智谱GLM-5.3-Flash的“牛阿尔法”秘密发布及其国产芯片推理声明

2026年8月20日，一款名为“牛阿尔法”的匿名、可免费使用的模型悄然出现在OpenRouter、OpenCode、Cline和Nous Research的平台上，提供100万token的上下文窗口，并支持文本、图像和视频输入^[1]。没有任何实验室宣称拥有它。大约一周时间里，它作为一次秘密测试运行，吸收真实世界流量而非内部基准测试——据报道，在任何公司公开认领之前，它每天以免费形式处理超过100万亿token，总计处理了62万亿token^[2]。这是一种非典型的前沿模型发布方式：跳过发布会，让市场先发现你。

2026年8月27日，智谱AI（Z.ai）确认“牛阿尔法”实为GLM-5.3-Flash，一个3200亿参数的专家混合模型，并于同日以MIT许可证发布其权重^[3]。此次揭晓验证了秘密测试期间已显现的事实：GLM-5.3-Flash成为OpenRouter迄今为止最成功的发布，在揭晓后的前三天内处理了超过11万亿token，并占据平台每周编码模型使用量近31%——位居榜首^[1]。智谱在港交所上市的股票在公告当日收盘上涨逾12%^[1]。这段秘密期并非偶然营销；它是模型自身采用曲线的真实体现，而这一切发生时人们尚不知其归属。

最受关注的细节并非GLM-5.3-Flash的参数数量，而是它的运行位置。智谱表示，整个秘密测试——所有每日高达100万亿token的流量——均由约10万个国产中国AI芯片组成的集群承载，其硬件效率和每token成本据称与英伟达GPU相当^[2]。Z.ai将部分效率归功于其基于SGLang定制的推理引擎，称其在国产硬件上使端到端服务吞吐量提升三倍^[4]。

分析机构SemiAnalysis认为这一声明比模型本身更具新闻价值，指出其紧随OpenAI宣布自研推理芯片之后，并认为英伟达CUDA软件护城河“再次受到质疑”^[2]。The New Stack的表述更为直白：GLM-5.3-Flash“便宜、优秀，且运行于中国芯片之上”^[9]。需要强调的是，这些效率和成本持平的数据由智谱自行报告，并未经独立审计——但由于权重现已开源并在多个第三方平台运行，这些声明足够具体，外部开发者已可开始直接测试^[4]。考虑到美国持续对中国实施先进芯片出口管制，若能在国产硅片上实现与英伟达相媲美的大规模推理，这一现实主张的意义远超基准测试图表。

‘Flash’品牌通常意味着小巧且廉价，但GLM-5.3-Flash的3200亿总参数（180亿激活）使其远超此类范畴——部署需超过320GB内存，规模更接近智谱旗舰产品，而非此前轻量级的Flash和Air系列。这种错位引发了最早一批自托管社区的批评，他们更愿意称其为‘Gigaflash’，而非真正的小型变体。

在托管平台上，其定价看似明确低廉：OpenRouter列出的GLM-5.3-Flash价格为每百万输入token 0.075美元，每百万输出token 0.25美元，由包括Z.ai、Together、Cloudflare和Reka AI在内的12家提供商提供服务^[5]，智谱将其定价定为旗舰产品GLM-5.3的大约十分之一^[6]。但一旦引入缓存机制，情况变得复杂——早期社区定价讨论表明，尽管GLM-5.3-Flash完成任务所需的输出token更少，但其缓存token费率明显高于竞品DeepSeek V4 Flash，使得任何简单的每任务成本判断都变得模糊。另一种怀疑观点认为，该模型某些最强的基准表现奖励的是华丽、常见演练的演示提示，而非稳健的通用工程能力——在将任一单一基准数据视为决定性结论前，这一警示值得牢记。

GLM-5.3-Flash是GLM-5系列中首个原生多模态模型，设计用于在一个模型中处理文本、图像、视频、视觉文档及交错多模态输入，而非事后附加视觉功能^[3]。架构上，其45层语言主干交替使用KDA线性注意力层与NoPE稀疏多头潜在注意力层，每个token通过288个专家中的8个，并附带原生FP8权重及一个多token预测草稿层以加速解码^[7]。正是这种稀疏加线性的混合设计，使模型能够维持1,048,576 token的上下文窗口和131,072 token的最大输出，训练数据来自一个30万亿token的多模态语料库^[7]。

在公开基准测试中，智谱报告其人工分析智能指数得分为57，与Claude Opus 4.8持平，优于DeepSeek V4 Pro^[1]，Terminal-Bench 2.1得分为84.3，略低于Opus 4.8的85.0，DeepSWE v1.1得分为63.4，相比GLM-5.2的46.2大幅提升^[6]。这些数据，结合模型的规模和开放的MIT许可证，使其更像一个真正的前沿邻近发布，而非简化版便利模型——即使其命名仍在低估实际运行所需的算力。