DeepSeek 的斩杀线一夜被斩杀，便宜大碗才是真旗舰

刷屏快一周的匿名模型「牛来」，正式揭晓了真身。

8 月 26 日晚，智谱正式上线并开源了 GLM-5.3 Flash，确认它就是 8 月 20 日起以 Ox-Alpha 代号，在大模型聚合平台 OpenRouter 和 OpenCode 上匿名测试的那个模型。

说起来，这是智谱第二次用这种匿名模型先免费跑一周赚流量，然后再官宣认领，上次是「马来」。春节前夕的 Pony-Alpha，后来被证明是 GLM-5。

就在同一晚，阿里也发布了一款新模型，且一样是 Flash 款。Qwen3.8-Flash 正式在大模型开源平台 Hugging Face，和阿里的模型开源社区魔搭 ModelScope 开源权重。

特别的是，千问这款新模型，虽然是 Flash，但是却作为 Qwen4 架构的早期预览版，用的是下一代 Qwen4 模型的新架构。

架构之外，两个新模型的 benchmark 数据和具体表现，也一点不像是原本我们对 Flash 的印象，即旗舰/Pro 模型的删减版。

GLM-5.3-Flash 拥有百万上下文，也是 GLM-5 系列的第一个原生多模态模型，图片、视频、文件、Coding，以及 Computer Use 这些功能现在全部靠模型就能做到。

Qwen3.8-Flash 同样保留百万上下文、图像和视频输入，结合千问办公，生成速度提升 100%，Token 消耗减少 75%。

图｜GLM-5.3 Flash 在多个 benchmark 上的表现基本在 Opus 4.8 的水平

与此同时，极致性价比和普惠是这两款模型的定位。GLM-5.3-Flash 的定价前所未有，限时折扣内每百万 Token 输入是 0.4 元，输出 1.4 元，缓存命中 0.115 元，是 GLM-5.3 的 1/20。

Qwen3.8-Flash 的价格同样感人，每百万 Tokens 输入仅 1 元、输出 3 元，是 Qwen3.8-Max 的 1/12。

作为对比，现阶段涨价后的 DeepSeek V4 Flash 价格是每百万 Token 输入是 1.5 元，输出 4.5 元，缓存命中 0.05 元，而高峰时段还是空闲时段的两倍。目前高峰时段为北京时间周一至周五 9:00 - 12:00、14:00 - 18:00，其余为空闲时段。

一边要比较模型界的「拼多多」DeepSeek V4 Flash 的价格，一边又要比较智能上限，动不动就对标 Claude Opus 5、Fable 5 等。

图｜DeepSeek V4 系列模型价格，从左至右为 V4 Flash、V4 Pro、V4 Flash Vision 实验版

Flash 似乎正在摆脱过去「砍参数、砍多模态、砍上下文」换低价的定位，从一句「够用就好」，变成大模型厂商新的竞争重点。

和 Opus 4.8 得分持平

OpenCode 的界面仍然显示着，ox-alpha 有 50.5 万个独立用户标识，累计消耗 Token 达到了 44T，完成超过 1300 万个会话，输入 Token 的缓存比例达到 93%。

这些数字能证明大量调用发生在 Coding Agent 平台，即便是匿名身份也没有阻挡住开发者对这款新模型的使用热情。

持续的调用，让这个「牛来」模型终结了 DeepSeek 在 OpenCode 上长达 56 天的霸榜。

而来自模型调用的算力压力，智谱后续则提到，这些请求流量全部由国产芯片提供算力支持，他们调用了超过 10 万张国产芯片做推理服务，并在技术文档中表示其集群「硬件效率及单位 token 成本已经达到了与主流英伟达 GPU 相当的水平」。

我们简单测试了一下 GLM-5.3-Flash 的能力，目前它在智谱官方的 Coding Agent 平台 ZCode 上可以直接体验。官方平台的 BigModel、Coding Plan 等 API 接入也已经开启调用。

多模态的视觉能力是 GLM-5.3-Flash 的新增能力，我们上传了 X 上最近比较火的二维码项目视频。平视是一棵树，但是当我们拖拽鼠标切换不同视角，俯视时，这棵像素块组成的树就变成了一个可扫描的二维码。

GLM-5.3-Flash 可以自动读取视频，但工作时间和我们之前的测试一样，ZCode 要花较长的时间进行思考。似乎并没有因为模型是 Flash，而导致任务的执行时间有变短。

最终实现的项目也是可以用的，但是如动图所示，整个网页非常卡顿。

我们要求 GLM-5.3-Flash 分析卡顿原因，它自己也提到，之前的实现每一帧都要重新绘制整个场景。

而整个场景有将近 1300 块地砖，每块最多 5 个面(顶面 + 4 面墙)，再加投影计算里每点都算一遍三角函数，鼠标拖拽的每帧，就有约 6000 次路径填充、2 万次三角函数，60fps 下非常吃力。

修复之后的版本要好上不少，动画更加丝滑，拖拽也不卡顿，切换主题样式时渲染都更快。

而整个项目从读取视频，到实现这个 3D 效果的二维码网页，以及二次修改；ZCode 内显示的应用用量消耗是将近 3000 万 Token，个人套餐内的 5h 剩余额度还有 98%，每周额度则是剩余 99%。

