GLM-5.3-Flash：前沿能力进入 Flash 成本

智谱正式发布并开放 GLM-5.3-Flash，这是 GLM-5 系列首个原生多模态模型，采用 320B 总参数、18B 激活参数，支持 1M Token 上下文。这次 Flash 的重点，是从模型架构和推理服务两端同时降低计算成本。

能力方面，GLM-5.3-Flash 在 Artificial Analysis Intelligence Index v4.1.1 中取得 57 分，进入前沿模型能力区间。智谱公布的测试中，它在 DeepSWE v1.1、Toolathlon Verified、AutomationBench v1.0.6 等编程与 Agent 评测上均明显超过 GLM-5.2。

架构上，GLM-5.3-Flash 总参数规模与 GLM-4.5 接近，但激活参数从 32B 降至 18B，层数从 92 层降至 45 层；同时引入线性注意力与稀疏注意力混合架构，并通过 IndexPool 进一步降低长上下文开销。按智谱公布的比较口径，其注意力计算量约为 GLM-5.3 的 33%，KV 缓存约为 23%。

原生多模态也被直接放进编程执行闭环。在前端、游戏、Blender 等任务中，模型可以生成代码、运行项目、观察界面或渲染结果，再根据视觉反馈继续修改；ZCode 还将这套能力扩展到浏览器和计算机操作。

推理服务层面，智谱称 GLM-5.3-Flash 已跑在国产芯片集群上，并采用编码—预填充—解码分离式架构。相较同一硬件上的初始基线，端到端服务性能提升 3 倍。

目前模型已开放 API、GLM Coding Plan 和 Hugging Face 权重，模型 ID 为 glm-5.3-flash，模型权重采用 MIT 许可证。Z.ai API 当前限时价格为每百万 Token 输入 $0.075、缓存输入 $0.015、输出 $0.25，5 折优惠持续至 2026 年 9 月 9 日 24:00（UTC+8）。

智谱GLM 智谱GLM5 大模型 多模态 Agent AI编程 模型架构 推理优化 国产芯片