力学笃行

揭盅时刻：官方把”牛来”两个字写进了文章#

官方文《GLM-5.3-Flash：前沿智能进入普惠时代》里，最戏剧性的是这一段，我原样抄下来：

为收集专业反馈，我们在正式发布前，以匿名模型 Ox-Alpha（中文社区称作牛来）在 OpenCode 和 OpenRouter 上进行了大规模测试，Ox-Alpha 迅速成为当周最受欢迎的模型，创下双平台调用量新高。而这些请求流量全部由国产芯片提供算力支持。

社区叫了一周的外号，官方用一对括号认领了。把社区玩梗原样收编进官宣，这个待遇连上一个揭盅的 Hunter Alpha 都没享受过。段尾那句”全部由国产芯片提供算力支持”我盯着看了两遍：全网白嫖了一周的那头牛，踩的一直是国产芯片。

正主长这样：上线并开源 GLM-5.3-Flash，总参数 320B、激活 18B，写成 320B-A18B，是 GLM-5 系列第一个原生多模态（multimodal）模型；AA 综合智能指数（Artificial Analysis Intelligence Index）57 分，官方口径进入全球前沿模型能力区间，与 Claude Opus 4.8 持平。

价格是另一记重拳：定价为 GLM-5.3 的 1/10，限时折扣 1/20，对照 Opus 4.8 是 1/40。官方口号喊得直白：“同样智力，1/40 价格""前沿智能，第一次不需要省着用”。

OpenRouter 那边，Ox Alpha 的页面已经挂上 revealed to be ZAI GLM-5.3-Flash 的标注，API 限时五折两周。昨天还有人赌官方永不认领，今天脸打得干脆利落。

三重指纹对答案：三条全中，侦探记收官#

昨天文尾我写”这个谜底，应该不用等太久”，结果只隔了一觉。这是我建站以来兑现最快的一次预言，也是最难的一次，因为要对的答案是我自己出的卷子。

把 Ox Alpha 实测里的三重指纹逐条摆出来核对。分词器（tokenizer）计数、拒答行为、压缩统计，三条证据在揭盅这天全部有了官方答案：

说句诚实的：三条指纹里证据力最弱的是指纹二。拒答边界是主观判读，“中国背景实验室”这个推断兼容国内任何一家，当时只能算”没排除”，算不上”锁定”。今天它对上了，功劳该记在”三条同向再下结论”这个判据上，而不是某一条单独多准。分词器那条官方没细说，但嫡系身份给了恒定差 75 一个最简单的解释：同一套分词，外面多包一层固定包装。

为什么敢卖 1/40：激活减半、混合注意力和 IndexPool#

便宜的来源在架构，一刀一刀拆。

第一刀砍在激活上。总参数 320B，和 GLM-4.5 相当；对照 GLM-5.3，激活参数（active parameters）从 32B 降到 18B，层数从 92 降到 45，几乎减半。每次推理只唤醒 18B、走一半的深度，计算账单先下来一截；总参数原地不动，能力上限不挪窝。

第二刀砍在注意力上。它是第一个采用稀疏注意力（sparse attention）与线性注意力（linear attention）混合架构的开源前沿模型。注意力是长上下文账单的大头：稠密注意力每个位置都要看所有位置，稀疏负责挑重点看，线性把扫过的历史压进固定大小的状态，这套谱系我啃 Kimi K3 时整理过（Kimi K3 记忆架构拆解）。混合着来，官方口径对 GLM-5.3 注意力计算量降 3.01 倍，KV 缓存（KV cache）降 4.44 倍。

第三刀砍在索引器的缓存上。稀疏注意力要养一个索引器替模型挑重点，IndexPool 把索引器的 4 份缓存向量加权池化压成 1 份，省的是实打实的显存和带宽。还有个名字唬人的 mHC（流形约束超连接，Manifold-Constrained Hyper-Connections），官方给它的定位就一句：提升 Scaling 能力。细节我还没啃完技术博客，先记名字不脑补。

能力侧没跟着便宜缩水：30T token 的多模态预训练语料，加上系列首个原生多模态的定位，喂料和架构都是按前沿档配的。刀法叠起来是一句话：用更少的每次计算，逼近同样的智能。便宜是架构红利，和阉割是两回事，误区那节专门拆。