我们继续使用 GLM-5.3-Flash 进行测试，模型的多模态能力很好地帮助 ZCode 可以持续截图，通过视觉识别自身生成的内容，以及用「试玩」等方式来找到输出结果中不合理的部分。

同样是之前在 X 上比较热门的中国宝塔案例，模型需要使用 3D 库， 生成一座中国宝塔，朱漆绿釉，顶部饰以鎏金的完整搭建过程。

GLM-5.3-Flash 似乎参考了二维码花园的项目，导致这个中国宝塔也采用了和之前一样的像素风格，整个用时 57 分钟，消耗 Token 大约在 1500 万左右。

可以说，至少在我们的这轮测试里，GLM-5.3-Flash 和 GLM-5.3 的体验差距并没有价格差距 20 倍那么大。

注意力计算量、KV 缓存、激活参数和总参数可能已经发生了很大变化，但落到常规网页开发、研究报告等实际任务上，这些差异并不明显，GLM-5.3-Flash 也可以胜任。

Flash 正在越过斩杀线

同一晚发布的另一款 Flash 模型，也不「Flash」。

Qwen3.8-Flash 主模型 125B 参数，外加 51B 的 N-gram Embedding，每 token 只激活 6B 参数；原生支持 26.2 万 token 上下文，可通过 YaRN（Yet another RoPE extensioN）扩展到 100 万。

更特别的是，它直接采用了下一代 Qwen4 的新架构。相比 Qwen3.7-Plus，通过架构和注意力机制内核的调整，整体训练成本降到约九分之一，编码和办公任务反而更强。

前段时间，我们在《》里给「斩杀线」下过一个定义： 足够高的任务完成率 × 足够低的总任务成本，从而夺走默认调用位 。

当时看这似乎是 DeepSeek 的单点优势，毕竟一直以来的印象，卷价格，没有人能做到比 DeepSeek 低，智能水平，DeepSeek 也并不会让人失望。

随着智谱发布价格更低的 GLM-5.3-Flash，千问也发布未来结构、价格同样便宜的 Qwen3.8 Flash，所谓的斩杀线已经不再是 DeepSeek 这一家模型厂商的叙事，更像是整个做大模型行业的新规则。

根据 Artificial Analysis 的测算结果，GLM-5.3-Flash 单次任务的成本比 DeepSeek V4 Flash 低，且智能水平要比 V4 Flash 和 V4 Pro 都要高。

当百万上下文、原生多模态和 Coding Agent 开始成为标配，模型厂商正在做同一件事： 把过去接近旗舰级的能力，压进 Flash 的价格带。

图｜最近一个月发布的 Flash 模型情况

有意思的是，从今年 2 月发布 Gemini 3.1 Pro 之后，Google 就再没发过任何 Pro 模型。他们在五月发布 Gemini 3.5 Flash、七月发布 Gemini 3.6 Flash、八月发布 Gemini 3.7 Flash……

现在看来，原来 Google 一直发布 Flash 是看中了这块斩杀线。

过去的 Flash 依靠削减能力，比如缩减上下文、剥离多模态来换取低价，匹配对应的市场；而现在的 Flash 保持功能全量，仅通过极低的高效激活参数，像是百亿级激活/几百亿总参数，来压缩单 Token 边际成本。

在眼下「无处不消耗 Token」的背景下，让更多的用户可以大胆地在后台运行着一个自己的「全天候 Agent」，或工作中小到转换图片格式、文档格式这样的工作，都能直接丢给 AI。

而更昂贵的旗舰模型，在更多的时候则是退到了非选不可的情况，只有我们在触发到任务困难、Flash 做不好的情况，或者让 Pro 决策，用 Flash 执行等。

另一方面，Flash 带来的变化也在模型迭代路径上体现，过去是「旗舰先发 $\rightarrow$ 蒸馏缩小 $\rightarrow$ 推出 Flash」；现在则演变为「高效架构（如新型 MoE、预测草稿 Token）先在 Flash 验证 $\rightarrow$ 再拓展至旗舰」。

效率工程本身成为了行业的最前沿，Flash 架构的创新密度甚至开始超越旗舰。

所以今天再问什么是 Flash，答案已经变了。以前，它意味着更快、更便宜的轻量模型；现在，它代表的是 足够高的任务完成率，以及足够低的任务成本。

哪怕生成速度只有 50 Token/s，只要它拥有视觉自检与长文本推理能力，能稳妥跑完耗时 10 分钟的复杂 Coding 或办公工作流， 它在商业层面就已经斩断了传统低端模型的生存空间 。

过去，我们总想默认使用「最聪明的模型」。接下来，默认调用位可能属于那个足够聪明、足够便宜，因此可以放心一直开着的模型。

这是 Flash 越过斩杀线之后带来的变化，旗舰模型决定 AI 的上限，而 Flash 决定我们每天到底用哪个 AI。

我们正在招募伙伴

简历投递邮箱hr@ifanr.com

✉️ 邮件标题「姓名+岗位名称」（请随简历附上项目/作品或相关链接）