智谱 GLM-5.3-Flash上线，商汤大装置提供国产算力支持
内容提要
智谱发布并开源GLM-5.3-Flash多模态模型，性能超GLM-5.2，与Claude Opus 4.8持平。商汤大装置提供国产算力支持，通过异构混推技术提升服务性能3倍，成本与英伟达GPU相当，推动国产算力规模化商用，日均Token服务量达2.42万亿。
延伸解读
国产算力规模化商用的关键突破
文章指出，GLM-5.3-Flash在正式发布前，其匿名版本在OpenCode和OpenRouter上的Token调用量高达62T，且全部由国产芯片提供算力支持。这标志着国产算力已从“单点可用”走向“大规模商用”，能够在大规模真实业务场景下高效、经济地支撑前沿大模型推理需求，打破了市场对国产算力性价比不高、难以规模商用的固有认知。
异构混推技术如何提升性价比
商汤大装置通过异构混合推理技术，根据不同推理阶段对计算和带宽的需求，让不同架构、不同定位的国产芯片协同工作，整体推理性价比达到NVIDIA H系列的1.25倍，相比国产同构推理，同等成本下Token产能扩大约2.5倍。这一技术路径跳出了单卡性能比拼的传统思路，为国产算力提升竞争力提供了新方向。
Token工厂模式与未来增长预期
商汤大装置通过“Token工厂”整合多元算力，优化推理引擎与芯片性能，形成大规模、高效率、低成本的Token供给能力。文章提到，7月日均Token服务量已达2.42万亿，预计2026年年底突破日均10万亿，全年Token量级增长25倍。这一增长预期反映了国产算力在支撑大模型服务方面的巨大潜力。
Q&A
GLM-5.3-Flash是什么时候发布的？
GLM-5.3-Flash于8月26日晚正式上线并开源。
GLM-5.3-Flash在AA综合智能指数中得了多少分？
GLM-5.3-Flash在AA综合智能指数中取得57分，与Claude Opus 4.8持平。
GLM-5.3-Flash的架构和参数规模是怎样的？
GLM-5.3-Flash是GLM-5系列的首个原生多模态模型，总参数320B（320B-A18B），架构专为极低成本设计，结合30T Token多模态预训练语料。
商汤大装置为GLM-5.3-Flash提供了哪些支持？
商汤大装置通过国产异构混推技术为GLM-5.3-Flash提供大规模国产算力支持与Token服务，提升了服务性能。
GLM-5.3-Flash在正式发布前进行了哪些测试？
GLM-5.3-Flash以匿名模型Ox-Alpha在OpenCode和OpenRouter上进行了大规模测试，Token调用量高达62T，全部由国产芯片提供算力支持。
国产算力在支持GLM-5.3-Flash时性能提升多少？
相较同一硬件环境下的初始基线，GLM-5.3-Flash基于国产芯片集群，端到端服务性能提升3倍，硬件效率和单Token成本已达到主流英伟达GPU相当水平。
商汤大装置在性价比方面有哪些优势？
商汤大装置通过异构混合推理技术，整体推理性价比达到NVIDIA H系列的1.25倍，同等成本下Token产能扩大约2.5倍。
商汤大装置在适配性和能效比方面做了哪些工作？
在适配性上，通过底层算子优化、多卡并行调优和工具链适配降低国产算力应用门槛；在能效比上，推出算电协同Agent，并重新定义TPW（Tokens Per Watt）作为AIDC价值标尺。
商汤大装置Token Factory的日均Token服务量是多少？
7月日均Token服务量已达到2.42万亿，预计2026年年底突破日均10万亿，全年Token量级增长25倍。