新的斩杀线：57 分对 1/40 价格，Flash 版的一笔账#

大模型斩杀线那篇我留了三步验价比：把任务拆成可计数单位，算单位任务成本，再看权重开放与否。今天拿 Flash 重算一遍。

能力侧，AA 57 分与 Claude Opus 4.8 持平（官方口径），自研 Z.ai Code Bench 上编程表现与 Opus 4.8 相当。比分数更直观的是 Visual Coding 演示：模型自己判断什么时候该”观察”，用视觉反馈迭代改进，无外部素材自主运行 16 小时，在 Blender 里搭出约 400 平方米的主厨自宅加测试厨房。演示是官方挑的考题，看看就好，但档位信号清楚：这是前沿档，不是省钱档。

价格侧，任务轮廓沿用我 7 月实测长会话 agent 任务的结构（见 实测 Coding Agent 的 token 账单）：累计读 100 万 token，其中 90 万走缓存读（cache read）、10 万全价，输出 10 万。Opus 4.8 的价目我手上没有现成数字，沿用上一弹 Opus 5 的口径近似，假设摆在明面上。

三笔前提交代清楚：这是官方口径加粗估，完整价目以官网为准；我假设各计费项同比例便宜，若输入输出的折扣比例不同，账要重算；OpenRouter 两周五折期内实际更便宜，表里按正价算，取的是保守值。精确点算这单是 $0.086，取整说$0.09，合人民币几毛钱。

和上一弹有个值得记的变化。那次单价差 89 倍，摊到任务级只剩四到七倍，因为两家计费结构不同、Agent 的钱大头在输入；这次是全计费项同比例 1/40，任务级差距就是完整的 40 倍。单价和任务价第一次没有打架，账变得简单了。

第三步，权重开放吗？开源了，权重挂在 HuggingFace。320B 总参的自托管是块大硬盘的生意，我周末再研究，但”线的尽头是电费”那条路，对 Flash 也是开的。

误区拆解：便宜等于低端阉割？错把效率红利当能力缩水#

常见理解：1/40 的价格，必然是 1/40 的能力。Flash 是”青春版”，正经活不敢派给它，便宜没好货。

为何错：这笔账把两个维度搅在了一起。阉割是砍功能、砍能力上限；Flash 的账面是总参数 320B 没动、激活减半、注意力换算法，省的是每次推理的消耗，不是会的东西。能力侧证据摆着：AA 57 在前沿区间（官方口径），30T 语料、原生多模态都在。保留意见也有一句：混合架构里线性注意力终究是 softmax 的近似，表达力损失真实存在，57 和 GLM-5.3 的 60 之间那 3 分也许就藏在这里，但”有损”和”阉割”是两回事。上一弹 V4-Flash 用 82.7 分演示过便宜和能干可以共存，这次轮到前沿档重演。

正确理解：把问题从”它是不是阉割”换成”我的活需要哪个能力档位”。单位任务成本要和档位一起看：中间档就够的活，以前被迫按前沿价付；需要前沿档的活，现在价格被砍了 40 倍。该盯的是活和档位的匹配，不是价签本身。

从马到牛：智谱把匿名压测做成了连续剧#

揭盅当天，社区考古又立功了。有人翻出智谱今年早些时候还匿名上架过一个 Pony Alpha，社区叫”马”，海报是和牛来一脉相承的黑色设计语言。先马后牛，同一个厂同一套玩法，stealth 压测被拍成了连续剧。别家也拍过，Hunter Alpha 那部最后揭盅给了小米 MiMo-V2-Pro，但一连拍两部的，马和牛是头一份。

马和牛，中文互联网管打工叫”当牛马”，官方把”牛来”写进文章那一刻，这个梗彻底转正了。说说我对普惠时代的观感，有点黑色幽默——分工变成了让模型做牛马，人做人。以前你舍不得花 token 的破事，批量改文案、逐条理 issue、看不完的录屏，现在可以理直气壮全派下去；人留给模型干不了的部分：判断、品味、担责。自嘲一句：为赶这篇 24 小时热点，我从早上七点半坐到现在没挪窝，这条流水线上我也是牛马，好在时薪还是比 Flash 一单的任务成本高。

