GLM 5 — 新一代前沿大模型GLM 5

GLM 5.3 Flash

Z.ai 在 GLM 5 家族中的高效档位：总参数 320B、激活 18B 的混合专家模型，支持文本、图像与视频输入，100 万 token 上下文，权重以 MIT 协议开源。

开始 GLM 5.3 Flash 对话GLM 5.3 Flash 基准测试GLM 5.3 Flash 规格

用 GLM 5 创作

GLM 5.3 Flash 是什么？

GLM 5.3 Flash 于 2026 年 8 月 26 日发布，此前它已在 OpenRouter 上以隐匿模型 Ox Alpha 的身份运行了六天。

01

总参数 320B，激活 18B

每个 token 只激活 288 个专家中的 8 个：显存吃 320B，算力只按 18B 算。

02

原生多模态

视觉能力来自 30T token 的预训练语料，而不是事后加装的视觉编码器。

03

Flash 指的是便宜，不是快

Artificial Analysis 实测输出 50.2 token/秒，低于同档位 67 t/s 的中位数。

GLM 5.3 Flash 规格、体积与开源情况

架构、权重与许可信息来自 Hugging Face 模型卡和 zai-org/GLM-5 仓库。

模型卡

架构

总参数量
320B

MoE，45 层，288 选 8 个专家。

激活参数量
18B

算力开销相当于 18B 稠密模型。

上下文窗口
1,048,576 token

Io Net 上限 262,144，Cloudflare 为 1,310,720。

最大输出
131,072 token

也有服务商标注可达 1,179,648。

模态
文本、图像、视频

多模态输入，文本输出。

权重与许可

体积与许可

权重许可
MIT

可商用、可再分发，无门槛限制。

Hugging Face
zai-org/GLM-5.3-Flash

另有 -BF16 版本与 ModelScope 镜像。

GitHub
zai-org/GLM-5

没有独立仓库；GLM-5 采用 Apache-2.0。

checkpoint 体积
约 328 GB（FP8）

需要多机多卡，单台工作站跑不动。

推理框架
SGLang、vLLM

另有 TokenSpeed、KTransformers 与社区 GGUF。

数据来自模型卡与 OpenRouter endpoints API，2026 年 8 月。

价格 / 04

GLM 5.3 Flash 价格：官方定价与上线折扣

Z.ai 官方定价为每百万 token 输入 $0.15、输出 $0.50。各处引用的 $0.075 / $0.25 是限时 5 折的上线优惠价。

01

官方定价

$0.15

每百万输入 token

测算 GLM 5.3 Flash 成本请以此为准，别按促销价算。

02

官方定价

$0.50

每百万输出 token

1:3.3 的陡峭比例，先把输出长度压下来。

03

官方定价

$0.03

每百万缓存输入 token

只有新增输入的五分之一，长上下文正是靠它才划算。

04

第三方测算

$0.10

混合单价

Artificial Analysis 按缓存/输入/输出 7:2:1 的比例估算。

同一份权重价差可达 2 倍：Z.AI、Novita、GMICloud 打折，其余按官方定价收费。

基准测试 / 05

GLM 5.3 Flash 基准测试：官方公布值与第三方实测

Z.ai 自己发表格、自己挑对比对象。与 GLM 5.2 的差距以及 Artificial Analysis 的数据经得起推敲。

01

Z.ai 公布

Terminal-Bench 2.1

5.3 Flash84.3
Opus 4.885.0

GPT-5.6 Terra 为 87.4；任务越难，差距越明显。

02

Z.ai 公布

DeepSWE v1.1

5.3 Flash63.4
GLM 5.246.2

同一家族、同一套方法，价格只有十分之一。AutomationBench 为 48.8 对 26.2。

03

Z.ai 公布

OfficeQA Pro

5.3 Flash62.4

文档与视觉推理，官方称领先 Opus 4.8。

04

Artificial Analysis

57

Intelligence Index

第三方实测；同类开源权重模型的中位数约为 27。

衡量 GLM 5.3 Flash 最可靠的基准，是你自己的待办队列。

能力 / 06

GLM 5.3 Flash 能做什么

面向 Agent 框架设计：可控推理强度、工具调用、结构化输出，以及百万 token 窗口上的流式响应。

01

可调强度的推理

默认开启，推理强度可按需调节。

02

函数调用

支持工具与工具选择；每个动作仍需你的应用自行校验。

03

结构化输出

指定响应格式即可拿到可直接解析的 JSON。

04

流式响应

首 token 1.47 秒优于中位数，但吞吐量并不占优。

05

图像与视频输入

可以把截图、示意图或屏幕录制随提示词一起贴进来。

06

百万 token 上下文

$0.03 的缓存输入价，让后续轮次一直很便宜。

对比 / 07

GLM 5.3 Flash 对比 DeepSeek V4 Flash

两者都是前沿家族里以 MIT 权重发布的低价档位，差异集中在模态、推理与硬件门槛上。

Z.ai

GLM 5.3 Flash

架构
320B / 激活 18B

混合 KDA 加 NoPE 稀疏 MLA 注意力。

输入
文本、图像、视频

原生多模态。

上下文 / 输出
1M / 131K

输出上限因服务商而异。

官方定价
$0.15 / $0.50

上线折扣之前的价格。

自建部署
约 328 GB FP8

虽然是 MIT，但要多机多卡。

DeepSeek

DeepSeek V4 Flash

架构
284B / 激活约 13B

默认不做推理。

输入
仅文本

截图必须先转成文字。

上下文 / 输出
1M / 384K

可用的回复额度大得多。

官方定价
$0.14 / $0.28

一方供给，1:2 的比例更平缓。

自建部署
MIT 权重

体量更小，部署成本更低。

两者都在 glm5.app 的模型列表里，同一条提示词可以分别跑一遍。

发布时间线 / 08

GLM 5.3 Flash 发布时间线：从 Ox Alpha 到开源权重

