8 月 26 日，智谱正式确认：此前在开发者社区引发热议的匿名模型 Ox Alpha（中文社区称 " 牛来 "），就是其最新发布的 GLM-5.3-Flash。模型代号灵感来源于国内近期热映电影《牛来》。
这个模型在正式亮相前，以匿名形式在 OpenRouter 和 OpenCode 上免费开放测试，5 天内流量累计超过 50 万亿 token，刷新了两个平台的流量增长纪录，当前使用量已超过 DeepSeek 的两倍以上。但真正引发市场关注的，是智谱随后披露的一个细节：这些流量，全部由国产芯片承载。
智谱在官方技术文档中表示，调用超过 10 万张国产芯片集群用于该模型推理服务，" 硬件效率及单 token 成本已经达到了与主流英伟达 GPU 相当的水平 "。
半导体研究机构 SemiAnalysis 随即在 X 平台发文评论："所有流量均由国产芯片承载，硬件效率和单 token 成本已可与英伟达 GPU 相媲美。继 Jalape o（OpenAI 自研推理芯片）昨日宣布之后，CUDA 护城河再度受到考验。"
智谱在技术文档中描述了这套国产芯片集群的部署细节。
单张芯片的主要瓶颈在于内存容量与带宽，支持长达 100 万 token 的上下文长度尤为困难。为此，智谱在 SGLang 基础上构建了专用推理引擎，采用 W8A8 量化、INT8/FP8/BF16 混合缓存量化，以及节点内张量并行等技术，并引入生产级 Encode – Prefill – Decode（EPD）分离式架构，将多模态编码、prompt 预填充和逐 token 解码拆分为可独立调度的工作池。
智谱称，与同一硬件上的初始基线相比，端到端服务性能提升了 3 倍。
据《晚点 LatePost》了解，这批芯片的供应商或来自华为、摩尔线程与海光。智谱官方对此未予置评，技术文档中也未明确具体芯片型号。
SemiAnalysis 在评论中特别指出，此前有观点认为只有顶级前沿实验室才具备每日 100 万亿 token 的算力规模，" 而这里每日 100 万亿 token 的免费流量，全部跑在国产芯片上。"
GLM-5.3-Flash 的参数规模为 320B 总参数，激活参数 18B，参数量约为上一代旗舰 GLM-5.3 的 40%，与 DeepSeek V4 Flash 几乎持平。
性能方面，智谱官方评测显示，GLM-5.3-Flash 在 Artificial Analysis Intelligence Index（AA 综合智能指数）中取得 57 分，超过上一代旗舰 GLM-5.2，与 Anthropic 的 Claude Opus 4.8 持平，也高于 DeepSeek 旗舰模型 V4 Pro 正式版的 53 分。
智谱表示，GLM-5.3-Flash 定价为 GLM-5.3 的 1/10，限时折扣内为 GLM-5.3 的 1/20，为 Claude Opus 4.8 的 1/40。
与调价后的 DeepSeek V4 Flash 相比（谷时输入 1.5 元、输出 4.5 元），GLM-5.3-Flash 在绝大多数常规调用场景下更便宜。
GLM-5.3-Flash 采用了与 GLM-5.3 完全不同的架构设计，这也是其能够以更低成本实现更高性能的核心原因。
与 GLM-4.5 相比，GLM-5.3-Flash 总参数量相近（355B vs. 320B），但激活参数量从 32B 降至 18B，层数从 92 层减至 45 层，几乎减半。
智谱称，GLM-5.3-Flash 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。相较于 GLM-5.3，其注意力计算量与 KV 缓存大小分别降低了 3.01 倍和 4.44 倍。
此外，该模型是 GLM-5 系列首个原生多模态模型，支持图像和视频输入，也是智谱战略聚焦 coding 以来首次推出具备多模态能力的新模型。
GLM-5.3-Flash 的发布，发生在中国 AI 模型市场一轮集体涨价之后。
Kimi K3 输出价格高达每百万 token 100 元，超过前代 K2.6 三倍以上；智谱上半年提价后输出价格也达到 28 元；DeepSeek V4 Pro 从 6 元涨至 13.5 元，高峰时段 27 元；DeepSeek V4 Flash 输出价格从 2 元涨至 4.5 元，高峰时段 9 元。
涨价的直接后果是需求外溢。《晚点 LatePost》指出，DeepSeek V4 Flash 提价后，在 OpenCode 平台上的调用量下滑了一半，这部分需求成为国产模型厂商新的增长空间。
GLM-5.3-Flash 的定价策略，正是瞄准了这一缺口。
