神秘「牛来」模型果然是智谱！GLM首个原生多模态，还用的国产卡
内容提要
智谱发布并开源GLM-5.3 Flash模型，即此前海外爆火的神秘模型“牛来”。该模型为320B参数、原生多模态，能力超越更大体量模型，在AA榜单获57分，价格仅为Claude Opus 4.8的1/40。实测中能精准配字幕、制作电影解说和还原设计稿。其采用混合注意力架构，运行于国产芯片，支持1M上下文，并已全面开源。
延伸解读
「牛来」爆火背后的匿名测试现象
「牛来」在海外匿名测试期间，凭借实际表现冲上OpenRouter和OpenCode双平台榜首，甚至终结了DeepSeek在OpenCode连续56天的霸榜纪录。这一现象说明，在模型能力足够强时，用户会自发用脚投票，品牌和来源并非首要考量。对开发者而言，匿名测试也提供了一个更纯粹评估模型实力的窗口。
混合注意力架构如何实现高效长上下文
GLM-5.3 Flash采用线性注意力与稀疏注意力混合架构，通过轻量级索引器（IndexPool）压缩缓存向量，使注意力计算量降低3.01倍，KV Cache缩小4.44倍。这种设计让320B参数的模型在1M超长上下文下仍能高效运行，避免了全量注意力计算的高昂成本，是其在长任务中保持性能的关键。
国产芯片支撑全球流量，成本优势显著
GLM-5.3 Flash的线上请求全部由国产芯片提供算力，通过Encode-Prefill-Decode分离式架构和底层优化，端到端服务性能提升3倍，单Token成本与主流英伟达GPU相当。这打破了前沿模型依赖高端进口芯片的惯例，为国产算力在AI推理领域的规模化应用提供了实证。
开源与低成本，推动Agent应用普及
GLM-5.3 Flash在AA榜单得分与Claude Opus 4.8持平，但价格仅为后者的1/40，且已全面开源。这种「高性能+低成本+可部署」的组合，降低了Agent等长时任务的使用门槛，使前沿模型更接近「日常消耗品」，有望加速AI在复杂工作流中的落地。
Q&A
神秘模型「牛来」的真实身份是什么？
神秘模型「牛来」（Ox Alpha）是智谱发布的GLM-5.3 Flash模型，该模型已开源，是GLM-5系列中首个原生多模态模型。
GLM-5.3 Flash在能力上相比GLM-5.2有什么提升？
GLM-5.3 Flash参数为320B，全面超越了体量为753B的GLM-5.2，在AA榜单上获得57分，与Claude Opus 4.8持平。
GLM-5.3 Flash的定价如何？
GLM-5.3 Flash的定价是GLM-5.3的1/10，限时折扣为1/20，仅为Claude Opus 4.8的1/40，且定价低于DS-V4-Flash。
GLM-5.3 Flash在架构上有什么创新？
GLM-5.3 Flash采用线性注意力+稀疏注意力的混合架构，并引入IndexPool将索引器缓存向量从4个压缩到1个，相比GLM-5.3，注意力计算量降低3.01倍，KV Cache缩小4.44倍。
GLM-5.3 Flash如何支持国产芯片？
智谱将多模态编码、Prompt预填充和逐Token解码拆分为Encode-Prefill-Decode分离式架构，并叠加Layer Split、混合缓存量化等优化，使模型能在国产加速芯片上高效运行，端到端服务性能提升3倍，单Token成本与主流英伟达GPU相当。
GLM-5.3 Flash在实测中展示了哪些能力？
实测中，GLM-5.3 Flash能精准识别视频中的说话人并配字幕，能根据完整电影生成解说视频，还能根据UI设计稿生成可交互的购物App，以及独立完成3D场景构建等复杂任务。
GLM-5.3 Flash是否开源？
是的，GLM-5.3 Flash已全面开源，并接入ZCode、开放API，开发者可以获取权重并自行部署。
