8 月 26 日晚上，在 OpenRouter 上匿名執行一週的神祕模型「Ox Alpha」的真實身分正式揭曉，它就是來自中國智譜 AI（Zhipu AI）的 GLM-5.3 Flash。這款模型擁有 320B 總參數、18B 活躍參數的 MoE 架構，支援 100 萬 token 上下文與原生多模態能力，並以 MIT 授權在 Hugging Face 開放權重。更引人注目的是，智譜官方表示 GLM-5.3 Flash 之前的整個免費預覽期間完全都在中國國產 AI 晶片上執行，每日處理量達 100 兆個 tokens。
從 Ox Alpha 到 GLM-5.3 Flash
故事要從 8 月 20 日說起。一個名為「Ox Alpha」的匿名模型突然出現在 OpenRouter 和 OpenCode 平台上，免費提供 100 萬 token 上下文的服務。這個來路不明的模型迅速在開發者社群引起轟動，因為它的表現與頂尖閉源模型不相上下。
8 月 21 日至 22 日，研究人員透過 Java stack trace 分析、錯誤碼 1214 比對，以及 tokenizer 的 30/30 完全匹配，將 Ox Alpha 鎖定為智譜 AI 的 GLM-5.3 系列模型。牛津大學研究人員的取證結果在社群中廣泛流傳。8 月 26 日上午，彭博社報導智譜 AI 確認 Ox Alpha 屬於 GLM 系列新迭代，並承諾當晚發布開放權重。同日晚間，Z.ai 官方正式宣布 Ox Alpha 就是 GLM-5.3-Flash，同步在 Hugging Face 開源上架 MIT 授權權重。
模型架構：混合注意力與稀疏啟動
GLM-5.3-Flash 採用全新的基礎模型訓練，架構和訓練配方都經過重新設計。智譜在 GLM 系列中首次引入結合稀疏注意力（sparse attention）與線性注意力（linear attention）的混合架構，搭配 IndexPool 機制處理長上下文場景。
技術亮點包括：
- Manifold-Constrained Hyper-Connections（mHC）：一種新的連接機制，搭配混合注意力大幅降低長上下文推理成本
- 320B 總參數 / 18B 活躍參數：MoE 架構讓每次推理只啟動 18B 參數，兼顧效能與效率
- 100 萬 token 上下文：原生支援，非外掛式擴展
- 原生多模態：文字、圖片、影片全支援，視覺能力被整合進程式碼循環（渲染→驗證→修正）
- 30 兆 token 多模態預訓練語料
根據智譜的數據，相較於非 Flash 版本的 GLM-5.3，GLM-5.3-Flash 的注意力計算量減少 3.0 倍，KV 快取縮小 4.4 倍。
基準測試成績：逼近頂尖閉源模型
智譜公布的基準測試數據顯示，GLM-5.3-Flash 在多項關鍵指標上與 Claude Opus 4.8 和 GPT-5.6 Terra 不相上下：
- Terminal Bench 2.1：84.3 分（Claude Opus 4.8 為 85.0，GPT-5.6 Terra 為 87.4）
- DeepSWE v1.1：63.4 分（前代 GLM-5.2 為 46.2，提升 17.2 分；Claude Opus 4.8 為 58.0）
- AutomationBench v1.0.6：48.8 分（GLM-5.2 僅 26.2，提升 22.6 分；Claude Opus 4.8 為 41.0）
- GDPVal-AA v2：1773 分，超越 Claude Opus 4.8（1582）、GPT-5.6 Terra（1571）和 Gemini 3.7 Flash（1527），在企業級 Agent 工作流基準中領先
- Toolathlon Verified：78.4 分（GLM-5.2 為 59.9，Claude Opus 4.8 為 76.2）
- HLE w/ Tools：55.3 分（Claude Opus 4.8 為 57.9）
在 Z.ai 自家的 Code Bench v1.0 測試中（使用 Claude Code 2.1.207 測試框架），GLM-5.3-Flash 在最大努力等級下得分 29.0，與 Claude Opus 4.8 的 29.5 幾乎持平。
不過，GLM-5.3-Flash 並非全面領先。GPT-5.6 Terra 在 DeepSWE（69.6）和 Terminal Bench（87.4）上仍然保持優勢，Gemini 3.7 Flash 則在 AutomationBench（52.3）上居冠。
定價策略：Flash 級模型的價格戰
GLM-5.3-Flash 的定價是這波發布最具殺傷力的部分：
- 標準輸入：每百萬 tokens 0.15 美元（約 NT$4.9）
- 標準輸出：每百萬 tokens 0.50 美元（約 NT$16.3）
- 快取輸入：每百萬 tokens 0.03 美元（約 NT$0.98）
0.03 美元的快取輸入定價尤其值得關注。對於需要大量系統提示詞或重複上下文的 RAG（檢索增強生成）和 Agent 應用場景，這個價格大幅降低了營運成本。
智譜同時在 Z.ai 的 Coding Plan 中提供 GLM-5.3-Flash，訂閱用戶可獲得相當於 GLM-5.3 三倍的使用配額。
中國國產晶片全棧執行：基礎設施的新格局
智譜在發布部落格中明確表示：「這些流量全部在中國國產 AI 晶片上提供服務。」這句話的分量不容小覷。
根據官方描述，GLM-5.3-Flash 的基礎設施包含：
- 大規模中國國產加速器叢集，搭配高頻寬互連
- 客製化 SGLang 推理引擎，部分由 GLM-5.3 基礎設施 Agent 自行建構（模型最佳化自己的服務堆疊）
- EPD 解耦架構：Encode / Prefill / Decode 工作池在叢集規模分離運作
- 相同硬體上端到端服務效能提升 3 倍，每 token 成本與 NVIDIA GPU 相當
對於中國以外的開發者而言，這代表 MoE 架構的 Flash 模型可以在不依賴 H100 叢集的情況下，以 OpenRouter 規模提供服務。這對推理成本下降的預測有重要參考意義（老黃擔心的事情真的要來了嗎？）。
與 GLM-5.3 的差異
需要釐清的是，GLM-5.3-Flash 與 8 月 14 日發布的 GLM-5.3 是不同的產品。GLM-5.3 基於 743B 參數的基礎模型，主打程式碼與網路安全能力，開放權重需經過安全審查。GLM-5.3-Flash 則是 320B-A18B 的多模態 Flash 版本，MIT 授權即時發布。
結語
GLM-5.3 Flash 的發布代表了一個新階段：匿名預覽→社群解密→正式開源的「Ox Alpha 劇本」，證明了開放權重模型在 Agent 和程式碼工作流中已經具備與頂尖閉源模型競爭的實力。320B-A18B 的 MoE 架構、MIT 授權、每百萬 tokens 0.15 美元的輸入定價，加上完全在中國國產晶片上執行的基礎設施，這款模型同時在技術、商業和地緣政治三個維度上發出了明確信號。
對於開發者而言，最實際的影響是：在需要高頻、低延遲的 Agent 場景中，現在多了一個成本極低且效能接近前沿的選擇。Ox Alpha 的免費午餐已經結束，但開放權重 MoE 模型的時代才剛開始。
