GLM 5 — 新一代前沿模型GLM 5

GLM 5.3 Flash

Z.ai 在 GLM 5 家族中的高效級距：總參數 320B、啟用 18B 的混合專家模型，支援文字、圖片與影片輸入，100 萬 token 脈絡，權重以 MIT 授權開源。

開始 GLM 5.3 Flash 聊天GLM 5.3 Flash 基準測試GLM 5.3 Flash 規格

用 GLM 5 創作

GLM 5.3 Flash 是什麼？

GLM 5.3 Flash 於 2026 年 8 月 26 日發布，在此之前它已在 OpenRouter 上以匿名模型 Ox Alpha 的身分運行了六天。

01

總參數 320B，啟用 18B

每個 token 只啟用 288 位專家中的 8 位：記憶體吃 320B，算力只按 18B 計。

02

原生多模態

視覺能力來自 30T token 的預訓練語料，而不是事後外掛的視覺編碼器。

03

Flash 指的是便宜，不是快

Artificial Analysis 實測輸出 50.2 token/秒，低於同級距 67 t/s 的中位數。

GLM 5.3 Flash 規格、體積與開源狀態

架構、權重與授權資訊取自 Hugging Face 模型卡與 zai-org/GLM-5 儲存庫。

模型卡

架構

總參數量
320B

MoE，45 層，288 選 8 位專家。

啟用參數量
18B

算力開銷相當於 18B 稠密模型。

脈絡視窗
1,048,576 token

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

最大輸出
131,072 token

也有服務商標示可達 1,179,648。

模態
文字、圖片、影片

多模態輸入，文字輸出。

權重與授權

體積與授權

權重授權
MIT

可商用、可再散布，沒有門檻限制。

Hugging Face
zai-org/GLM-5.3-Flash

另有 -BF16 版本與 ModelScope 鏡像。

GitHub
zai-org/GLM-5

沒有獨立儲存庫；GLM-5 採 Apache-2.0。

checkpoint 體積
約 328 GB（FP8）

需要多機多卡，單台工作站跑不動。

推論框架
SGLang、vLLM

另有 TokenSpeed、KTransformers 與社群 GGUF。

資料取自模型卡與 OpenRouter endpoints API，2026 年 8 月。

價格 / 04

GLM 5.3 Flash 價格：官方定價與上線折扣

Z.ai 官方定價為每百萬 token 輸入 $0.15、輸出 $0.50。各處引用的 $0.075 / $0.25 是限時 5 折的上線優惠價。

01

官方定價

$0.15

每百萬輸入 token

試算 GLM 5.3 Flash 成本請以此為準，別用促銷價。

02

官方定價

$0.50

每百萬輸出 token

1:3.3 的陡峭比例，先把輸出長度壓下來。

03

官方定價

$0.03

每百萬快取輸入 token

只有全新輸入的五分之一，長脈絡就是靠它才划算。

04

第三方測算

$0.10

混合單價

Artificial Analysis 依快取/輸入/輸出 7:2:1 的比例估算。

同一份權重價差可達 2 倍：Z.AI、Novita、GMICloud 打折，其餘照官方定價收費。

基準測試 / 05

GLM 5.3 Flash 基準測試：官方公布值與第三方實測

Z.ai 自己發表格、自己挑對照組。與 GLM 5.2 的差距以及 Artificial Analysis 的數據經得起檢驗。

01

Z.ai 公布

Terminal-Bench 2.1

5.3 Flash84.3
Opus 4.885.0

GPT-5.6 Terra 為 87.4；任務愈難，差距愈明顯。

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，價格只有十分之一。AutomationBench 為 48.8 對 26.2。