先以匿名隐匿模型运行六天，随后完整开源权重正式发布。

01

8 月 20 日 — Ox Alpha 出现

`stealth/ox-alpha` 出现在 OpenRouter，未标注提供方，按 token 免费。

02

8 月 20-26 日 — Agent 工具蜂拥而至

用量前五全是 Agent 编程工具，OpenCode 直接免费提供。

03

8 月 26 日 — GLM 5.3 Flash 发布

Z.ai 确认它就是 Ox Alpha；模型卡、MIT 权重与价格同时公开。

04

预览版跑在国产芯片上

使用基于 SGLang 改造的自研引擎，据称提速约 3 倍，芯片厂商未公开。

05

权重已上线 Hugging Face

`zai-org/GLM-5.3-Flash`，另有 BF16 版本与 ModelScope 镜像，没有 GitHub 仓库。

06

消息最先出现在哪里

价格看 OpenRouter，量化看 Hugging Face；想找实测反馈，Reddit 上仍要搜 Ox Alpha。

适合谁 / 09

谁在用 GLM 5.3 Flash？

那些为「本来不需要旗舰深度」的活儿付着旗舰价的团队——以及它并不适合的场景。

01

高频次的 Agent 编程

工具调用只花 GLM 5.3 十分之一的 token 单价，长 Agent 循环才跑得起。

02

仓库级的代码任务

百万 token 窗口能把整个代码库放进上下文，跨文件提问不必再做检索。

03

看图排障

错乱的布局、复现过程录屏、画成图的数据结构。

04

在 Z.ai 与竞品之间做选型的团队

可在 glm5.app 对话里与 DeepSeek V4 Flash、Qwen 直接对比。

05

有集群的自建部署方

MIT 权重和 vLLM 支持都是真的，但 FP8 的 328 GB 单机装不下。

06

不适合对延迟敏感的界面

每秒约 50 个输出 token，落后于同价位的多数模型。

如何使用 GLM 5.3 Flash / 10

如何使用 GLM 5.3 Flash

三条路径：浏览器里免费对话、调用 glm5.app 的 API，或在自己的硬件上跑 MIT 权重。

01
01

免费与 GLM 5.3 Flash 对话

在对话里选择 GLM 5.3 Flash 并上传截图。新账号可获赠免费额度。

02
02

调用 glm5.app 的 API

向 `https://glm5.app/api/v1` 发送 OpenAI 兼容请求，模型 ID 填 `glm-5.3-flash`。

03
03

或者自建部署权重

拉取 `zai-org/GLM-5.3-Flash`，用 SGLang 或 vLLM 部署，FP8 约 328 GB。

Integration specimen

从 GLM 5.3 Flash API 开始

OpenAI 兼容的 Chat Completions 接口。在 `https://glm5.app/api/v1` 使用模型 ID `glm-5.3-flash`。

打开 API 文档
Request previewcurl
curl https://glm5.app/api/v1/chat/completions \
  -H "Authorization: Bearer $GLM5_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-5.3-flash",
    "messages": [{
      "role": "user",
      "content": "Read this stack trace and name the failing call site."
    }],
    "stream": true
  }'

GLM 5.3 Flash 常见问题

关于 Ox Alpha、价格、基准测试、参数量、Hugging Face、vLLM、DGX Spark 以及 DeepSeek V4 Flash。

GLM 5.3 Flash 和 Ox Alpha 是同一个模型吗？

是的——它从 2026 年 8 月 20 日起以 `stealth/ox-alpha` 的名义运行了六天。已保存的 Ox Alpha 对话会自动映射过来。

GLM 5.3 Flash 和 GLM 5.3 是同一个吗？

不是，两者属于不同档位，价格差约 10 倍。Flash 是 320B-A18B 的多模态模型，GLM 5.3 则是文本旗舰。

GLM 5.3 Flash 怎么收费？

Z.ai 定价为每百万 token 输入 $0.15、缓存 $0.03、输出 $0.50。被广泛引用的 $0.075 / $0.25 是限时 5 折的上线优惠。

GLM 5.3 Flash 免费吗？

Ox Alpha 预览期免费，现在按量计费。你仍可以在 glm5.app 的对话里免费试用。

GLM 5.3 Flash 有多少参数？体积多大？

总参数 320B，每个 token 激活 18B，45 层从 288 个专家中路由 8 个。FP8 checkpoint 约 328 GB。

GLM 5.3 Flash 在 Hugging Face 和 GitHub 上吗？

权重以 MIT 协议发布在 Hugging Face 的 `zai-org/GLM-5.3-Flash`。没有独立 GitHub 仓库，相关脚本在 `zai-org/GLM-5` 里。

能用 vLLM 或 DGX Spark 跑 GLM 5.3 Flash 吗？

vLLM、SGLang、TokenSpeed 和 KTransformers 都支持。328 GB 装不进单台 DGX Spark，社区反馈可用 4 bit 量化把两台连起来跑。

GLM 5.3 Flash 和 DeepSeek V4 Flash 该选哪个？

需要视觉输入或深度推理选 Flash；想要 1:2 更平缓的比例或 384K 输出，就选 DeepSeek V4 Flash。

Reddit 上怎么评价 GLM 5.3 Flash？

多数实测反馈仍挂在预览版名字下，所以在 Reddit 上请直接搜 Ox Alpha。

Start here

今天就用上 GLM 5.3 Flash

先在浏览器里免费用 GLM 5.3 Flash 跑一遍你最难的任务，再把模型 ID 接进自己的流程。

开始 GLM 5.3 Flash 对话了解 GLM 5.3查看价格