 4.8持平，定价仅为Opus 4.8的四很之一。

如何免费获取体验卡？

访问GLM Coding Plan页面领取，每天限量发放10,000张，领取后既可在ZCode等平台使用，也可直接调用API。

GLM-5.3-Flash支持哪些应用场景？

除编程开发外，还支持前端与3D可视化、金融研报生成、法律文书起草审阅等办公场景，兼容PPTX、PDF、DOCX、XLSX等主流格式。