03

Z.ai 公布

OfficeQA Pro

5.3 Flash62.4

文件與視覺推理，官方稱領先 Opus 4.8。

04

Artificial Analysis

57

Intelligence Index

第三方實測；同類開源權重模型的中位數約為 27。

評估 GLM 5.3 Flash 最可靠的基準，是你自己的待辦清單。

能力 / 06

GLM 5.3 Flash 能做什麼

為 Agent 框架而設計：可控推理強度、工具呼叫、結構化輸出，以及百萬 token 視窗上的串流回應。

01

可調強度的推理

預設開啟，推理強度可依需求調整。

02

函式呼叫

支援工具與工具選擇；每個動作仍需由你的應用自行驗證。

03

結構化輸出

指定回應格式即可取得可直接解析的 JSON。

04

串流回應

首個 token 1.47 秒優於中位數，但吞吐量並不佔優勢。

05

圖片與影片輸入

可以把截圖、示意圖或螢幕錄影連同提示詞一起貼上。

06

百萬 token 脈絡

$0.03 的快取輸入價，讓後續回合一直很便宜。

比較 / 07

GLM 5.3 Flash 對比 DeepSeek V4 Flash

兩者都是前沿家族中以 MIT 權重發布的低價級距，差異集中在模態、推理與硬體門檻上。

Z.ai

GLM 5.3 Flash

架構
320B / 啟用 18B

混合 KDA 加 NoPE 稀疏 MLA 注意力。

輸入
文字、圖片、影片

原生多模態。

脈絡 / 輸出
1M / 131K

輸出上限因服務商而異。

官方定價
$0.15 / $0.50

上線折扣之前的價格。

自建部署
約 328 GB FP8

雖是 MIT，但需要多機多卡。

DeepSeek

DeepSeek V4 Flash

架構
284B / 啟用約 13B

預設不做推理。

輸入
僅文字

截圖必須先轉成文字。

脈絡 / 輸出
1M / 384K

可用的回覆額度大得多。

官方定價
$0.14 / $0.28

第一方供應，1:2 的比例更平緩。

自建部署
MIT 權重

體量較小，部署成本更低。

兩者都在 glm5.app 的模型清單裡，同一則提示詞可以各跑一次。

發布時間軸 / 08

GLM 5.3 Flash 發布時間軸：從 Ox Alpha 到開源權重

先以匿名模型運行六天，隨後完整開源權重正式發布。

01

8 月 20 日 — Ox Alpha 現身

`stealth/ox-alpha` 出現在 OpenRouter，未標示供應方，按 token 免費。

02

8 月 20-26 日 — Agent 工具蜂擁而至

用量前五名全是 Agent 程式工具，OpenCode 直接免費提供。

03

8 月 26 日 — GLM 5.3 Flash 發布

Z.ai 確認它就是 Ox Alpha；模型卡、MIT 權重與價格同時公開。

04

預覽版跑在中國晶片上

採用基於 SGLang 改造的自研引擎，據稱提速約 3 倍，晶片廠商未公開。

05

權重已上架 Hugging Face

`zai-org/GLM-5.3-Flash`，另有 BF16 版本與 ModelScope 鏡像，沒有 GitHub 儲存庫。

06

消息最先出現在哪裡

價格看 OpenRouter，量化看 Hugging Face；想找實測心得，Reddit 上仍要搜 Ox Alpha。

適合誰 / 09

誰在用 GLM 5.3 Flash？

那些為「本來就不需要旗艦深度」的工作付旗艦價的團隊——以及它並不適合的情境。

01

高頻次的 Agent 程式開發

工具呼叫只花 GLM 5.3 十分之一的 token 單價，長 Agent 迴圈才跑得起。

02

儲存庫規模的工作

百萬 token 視窗能把整個程式庫放進脈絡，跨檔案提問不必再做檢索。

03

看圖除錯

跑版的版面、重現流程錄影、畫成圖的資料結構。

04

在 Z.ai 與競品之間選型的團隊

可在 glm5.app 聊天中與 DeepSeek V4 Flash、Qwen 直接比較。

05

有叢集的自建部署方

MIT 權重與 vLLM 支援都是真的，但 FP8 的 328 GB 單機裝不下。

06

不適合對延遲敏感的介面

每秒約 50 個輸出 token，落後於同價位的多數模型。

如何使用 GLM 5.3 Flash / 10

如何使用 GLM 5.3 Flash

三條路徑：瀏覽器裡免費聊天、呼叫 glm5.app 的 API，或在自己的硬體上跑 MIT 權重。

01
01

免費與 GLM 5.3 Flash 聊天

在聊天中選擇 GLM 5.3 Flash 並上傳截圖。新帳號可獲得免費額度。

02
02

呼叫 glm5.app 的 API

向 `https://glm5.app/api/v1` 發送 OpenAI 相容請求，模型 ID 填 `glm-5.3-flash`。

03
03

或自行部署權重

取得 `zai-org/GLM-5.3-Flash`，以 SGLang 或 vLLM 部署，FP8 約 328 GB。

Integration specimen

從 GLM 5.3 Flash API 開始

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

開啟 API 文件
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 常見問題

關於 Ox Alpha、價格、基準測試、參數量、Hugging Face、vLLM、DGX Spark 以及 DeepSeek V4 Flash。

GLM 5.3 Flash 和 Ox Alpha 是同一個模型嗎？

是的——它自 2026 年 8 月 20 日起以 `stealth/ox-alpha` 的名義運行了六天。已儲存的 Ox Alpha 對話會自動對應過來。

GLM 5.3 Flash 和 GLM 5.3 是同一個嗎？

不是，兩者屬於不同級距，價格差約 10 倍。Flash 是 320B-A18B 的多模態模型，GLM 5.3 則是文字旗艦。

GLM 5.3 Flash 怎麼收費？

Z.ai 定價為每百萬 token 輸入 $0.15、快取 $0.03、輸出 $0.50。被廣泛引用的 $0.075 / $0.25 是限時 5 折的上線優惠。

GLM 5.3 Flash 免費嗎？

Ox Alpha 預覽期免費，現在改為按量計費。你仍然可以在 glm5.app 的聊天裡免費試用。

GLM 5.3 Flash 有多少參數？體積多大？

總參數 320B，每個 token 啟用 18B，45 層從 288 位專家中路由 8 位。FP8 checkpoint 約 328 GB。

GLM 5.3 Flash 在 Hugging Face 和 GitHub 上嗎？

權重以 MIT 授權發布在 Hugging Face 的 `zai-org/GLM-5.3-Flash`。沒有獨立 GitHub 儲存庫，相關腳本放在 `zai-org/GLM-5`。

可以用 vLLM 或 DGX Spark 跑 GLM 5.3 Flash 嗎？

vLLM、SGLang、TokenSpeed 與 KTransformers 都支援。328 GB 裝不進單台 DGX Spark，社群回報可用 4 bit 量化把兩台串起來跑。

GLM 5.3 Flash 和 DeepSeek V4 Flash 該選哪個？

需要視覺輸入或深度推理選 Flash；想要 1:2 更平緩的比例或 384K 輸出，就選 DeepSeek V4 Flash。

Reddit 上怎麼評價 GLM 5.3 Flash？

多數實測心得仍掛在預覽版名稱之下，所以在 Reddit 上請直接搜 Ox Alpha。

Start here

今天就開始用 GLM 5.3 Flash

先在瀏覽器裡免費用 GLM 5.3 Flash 跑一次你最難的任務，再把模型 ID 接進自己的流程。

開始 GLM 5.3 Flash 聊天了解 GLM 5.3查看價格