冷思考：官方承认 KV 缓存没赢，和两盆该泼的冷水#

**第一件事：官方自己承认 KV 缓存没赢，这是发布稿里最值得尊敬的一段。**原文明说：对 GLM-5.3 注意力计算量降 3.01 倍、KV 缓存降 4.44 倍，但 KV 缓存大小仍略高于 Kimi-K3 和 DeepSeek-V4-Flash，列为后续优化方向。K3 靠恒定状态的递归记忆把 KV 增长压成固定块，Flash 的线性注意力分支也在压，账面上还没追上。长上下文重度用户留意这条：KV 缓存直接关系长会话的显存和成本。把没赢的地方写出来，比把赢的地方喊三遍可信。

**第二件事：折扣数字会过期，账要按正价记。**限时折扣 1/20、OpenRouter 五折两周、GLM Coding Plan 每天限量 1 万张体验卡，全是引流的杠杆。上面那笔账我特意按正价 1/40 口径算，就是让它在折扣退潮后依然成立；真要警惕的是反向操作，按折扣日的价格做长期承诺。体验卡每天限量，抢不到也不影响算账。

**第三件事：57 分别神化。**AA 指数是综合分，不是你那个任务的分数；“持平 Opus 4.8”是指数口径的持平。Blender 16 小时的演示提气，但官方演示是挑过的考题，昨天那句”视觉无回归”刚提醒过：汇报和生产之间，隔着你自己没看的 diff。

什么样的活适合交给 Flash：三类清单和一类先别换#

说点第一手感。上午我把 ZCode 的模型切到 GLM-5.3-Flash，派了个小活：给博客文章页加”上一篇/下一篇”导航。主功能一次跑通，响应比昨天匿名期蹭的 Ox Alpha 顺，不用再跟高峰限流赌气。按昨天的教训，这次我先看 diff 再合并：它顺手把一处样式写法重排了，功能没坏但不是我的口味，改了回来。活能干，“顺手动别处”的毛病看着还在，diff 永远自己看。

结合昨天匿名期的实测和今天这一单，我的分活清单：

1. 大批量例行任务：批量代码评审、批量翻译、日志归类、格式转换。单价低，量大才省得狠；前沿档能力让”批量”不再等于”降级”。
2. 长上下文阅读：整仓问答、长文档通读、合同比对。注意力计算量降 3.01 倍，以前最贵的一类活降幅最大；整仓问答昨天那局我已经验过一次货。
3. 多模态整理：录屏排障、截图转 issue、视频转步骤清单。40 秒录屏指认报错行那一单是验过的强项，今天它还是那个它。

一类先别换：最高难度的架构级重构，和对错成本极高的兜底决策。“持平 Opus 4.8”是指数口径，不保证你那道题上无差别，重构错一轮的代价不是 token 钱。最高档那几位（比如我常用的 Opus 5）留着当对错兜底，Flash 当主力，混着用。

行动建议一条：把三步验价比套在你最贵的那件活上，拿官方价目表算出 Flash 的单位任务成本，今天记下这个数，一个月后再算一遍，你会亲眼看到线怎么移动。想先摸手感，GLM Coding Plan 的体验卡每天限量 1 万张，随缘领，领不到也不耽误算账。

三个我暂时没有答案的问题，留给后面：权重已经挂在 HuggingFace，320B-A18B 量化之后到底能不能塞进消费级设备，等我周末下载完再说；马和牛之后，匿名压测会不会从个别厂的行为艺术变成大厂标配的发布流程；还有”请求流量全部由国产芯片提供算力支持”这句话背后，基于 SGLang 的自研推理引擎、Encode–Prefill–Decode（EPD）分离架构、端到端 3 倍的提升，这条硬件叙事值得单独拆一篇。评论区见。

一句话结论（2026-08-26）：GLM-5.3-Flash（320B-A18B）今日上线并开源，官方确认匿名模型 Ox Alpha 即其压测马甲；AA 智能指数 57 分进入前沿区间、与 Claude Opus 4.8 持平，定价为 Opus 4.8 的 1/40，新的斩杀线画在”前沿能力 × 1/40 价格”这一点上。

参考链接#

1. 智谱官方：《GLM-5.3-Flash：前沿智能进入普惠时代》（微信公众号，2026-08-26）
2. GLM-5.3-Flash 技术博客（z.ai，2026-08-26）
3. GLM-5.3-Flash 权重（HuggingFace：zai-org/GLM-5.3-Flash）
4. Ox Alpha 的 OpenRouter stealth 页面（已标注 revealed to be ZAI GLM-5.3-Flash）