智谱”牛来”真身揭晓：GLM-5.3-Flash开源，320B参数激活18B，国产芯片承载千万级流量

过去一周，全球AI开发者都在追问同一个问题：突然空降OpenRouter、登顶调用量榜首的匿名模型Ox Alpha，到底来自哪家实验室？2026年8月26日晚，谜底揭晓——智谱正式确认，它就是最新发布的GLM-5.3-Flash。这个被中文社区昵称为”牛来”的神秘模型，凭硬实力拿下双平台调用量新高，且全部流量由国产AI芯片集群承载。

一场完美的”匿名测试”

Ox Alpha自8月20日以匿名身份上线OpenRouter，没有发布会、没有预告，却在首日登顶调用量榜首，刷新单日用量历史纪录。凭借百万Token超长上下文、惊人的代码与Agent能力，全球开发者自发成为”自来水”。智谱用这场匿名的市场测试，让模型纯粹以技术实力赢得认可，也验证了”产品先行、品牌后至”的打法。

320B总参仅激活18B：Flash的底气

GLM-5.3-Flash是GLM-5系列首个原生多模态模型，总参数量3200亿，但每次处理Token仅激活约180亿参数。相比GLM-4.5系列，激活参数从320亿降至180亿、层数从92层减至45层，以更少计算资源保留接近大模型的完整能力。

在权威的Artificial Analysis Intelligence综合智能指数中，它取得57分，与Claude Opus 4.8持平，全面超越参数量高出一倍的GLM-5.2，定价却仅为后者的十分之一。

混合注意力架构与视觉Coding

为支撑百万Token长上下文，GLM-5.3-Flash采用线性注意力与稀疏注意力结合的混合架构，并配合IndexPool加权池化压缩索引缓存，注意力计算量降低3.01倍、KV Cache缩小4.44倍。

它还是首个把视觉能力原生融入编程循环的开源前沿模型：能够主动观察界面、渲染结果与交互反馈，持续测试并改进代码，在前端开发、游戏构建、Blender 3D场景中完成”写代码—运行—看结果—再修改”的闭环。

国产芯片集群独挑大梁

最受关注的是，GLM-5.3-Flash匿名测试期间的全部流量，均由部署在国产AI芯片上的大规模集群承载，通过自研高带宽互联网络连接。智谱披露，与同一硬件初始基线相比，端到端服务性能提升3倍，硬件效率与单Token成本已接近主流英伟达GPU水平。

这轮国产芯片的大规模实战检验，为行业吃下一颗定心丸：国产算力完全可以在真实生产流量中高效支撑前沿模型推理。