你让 AI 一边看界面截图，一边修改代码，再连续调用工具排查问题。难点不只是“会不会答”，还在于它能否记住漫长流程，又不让计算成本一路上涨。8 月 26 日发布的 GLM-5.3-Flash，瞄准的正是这类任务。更受关注的是，此前以匿名身份接受测试的 Ox Alpha，如今揭面为这款模型。
这次进展把几条线串了起来：新模型正式发布，社区开始讨论部署与量化，官方权重也已进入 Hugging Face。至于“性能更强、价格仅为前代十分之一”等说法，目前主要来自 Z.ai，尚缺材料中的第三方复测；主编提到的 OpenRouter 用量暴涨 1270%，供稿也没有给出流量时间序列，因此本文不把它写成已核实结论。
匿名模型终于有了名字
我们 8 月 23 日报道 Ox Alpha 时，它还是身份未定的匿名测试模型，社区猜测它可能来自 GLM 或 MiMo。OpenRouter 如今明确写道，Ox Alpha 已揭面为 Z.ai 的 GLM-5.3-Flash；Reddit 的 LocalLLaMA 讨论帖也以“former ox-alpha”为题集中整理发布信息。谜底由此基本落定。
这不仅是一次改名。GLM-5.3-Flash 是 GLM-5 系列首个原生多模态模型。所谓原生多模态，是指模型从设计和训练阶段就统一处理文字、图像等信息，而不是临时在外面接一个图片识别器。Hugging Face 官方模型页给出的示例，也展示了图片与文字可以一起输入。
长任务，少算一点
模型采用 Hybrid Sparse + Linear Attention，也就是把稀疏注意力与线性注意力混在同一套架构里。注意力可以理解为 AI 阅读材料时标记“哪些内容彼此相关”的机制。普通做法面对很长的输入，计算负担容易迅速增加；稀疏注意力只查看部分关键关联，线性注意力则试图让计算量不要随文本长度急剧膨胀。
社区汇总与官方模型页显示，GLM-5.3-Flash 共 320B 参数，但每次推理只激活 18B。它有 45 层，其中 34 层使用 KDA linear attention，11 层使用 sparse attention；预训练材料规模为 30T token，并包含多模态数据。这里的 token 是模型处理文字或其他输入时使用的基本单位。
OpenRouter 将其上下文窗口标为 1M token。上下文窗口就是模型一次能够放在“工作台”上的信息量。它适合长周期 Agent 任务——让 AI 长时间保存目标和中间状态，持续规划、调用工具并修正结果，而不只是回答一次问题。不过，窗口足够长不等于执行一定稳定，两者仍需分别检验。
Flash 的重点是成本与部署
GLM-5.3-Flash 是开放权重模型：用户可以下载训练完成后的参数，自行部署、量化或微调，但这不等于训练数据、训练代码和完整开发过程全部开源。官方权重已经发布到 Hugging Face，主仓库提供 FP8 版本，另有 BF16 版本。两者是不同的数值精度格式，通常会影响部署所需的硬件资源与计算表现。
价格也解释了“Flash”定位。OpenRouter 标示的常规价格为每百万 token 输入 0.15 美元、输出 0.50 美元、缓存读取 0.03 美元。ZAI 的限时五折持续到 2026 年 9 月 9 日 16:00 UTC，期间对应价格为 0.075、0.25 和 0.015 美元。
OpenRouter 页面一度显示，最佳服务商的 P50 吞吐量为每秒 91 token，延迟为 0.80 秒。P50 即中位数：一半观测高于它，一半低于它。但这些是平台在特定阶段、特定服务商下的动态观测，不是模型固定不变的速度。
为什么值得继续看
Z.ai 宣称，这款模型以 GLM-5.2 十分之一的价格取得更高性能，并在 coding 与 agentic benchmarks——编码和自主执行任务的标准化测试——上接近 Claude Opus 4.8。这个定位很清楚：不只追求更高分，也试图降低长上下文、多模态和连续工具调用的实际成本。
对社区而言，开放权重让讨论不必停在厂商 API 页面。开发者可以自行运行模型，检查量化后的表现，也能复核它在真实编码和长流程任务中是否稳定。这比一次匿名榜单亮相更有后续价值。
局限与未知
- “超过 GLM-5.2、接近 Claude Opus 4.8、价格仅为十分之一”均主要是 Z.ai 的自述。材料没有提供完整评测表、统一测试条件或独立复测。
- OpenRouter 的价格、吞吐量和延迟会随促销、服务商与路由变化，不能视为模型的永久属性。
- 供稿没有提供 OpenRouter 用量增长 1270%所依据的时间区间和原始数据，本文无法核验这一数字。