智谱开源 GLM-5.3-Flash，原生多模态定价降至 GLM-5.3 十分之一

8 月 26 日晚，智谱上线并开源 GLM-5.3-Flash（320B-A18B），这是 GLM-5 系列第一个原生多模态模型：总参数 3200 亿、激活参数仅 180 亿，视觉能力直接内建在模型里，而不是外挂一个视觉模块。它在各项基准和实际负载上超过 GLM-5.2，定价却只有 GLM-5.3 的十分之一，限时折扣价更低至二十分之一。模型权重已在 Hugging Face 与 ModelScope 开放，API 同步可用，官方文档见 GLM-5.3-Flash 产品介绍。

这次发布并不是空降。智谱在正式官宣前，把同一模型以匿名代号 Ox-Alpha（中文社区叫「牛来」）挂在 OpenCode 和 OpenRouter 上做大规模测试，结果迅速成为当周最受欢迎模型，双双创下两个平台的调用量新高。也就是说，模型在发布当天之前已经经过了一轮真实用户流量的检验，而不是只看内部评测。官方还提到，这些测试流量全部由国产芯片集群提供算力，过去一周首次在大规模流量中用国产芯片集群跑服务。

GLM-5.3-Flash 的架构专为极低成本设计：总参数量与 GLM-4.5 相当（355B 对 320B），但激活参数从 32B 降到 18B，层数从 92 层减到 45 层。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：线性注意力用递归机制捕获局部依赖，稀疏注意力靠轻量索引器召回全局上下文，还引入 IndexPool 把索引器的 4 个缓存向量压成 1 个，降低 1M 上下文下的时延与内存开销。相比 GLM-5.3，注意力计算量降低约 3 倍，KV 缓存大小降低约 4.4 倍，长上下文服务的成本被明显压低。

「原生多模态」对普通用户最直观的体验，是把眼睛接进编程闭环。模型能自主判断什么时候需要「看一眼」：前端开发时观察渲染结果，游戏构建时查看运行画面，3D 场景里自己固定机位渲染再检查修正。官方给的实测例子里，把一组页面截图交给它，它能用 Next.js 复刻成可运行工程，逐页截图对照修正布局；在 Blender 里它自主跑了 16 个小时，搭出一套约 400 平方米的主厨自宅与测试厨房。对不会写代码的人来说，这相当于把「参照图生成应用」从概念变成了可用能力。

除了编程，GLM-5.3-Flash 把视觉理解延伸到了文案型工作流。它做 PPTX、PDF、DOCX、XLSX 时，可以渲染检查自己生成的页面，发现文字溢出、图片裁切、元素遮挡再修正；做金融研究时能保留引用来源、区分披露事实与分析假设，输出带引用的研报和可编辑的 Excel 模型；审合同时按律师惯例批注留痕。对「要一份能直接交付的文件」而不是「一段参考文本」的用户来说，这一步是从聊天工具到工作伙伴的关键差别。

接入方式有三条：一是 API，模型代码 glm-5.3-flash，支持 1M 上下文，图片通过 image_url 传入，支持 Function Calling、流式输出与上下文缓存；二是 GLM Coding Plan 订阅，额度已全面放开，可用额度比 GLM-5.3 多 3 倍，非高峰时段调用只消耗标准积分的一半；三是自部署，权重以 MIT License 开源，社区已放出 GGUF 量化版。价格上它是 GLM-5.3 的十分之一、限时折扣二十分之一，约为 Claude Opus 4.8 的四十分之一。想判断这周要不要换工具，最直接的办法是拿自己的真实任务跑一遍视觉 Coding 或 Office 交付，重点看它是否真在「看」你的产物并迭代修改。

本文由 AI 潮汐编辑部基于官方公告与公开资料整理，补充了行业影响、适用场景和行动建议，帮助你在阅读原文前先理解这条信息为什么重要。

原始来源：https://docs.bigmodel.cn/cn/guide/models/vlm/glm-5.3-flash

如发现事实、价格或链接有误，可通过 联系我们 提交更正。