智谱新模型“牛来”跑在10万国产卡上，SemiAnalaysis评价“英伟达护城河再受考验”

8月26日，智谱正式确认：此前在开发者社区引发热议的匿名模型Ox Alpha（中文社区称“牛来”），就是其最新发布的GLM-5.3-Flash。模型代号灵感来源于国内近期热映电影《牛来》。

这个模型在正式亮相前，以匿名形式在OpenRouter和OpenCode上免费开放测试，5天内流量累计超过50万亿token，刷新了两个平台的流量增长纪录，当前使用量已超过DeepSeek的两倍以上。但真正引发市场关注的，是智谱随后披露的一个细节：这些流量，全部由国产芯片承载。

智谱在官方技术文档中表示，调用超过10万张国产芯片集群用于该模型推理服务，“硬件效率及单token成本已经达到了与主流英伟达GPU相当的水平”。

半导体研究机构SemiAnalysis随即在X平台发文评论：“所有流量均由国产芯片承载，硬件效率和单token成本已可与英伟达GPU相媲美。继Jalapeño（OpenAI自研推理芯片）昨日宣布之后，CUDA护城河再度受到考验。”

10万张国产卡：从测试到生产

智谱在技术文档中描述了这套国产芯片集群的部署细节。

单张芯片的主要瓶颈在于内存容量与带宽，支持长达100万token的上下文长度尤为困难。为此，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，以及节点内张量并行等技术，并引入生产级Encode–Prefill–Decode（EPD）分离式架构，将多模态编码、prompt预填充和逐token解码拆分为可独立调度的工作池。

智谱称，与同一硬件上的初始基线相比，端到端服务性能提升了3倍。

据《晚点LatePost》了解，这批芯片的供应商或来自华为、摩尔线程与海光。智谱官方对此未予置评，技术文档中也未明确具体芯片型号。

SemiAnalysis在评论中特别指出，此前有观点认为只有顶级前沿实验室才具备每日100万亿token的算力规模，“而这里每日100万亿token的免费流量，全部跑在国产芯片上。”

模型本身：对标DeepSeek，定价是Claude Opus 4.8的1/40

GLM-5.3-Flash的参数规模为320B总参数，激活参数18B，参数量约为上一代旗舰GLM-5.3的40%，与DeepSeek V4 Flash几乎持平。

性能方面，智谱官方评测显示，GLM-5.3-Flash在Artificial Analysis Intelligence Index（AA综合智能指数）中取得57分，超过上一代旗舰GLM-5.2，与Anthropic的Claude Opus 4.8持平，也高于DeepSeek旗舰模型V4 Pro正式版的53分。

定价方面，GLM-5.3-Flash每百万token输入0.8元，输出2.8元，缓存命中价格0.23元，为GLM-5.3的十分之一。上线前两周实行半价。

智谱表示，GLM-5.3-Flash定价为GLM-5.3的1/10，限时折扣内为GLM-5.3的1/20，为Claude Opus 4.8的1/40。

与调价后的DeepSeek V4 Flash相比（谷时输入1.5元、输出4.5元），GLM-5.3-Flash在绝大多数常规调用场景下更便宜。

架构创新：激活参数和层数近乎减半

GLM-5.3-Flash采用了与GLM-5.3完全不同的架构设计，这也是其能够以更低成本实现更高性能的核心原因。

与GLM-4.5相比，GLM-5.3-Flash总参数量相近（355B vs. 320B），但激活参数量从32B降至18B，层数从92层减至45层，几乎减半。

智谱称，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。相较于GLM-5.3，其注意力计算量与KV缓存大小分别降低了3.01倍和4.44倍。

此外，该模型是GLM-5系列首个原生多模态模型，支持图像和视频输入，也是智谱战略聚焦coding以来首次推出具备多模态能力的新模型。

涨价潮中的低价突围

GLM-5.3-Flash的发布，发生在中国AI模型市场一轮集体涨价之后。

Kimi K3输出价格高达每百万token 100元，超过前代K2.6三倍以上；智谱上半年提价后输出价格也达到28元；DeepSeek V4 Pro从6元涨至13.5元，高峰时段27元；DeepSeek V4 Flash输出价格从2元涨至4.5元，高峰时段9元。

涨价的直接后果是需求外溢。《晚点LatePost》指出，DeepSeek V4 Flash提价后，在OpenCode平台上的调用量下滑了一半，这部分需求成为国产模型厂商新的增长空间。

GLM-5.3-Flash的定价策略，正是瞄准了这一缺口。